一种基于遥感图像的设施农用地多类别识别与分类方法技术

本发明专利技术属于设施农用地分布形态研究与优化领域，具体涉及一种基于遥感图像的设施农用地多类别识别与分类方法，解决现有神经网络对设施农用地识别精度低的问题。方法基于语义分割神经网络实现，语义分割神经网络包括依次设置的初始化模块、Encoder模块、金字塔池化模块和编码模块；利用该网络，对遥感图像进行设施农用地分类定位，实现了对于多分类结果准确率65%以上，单分类结果准确率90%以上的分类定位，减少了设施农用地实地调查所需人力物力，加快了设施农用地调查速度。加快了设施农用地调查速度。加快了设施农用地调查速度。

【技术实现步骤摘要】
一种基于遥感图像的设施农用地多类别识别与分类方法


[0001]本专利技术属于设施农用地分布形态研究与优化领域，具体涉及一种基于遥感图像的设施农用地多类别识别与分类方法，该方法通过对遥感卫星图像及无人机航拍图像进行语义分割，自动划分不同类别，作为统计与规划的辅助手段。

技术介绍

[0002]设施农业是采用具有特定结构和性能的设施，运用先进的工程技术和管理技术改善或创造局部环境，为种植业、养殖业及其产品的储藏保鲜等提供相对可控制的环境条件，以充分利用土壤、气候和生物潜能，在一定程度上摆脱对自然环境的依赖而进行有效生产的农业，是一种高投入高产出，资金、技术、劳动力密集型的产业。其利用人工建造的设施，使传统农业逐步摆脱自然的束缚，走向现代工厂化农业生产之路，同时使农产品打破传统农业的季节性，实现农产品的反季节上市，进一步满足多元化、多层次消费需求。其作为一种获得速生、高产、优质、高效的农产品的新型生产方式，已经成为世界各国用以提供新鲜农产品的主要技术措施。
[0003]设施农业是目前现代农业发展的主要方向之一。为此，科学、准确、快速的进行土地调本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感图像的设施农用地多类别识别与分类方法，其特征在于，基于语义分割神经网络实现；所述语义分割神经网络包括依次设置的初始化模块、Encoder模块、金字塔池化模块和编码模块；所述初始化模块包括第一卷积单元和第二卷积单元；所述第一卷积单元为多通道卷积层，第二卷积单元为最大池化层；所述Encoder模块采用VGG19网络encoder模块的1层、2层、3层、4层、5层，将2层、3层、4层、5层提取的结果分别作为金字塔池化模块的四层输入；所述金字塔池化模块包括四个卷积层，分别为第一卷积层、第二卷积层、第三卷积层、第四卷积层；其中，第一卷积层对encoder模块的2层提取结果进行通道数不变，数据量减少的卷积处理，得到数据P1；第二卷积层对encoder模块的3层提取结果进行通道数不变，数据量减少的卷积处理，得到数据P2；第三卷积层对encoder模块的4层提取结果进行通道数不变，数据量减少的卷积处理，得到数据P3；第四卷积层对encoder模块的5层提取结果进行通道数不变，数据量减少的卷积处理，得到数据P4；所述编码模块包括四个反卷积层，分别为第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层；第一反卷积层对金字塔池化模块第一卷积层输出的数据P1进行反卷积操作，得到与金字塔池化模块第二卷积层输出数据P2大小相同的数据D1，将数据D1与数据P2进行合并，输入至第二反卷积层进行反卷积操作，得到与金字塔池化模块第三卷积层输出数据P3大小相同的数据D2，将数据D2与数据P3进行合并，输入至第三反卷积层进行反卷积操作，得到与金字塔池化模块第四卷积层输出数据P4大小相同的数据D3，将数据D3与数据P4进行合并，输入至第四反卷积层进行反卷积操作，第四反卷积层输出结果数据D4。2.根据权利要求1所述的基于遥感图像的设施农用地多类别识别与分类方法，其特征在于：第一卷积单元的步长为2，卷积核尺寸为3
×
3的卷积层，其通道数13；第二卷积单元为最大池化层，使用非重叠2
×
2窗口，通道数为3，与第一卷积单元合并后通道数为16。3.根据权利要求2所述的基于遥感图像的设施农用地多类别识别与分类方法，其特征在于，包括以下步骤：步骤一、对匹配的遥感图像和标签图像进行对应...

【专利技术属性】
技术研发人员：钟新利，刘思杰，王小刚，上伟，李宗澍，
申请(专利权)人：陕西自然资源勘测规划设计院有限公司，
类型：发明
国别省市：