一种湖泊周边建筑物变化识别方法及装置制造方法及图纸

本发明专利技术公开了一种湖泊周边建筑物变化识别方法及装置。所述方法包括：获取待识别湖泊、包含待识别湖泊周边的遥感影像和待识别湖泊周边的属性数据；根据待识别湖泊周边对应的地块矢量范围对遥感影像进行裁剪处理，得到仅包含地块矢量范围的裁剪遥感影像；将裁剪遥感影像输至预先训练的土地分割和类型识别模型，并获取由土地分割和类型识别模型输出的待识别土地对应的目标土地识别结果；根据往期所述土地属性数据和所述目标土地识别结果，确定所述待识别土地是否变化。本发明专利技术提供的方法具有遥感监测速度快、覆盖范围广、效率高的优势，实现土地利用高效监测和动态监管，为推进优化湖泊生态、实施土地内涵挖潜和整治再开发提供数据支撑。支撑。支撑。

【技术实现步骤摘要】
一种湖泊周边建筑物变化识别方法及装置


[0001]本专利技术涉及地理信息数据
，特别是一种湖泊周边建筑物变化识别方法及装置。

技术介绍

[0002]随着我国工业化和城市化的快速发展，建设用地面积迅速增长。尤其是近年来，我国建设用地规模急剧扩张，且出现无序扩张现象，引发湖泊周边建筑物扩张、土地资源利用率下降、环境生态破坏等一系列问题。《国土资源部关于推进土地节约集约利用的指导意见》明确指出，土地节约集约利用是生态文明建设的根本之策，是新型城镇化的战略选择。我国高度重视土地节约集约利用，对大力推进节约集约用地提出了新要求，要严格控制建设用地总量，提高土地实际利用率，对维护生态稳定、准确的监测监管尤为重要。
[0003]如何对湖泊周边建筑物高效准确的监测监管是目前亟待解决的问题。
[0004]现有湖泊周边建筑物检测方式主要依靠人工，简单来说，工作人员需要熟悉待处理的影像，然后根据地面实况材料与影像对应分析，再根据影像特征判断。这种方法需要耗费巨大的时间和精力，并且人的主观因素较大，容易造成误判。
[0005]申请号为CN201911365254.2的专利公开了一种结合灾前和灾后遥感影像信息的损毁建筑物自动识别方法，首先通过人工解译的方式制作基于FCN的灾前建筑物提取和基于CNN的灾后损毁建筑识别样本库，并对构建的FCN模型和CNN模型进行训练；利用训练好的FCN模型提取灾前影像中的建筑物，获得灾前影像建筑区域，并采用基于对象分割策略分割灾前影像建筑区域，得到灾前建筑物分割对象，最后利用训练好的CNN模型处理灾后影像得到对应灾后影像的损毁建筑物置信矩阵，用于判断每个灾前建筑物分割对象是否损毁。
[0006]遥感影像通常从高空角度观看，成像范围广，其包含大量的地物信息，上述专利提供的基于FCN和CNN的模型处理方法由于难以应对复杂的遥感信息，其分割和识别的准确性并不高，尤其在灾害的情况下，建筑物更是复杂多样，对某些小型地物难以进行识别和检测，导致该方法过时。
[0007]申请号为CN202010481052.0的专利公开了一种融合高分遥感影像和街景影像的城中村识别方法，包括：获取选定地区的高分遥感影像进行预提取和多尺度分割；获取所述选定地区的多视角街景影像，构建各视角下的最优街道空间品质评估模型及对应的最优街景影像特征组合方式；提取各待分类地块的多类高分遥感影像特征；提取各待分类地块的多个街道品质特征；将所述多类高分遥感影像特征和多个街道品质特征进行异构融合，利用机器学习算法判断其余地块是否为城中村。
[0008]该专利的特征提取方式主要依靠人工总结的方法，属于半自动化方式，这种方法难以适应新的情境和变化，会耗费巨大的时间和精力，在实际应用中，其可行性和性价比并不高。
[0009]本申请人之前也研究过一种闲置土地识别方法及装置，包括：获取待识别土地及其土地属性数据；根据待识别土地对应的地块矢量范围对遥感影像进行裁剪处理；将裁剪
遥感影像输入至预先训练的土地类型识别模型，并获取由土地类型识别模型输出的待识别土地对应的目标土地识别结果；根据所述土地属性数据和所述目标土地识别结果，确定所述待识别土地是否为闲置土地。
[0010]该专利通过人工裁剪的方式获得分割地块结果，属于半自动化方式，人工分割的方法主观因素大，容易出现较大的误差从而影响识别结果，准确率只能达到80％
‑
85％。

