本发明专利技术涉及图像处理技术领域，公开了一种绿地自动化监管方法、装置、设备及存储介质。本方法包括：通过绿化用地信息在获取的卫星定位图像中确定出绿地区域，并获取绿地区域对应的不同时期的多个历史遥感图像；获取绿地区域的实时遥感图像，将实时遥感图像输入预设图像分类模型中进行分类预测，得到实时遥感图像对应的当前用地类型；将当前用地类型与多个历史遥感图像对应用地类型进行对比，得到对比结果；通过比对结果判断绿地区域是否异常，并根据判断结果生成预警信息。本发明专利技术通过卫星遥感图像远程监测系统，结合大数据分析技术实现绿地的交互式实时分析，解决了目前的绿化用地资源被占用情况难以监管的技术问题。占用情况难以监管的技术问题。占用情况难以监管的技术问题。
Green space automatic supervision method, device, equipment and storage medium
【技术实现步骤摘要】
绿地自动化监管方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种绿地自动化监管方法、装置、设备及存储介质。
技术介绍
[0002]现城市绿地监管普遍采用城市管理行政主管部门发放占用绿地行政许可、城市绿化专业管理机构进行日常监管的方式，工作人员需现场调研确认占用城市绿地面积、位置和绿地恢复情况，工作人员巡视抽查施工占用城市绿地实际情况，存在监管不全面、执法不及时和效率低下等问题。
[0003]市场上基于卫星遥感技术进行城市绿地监管的应用较少，开发相关方法非常有必要，因此，如何解决目前的绿化用地资源被占用情况难以监管成了本领域技术人员需要解决的技术问题。
技术实现思路
[0004]本专利技术的主要目的在于提供一种绿地自动化监管方法、装置、设备及存储介质，通过卫星遥感图像远程监测系统，结合大数据分析技术实现绿地的交互式实时分析，解决了目前的绿化用地资源被占用情况难以监管的技术问题。
[0005]本专利技术第一方面提供了绿地自动化监管方法，包括：获取目标经纬度范围内的卫星定位图像，根据绿化用地信息，在所述卫星定位图像中选取出绿地区域；从所述卫星定位图像中获取所述绿地区域对应的不同时期的多个历史遥感图像；获取所述绿地区域的实时遥感图像，将所述实时遥感图像输入预设图像分类模型中进行分类预测，得到所述实时遥感图像对应的当前用地类型；将所述实时遥感图像对应的当前用地类型与所述多个历史遥感图像对应用地类型进行对比，得到对比结果；通过所述比对结果判断所述绿地区域是否异常，并根据判断结果生成预警信息。
[0006]可选地，在本专利技术第一方面的第一种实现方式中，在所述获取目标经纬度范围内的卫星定位图像，根据绿化用地信息，在所述卫星定位图像中选取出绿地区域之前，还包括：获取目标区域内的多张土地遥感图像；根据预设用地类型，将所述土地遥感图像进行分类，得到包含多种用地类型的已分类遥感图像构成的数据集；基于所述数据集构建图像分类模型。
[0007]可选地，在本专利技术第一方面的第二种实现方式中，所述基于所述数据集构建图像分类模型包括：获取所述数据集中的所有土地遥感图像，并基于所述土地遥感图像的波段数和波段特征，对所述训练样本图像进行波段增强，得到目标图像；将所述目标图像作为训练样本图像输入待训练的图像分类模型进行训练，得到初始图像分类模型；将所述目标图像输入所述初始图像分类模型进行训练，得到所述目标图像的分类结果，并计算所述分类结果的置信度；根据所述置信度计算所述初始图像分类模型的目标损失函数；基于所述目标损失函数，对所述初始图像分类模型进行训练，直到所述初始图像分类模型符合预设收
敛条件，得到目标图像分类模型，其中，所述目标图像分类模型用于图像地类分类。
[0008]可选地，在本专利技术第一方面的第三种实现方式中，所述获取所述数据集中的所有土地遥感图像，并基于所述土地遥感图像的波段数和波段特征，对所述训练样本图像进行波段增强，得到目标图像包括：基于所述土地遥感图像的波段数和波段特征，计算所述土地遥感图像的光谱角、欧式距离和比值距离；对所述光谱角、所述欧式距离和所述比值距离进行归一化，得到归一化后的所述光谱角、所述欧式距离和所述比值距离；将归一化后的所述光谱角、所述欧式距离和所述比值距离拉伸至预设区间，得到目标光谱角、目标欧式距离和目标比值距离；基于所述土地遥感图像的波段特征以及所述目标光谱角、目标欧式距离和目标比值距离，构建所述目标图像。
[0009]可选地，在本专利技术第一方面的第四种实现方式中，所述从所述卫星定位图像中获取所述绿地区域对应的不同时期的多个历史遥感图像包括：获取由卫星反馈并与目标土地对应的不同时期的多个卫星定位图像；根据预设圈画线对多个所述卫星定位图像进行圈画，得到所述绿地区域对应的不同时期的多个历史遥感图像。
[0010]可选地，在本专利技术第一方面的第五种实现方式中，所述获取所述绿地区域的实时遥感图像包括：将所述绿地区域划分为多个目标监测范围；基于预设卫星定位设备，依次获取各所述目标监测范围内的实时遥感图像。
[0011]可选地，在本专利技术第一方面的第六种实现方式中，所述获取所述绿地区域的实时遥感图像，将所述实时遥感图像输入预设图像分类模型中进行分类预测，得到所述实时遥感图像对应的当前用地类型包括：获取所述绿地区域的实时遥感图像；调用所述目标图像分类模型对所述实时遥感图像进行识别，得到所述实时遥感图像对应的多个参考类别以及各个参考类别的概率；将概率满足预设阈值的参考类别确定为所述实时遥感图像对应的图像类别，并将所述图像类别作为所述实时遥感图像对应的当前用地类型。
