多特征和模型耦合的牧畜遥感监测方法、系统及存储介质技术方案

本发明专利技术公开了一种多特征和模型耦合的牲畜遥感监测方法、系统及存储介质，涉及对地监测领域。具体步骤如下：采集监测数据，监测数据为监测区域内当期高分遥感影像和背景高分遥感影像；建立基于深度学习的牧畜群检测模型；通过牧畜群检测模型对监测数据进行检测，得到牲畜群分布数据；利用基于高斯拉普拉斯梯度差和面向对象的方法提取监测数据的牲畜斑点，形成牧畜斑点分布数据；用牧畜斑点分布数据对牲畜群分布数据进行校验和增强，形成增强的牧畜群监测结果，再通过人工辅助修边，形成精准的牧畜群数据及其内部所包含的牧畜斑点数据。本发明专利技术可以精准、高效掌握牧畜群的分布信息，有效监测评估了区域牧畜的资源量和区域载畜压力。力。力。

【技术实现步骤摘要】
多特征和模型耦合的牧畜遥感监测方法、系统及存储介质


[0001]本专利技术涉及对地监测
，更具体的说是涉及一种多特征和模型耦合的牲畜遥感监测方法、系统及存储介质。

技术介绍

[0002]目前对牧畜数量和放牧活动的监管多依托逐级填报统计、入户调查、无人机抽查、在线视频或穿戴式设备监控等方式。其中逐级填报方式存在一定漏报、虚报、瞒报的可能，数据质量难以有保障；入户调查统计方式成本高，只能采取抽样估算，难以全面实施；在线视频或穿戴式设备方式通常只能安装在出入口、羊圈等区域，可操作性差，且投入和运维成本高。
[0003]随着遥感技术的发展，基于卫星遥感的牧畜监测评估成为了一个新的方向。但是大部分都集中在理论载畜量的监测(基于卫星遥感监测评估草地的生物量，从而间接估算理论载畜量)，鲜有实际载畜方面的研究和应用。随着亚米级高分卫星技术、无人机技术等探测技术的发展以及人工智能等识别技术的发展，出现了基于无人机的大型哺乳动物、牛羊等家畜的监测识别。但是这种基于无人机的方法，一方面从技术上来说，由于无人机拍摄的分辨率很高(可达到亚分米级别)，图像上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习与面向对象相结合的牲畜高分遥感监测方法，其特征在于，具体步骤包括如下：采集监测数据，所述监测数据为监测区域内当期高分遥感影像和背景高分遥感影像；建立基于深度学习的牧畜群检测模型；通过所述牧畜群检测模型对所述监测数据进行检测，得到牲畜群分布数据；利用基于高斯拉普拉斯梯度差和面向对象的方法提取所述监测数据的牲畜斑点，形成牧畜斑点分布数据；通过所述牧畜斑点分布数据对所述牲畜群分布数据进行校验和增强，形成增强的牧畜群监测结果，针对增强的牧畜群监测结果通过人工辅助修边，形成最终牧畜群数据和牲畜群内部的牧畜斑点数据。2.根据权利要求1所述的一种基于深度学习与面向对象相结合的牲畜高分遥感监测方法，其特征在于，还包括对所述监测数据进行预处理，预处理方法为几何精纠正和图像增强，其中图像增强通过双边滤波算法实现图像增强。3.根据权利要求1所述的一种基于深度学习与面向对象相结合的牲畜高分遥感监测方法，其特征在于，所述建立基于深度学习的牧畜群检测模型的步骤为：选取高分遥感影像，利用人工解译勾绘影像上的牧畜群边界范围，形成牧畜群样本斑块，并对所述牧畜群样本斑块标注牧畜类型编码；将标注好的基于高分遥感影像的牧畜群样本斑块导出为训练样本数据；利用所述训练样本数据进行深度学习模型训练，得到所述牧畜群检测模型。4.根据权利要求1所述的一种基于深度学习与面向对象相结合的牲畜高分遥感监测方法，其特征在于，所述基于高斯拉普拉斯梯度差的方法提取所述监测数据的牲畜斑点的步骤为：通过高斯拉布拉斯梯度对所述监测数据进行增强处理，得到预处理后的当期高分影像的梯度图和背景高分影像的梯度图；对所述预处理后的当期高分影像的梯度图和背景高分影像的梯度图进行差值计算，并基于梯度差阈值进行牧畜斑点提取；针对亮色牧畜，选择梯度差大于第一阈值的斑点对象作为潜在牧畜斑点；针对暗色牧畜，选择梯度差小于第二阈值的斑点对象作为潜在牧畜斑点。5.根据权利要求4所述的一种基于深度学习与面向对象相结合的牲畜高分遥感监测方法，其特征在于，梯度差的计算公式为：其中，表示行列号为i、j的像元在当期高分...

【专利技术属性】
技术研发人员：高吉喜，肖如林，侯鹏，付卓，靳川平，候静，杨栩，孙阳阳，闻瑞红，王雪峰，万华伟，刘晓曼，翟俊，孙晨曦，王永财，彭阳，李营，殷守敬，马万栋，
申请(专利权)人：生态环境部卫星环境应用中心，
类型：发明
国别省市：