技术实现思路

[0011]本专利技术解决的技术问题是：克服现有技术的不足，提供了一种湖泊周边建筑物变化识别方法及装置。
[0012]本专利技术的技术解决方案是：
[0013]本专利技术提供了一种湖泊周边建筑物变化识别方法，包括：获取待识别土地及矢量范围；根据待识别土地对应的地块矢量范围对遥感影像进行裁剪处理；将裁剪遥感影像输入至预先训练的土地类型识别模型，并获取由土地类型识别模型输出的待识别土地对应的目标土地识别结果；根据所述土地属性数据和所述目标土地识别结果，确定所述待识别土地是否为闲置土地。
[0014]获取待识别湖泊、包含待识别湖泊周边的遥感影像和待识别湖泊周边的属性数据；
[0015]根据待识别湖泊周边对应的地块矢量范围对遥感影像进行裁剪处理，得到仅包含地块矢量范围的裁剪遥感影像；
[0016]将裁剪遥感影像输入至预先训练的土地分割模型获取由土地分割模型输出的待识别土地对应的目标土地分割结果；
[0017]将目标土地分割结果输入至预先训练的土地类型识别模型，并获取由所述土地类型识别模型输出的所述待识别土地对应的目标土地识别结果；
[0018]根据往期所述土地属性数据和所述目标土地识别结果，确定所述待识别土地是否变化。
[0019]优选地，所述预先训练的土地分割模型，训练过程包括：
[0020]获取模型训练样本，用于获取模型训练样本，包括：土地遥感影像、土地遥感影像包含的多个地块的地块矢量范围；
[0021]根据多个地块的地块矢量范围对土地遥感影像进行裁剪处理，生成所述包含多个地块对应的地块遥感影像，即样本的土地分割结果；
[0022]将地块遥感影像输入至初始土地分割模型，获取地块的预测土地分割结果；
[0023]根据土地分割结果和预测土地分割结果，计算得到初始土地分割模型的损失值，损失值的计算公式为：
[0024][0025]其中，A表示真实分割区域，B表示预测分割区域
[0026]在损失值处于预设范围0.001
‑
0.005的情况下，使用多尺度分割方法对初始模型进行二次训练，作为最终的土地分割模型。
[0027]优选地，所述预先训练的土地类型识别模型，训练过程包括：
[0028]获取模型训练样本，用于获取模型训练样本，包括：土地遥感影像、土地遥感影像包含的多个地块的土地类型；
[0029]对土地遥感影像进行裁剪处理，生成所述多个地块对应的地块遥感影像；
[0030]将地块遥感影像输入初始土地类型识别模型，获取多个地块的预测土地类型；
[0031]根据土地类型和预测土地类型，计算得到初始土地类型识别模型的损失值，损失值的计算公式为：
[0032][0033]其中，p(x)表示真实概率分布，q(x)表示预测概率分布；
[0034]在损失值处于预设范围0.001
‑
0.005的情况下，将训练后的初始土地类型识别模型作为最终的土地类型识别模型。
[0035]优选地，所述初始土地分割模型为SCAttNet模型；初始土地类型识别模型为Mask
‑
RCNN模型。
[0036]优选地，所述土地属性数据指待识别土地在上一监测时点的土地识别结果。