[0012]本专利技术第二方面提供了一种绿地自动化监管装置，包括：选取模块，用于获取目标经纬度范围内的卫星定位图像，根据绿化用地信息，在所述卫星定位图像中选取出绿地区域；第一获取模块，用于从所述卫星定位图像中获取所述绿地区域对应的不同时期的多个历史遥感图像；预测模块，用于获取所述绿地区域的实时遥感图像，将所述实时遥感图像输入预设图像分类模型中进行分类预测，得到所述实时遥感图像对应的当前用地类型；对比模块，用于将所述实时遥感图像对应的当前用地类型与所述多个历史遥感图像对应用地类型进行对比，得到对比结果；生成模块，用于通过所述比对结果判断所述绿地区域是否异常，并根据判断结果生成预警信息。
[0013]可选地，在本专利技术第二方面的第一种实现方式中，所述绿地自动化监管装置还包括：第二获取模块，用于获取目标区域内的多张土地遥感图像；分类模块，用于根据预设用地类型，将所述土地遥感图像进行分类，得到包含多种用地类型的已分类遥感图像构成的数据集；构建模块，用于基于所述数据集构建图像分类模型。
[0014]可选地，在本专利技术第二方面的第二种实现方式中，所述构建模块包括：波段增强单元，用于获取所述数据集中的所有土地遥感图像，并基于所述土地遥感图像的波段数和波段特征，对所述训练样本图像进行波段增强，得到目标图像；第一训练单元，用于将所述目标图像作为训练样本图像输入待训练的图像分类模型进行训练，得到初始图像分类模型；计算单元，用于将所述目标图像输入所述初始图像分类模型进行训练，得到所述目标图像
的分类结果，并计算所述分类结果的置信度；根据所述置信度计算所述初始图像分类模型的目标损失函数；第二训练单元，用于基于所述目标损失函数，对所述初始图像分类模型进行训练，直到所述初始图像分类模型符合预设收敛条件，得到目标图像分类模型，其中，所述目标图像分类模型用于图像地类分类。
[0015]可选地，在本专利技术第二方面的第三种实现方式中，所述波段增强单元具体用于：基于所述土地遥感图像的波段数和波段特征，计算所述土地遥感图像的光谱角、欧式距离和比值距离；对所述光谱角、所述欧式距离和所述比值距离进行归一化，得到归一化后的所述光谱角、所述欧式距离和所述比值距离；将归一化后的所述光谱角、所述欧式距离和所述比值距离拉伸至预设区间，得到目标光谱角、目标欧式距离和目标比值距离；基于所述土地遥感图像的波段特征以及所述目标光谱角、目标欧本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种绿地自动化监管方法，其特征在于，所述绿地自动化监管方法包括：获取目标经纬度范围内的卫星定位图像，根据绿化用地信息，在所述卫星定位图像中选取出绿地区域；从所述卫星定位图像中获取所述绿地区域对应的不同时期的多个历史遥感图像；获取所述绿地区域的实时遥感图像，将所述实时遥感图像输入预设图像分类模型中进行分类预测，得到所述实时遥感图像对应的当前用地类型；将所述实时遥感图像对应的当前用地类型与所述多个历史遥感图像对应用地类型进行对比，得到对比结果；通过所述比对结果判断所述绿地区域是否异常，并根据判断结果生成预警信息。2.根据权利要求1所述的绿地自动化监管方法，其特征在于，在所述获取目标经纬度范围内的卫星定位图像，根据绿化用地信息，在所述卫星定位图像中选取出绿地区域之前，还包括：获取目标区域内的多张土地遥感图像；根据预设用地类型，将所述土地遥感图像进行分类，得到包含多种用地类型的已分类遥感图像构成的数据集；基于所述数据集构建图像分类模型。3.根据权利要求1所述的绿地自动化监管方法，其特征在于，所述基于所述数据集构建图像分类模型包括：获取所述数据集中的所有土地遥感图像，并基于所述土地遥感图像的波段数和波段特征，对所述训练样本图像进行波段增强，得到目标图像；将所述目标图像作为训练样本图像输入待训练的图像分类模型进行训练，得到初始图像分类模型；将所述目标图像输入所述初始图像分类模型进行训练，得到所述目标图像的分类结果，并计算所述分类结果的置信度；根据所述置信度计算所述初始图像分类模型的目标损失函数；基于所述目标损失函数，对所述初始图像分类模型进行训练，直到所述初始图像分类模型符合预设收敛条件，得到目标图像分类模型，其中，所述目标图像分类模型用于图像地类分类。4.根据权利要求3所述的绿地自动化监管方法，其特征在于，所述获取所述数据集中的所有土地遥感图像，并基于所述土地遥感图像的波段数和波段特征，对所述训练样本图像进行波段增强，得到目标图像包括：基于所述土地遥感图像的波段数和波段特征，计算所述土地遥感图像的光谱角、欧式距离和比值距离；对所述光谱角、所述欧式距离和所述比值距离进行归一化，得到归一化后的所述光谱角、所述欧式距离和所述比值距离；将归一化后的所述光谱角、所述欧式距离和所述比值距离拉伸至预设区间，得到目标光谱角、目标欧式距离和目标比值距离；基于所述土地遥感图像的波段特征以及所述目标光谱角、目标欧式距离和目标比值距离，构建所述目标图像。
5....
【专利技术属性】
技术研发人员：衷平平，
申请(专利权)人：平安普惠企业管理有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。