[0037]优选地，所述确定待识别土地是否变化，包括：待识别土地在上一监测时点的土地识别结果为植被识别结果，目标土地识别结果为建筑物识别结果时，确定待识别土地为已变化的土地；待识别土地在上一监测时点的土地识别结果为建筑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种湖泊周边建筑物变化识别方法，其特征在于，包括：获取待识别湖泊周边土地，包含待识别土地的遥感影像和待识别土地的土地属性数据；根据待识别土地对应的地块矢量范围对遥感影像进行裁剪处理，得到仅包含地块矢量范围的裁剪遥感影像；将裁剪遥感影像输入至预先训练的土地分割模型，获取待识别土地对应的目标土地分割结果；将目标土地分割结果输入至预先训练的土地类型识别模型，获取待识别土地对应的目标土地识别结果；根据往期所述土地属性数据和所述目标土地识别结果，确定待识别土地是否变化。2.根据权利要求1所述的湖泊周边建筑物变化识别方法，其特征在于，所述预先训练的土地分割模型，训练过程包括：获取模型训练样本，用于获取模型训练样本，包括：土地遥感影像、土地遥感影像包含的多个地块的地块矢量范围；根据多个地块的地块矢量范围对土地遥感影像进行裁剪处理，生成所述包含多个地块对应的地块遥感影像，即样本的土地分割结果；将地块遥感影像输入至初始土地分割模型，并获取地块的预测土地分割结果；根据土地分割结果和预测土地分割结果，计算得到初始土地分割模型的损失值：在损失值处于预设范围内的情况下，使用多尺度分割方法对初始模型进行二次训练，作为最终的土地分割模型。3.根据权利要求1所述的湖泊周边建筑物变化识别方法，其特征在于，所述预先训练的土地类型识别模型，训练过程包括：获取模型训练样本，用于获取模型训练样本，包括：土地遥感影像、土地遥感影像包含的多个地块的土地类型；对土地遥感影像进行裁剪处理，生成所述多个地块对应的地块遥感影像；将地块对应的地块遥感影像输入初始土地类型识别模型，获取多个地块的预测土地类型；根据土地类型和预测土地类型，计算得到初始土地类型识别模型的损失值；在损失值处于预设范围内的情况下，将训练后的初始土地类型识别模型作为最终的土地类型识别模型。4.根据权利要求1所述的湖泊周边建筑物变化识别方法，其特征在于，所述土地属性数据为待识别土地在上一监测时点的土地识别结果。5.根据权利要求1或4所述的湖泊周边建筑物变化识别方法，其特征在于，所述待识别土地是否变化，包括待识别土地已变化、待识别土地未变化；所述待识别土地已变化包括：待识别土地在上一监测时点的土地识别结果为植被识别结果，目标土地识别结果为建筑物识别结果时，确定待识别土地为已变化的土地；待识别土地在上一监测时点的土地识别结果为建筑物识别结果，目标土地识别结果为植被识别结果时，确定待识别土地为已变化的土地。所述待识别土地未变化，包括：待识别土地在上一监测时点的土地识别结果为植被识
别结果，目标土地识别结果为植被识别结果时，确定所述待识别土地为未变化的土地；待识别土地在上一监测时点的土地识别结果为建筑物识别结果，目标土地识别结果为建筑物识别结果时，确定所述待识别土地为未变化的土地；待识别土地在上一监测时点的土地识别结果为裸土识别结果，目标土地识别结果为裸土识别结果时，确定所述待识别土地为未变化的土地。6.一种根据权利要求1
‑
5任一项所述的湖泊周边建筑物变化识别装置，其特征在于，包括待识别土地获取模块、裁剪遥感影像获取模块、目标分割结果获取模块、目标识别结果获取模块。7.根据权利要求6所述的湖泊周边建筑物变化识别装置，其特征在于，所述待识别土地获取模块，用于获取待识别土地，包含...

【专利技术属性】
技术研发人员：张璇，黄勇，肖让，张勇，唐亮，蔡玲，
申请(专利权)人：贵州图智信息技术有限公司，
类型：发明
国别省市：