基于雷达特征匹配的作物种植区域快速提取方法及系统技术方案

本申请涉及识别图形技术领域，提供一种基于雷达特征匹配的作物种植区域快速提取方法、系统、计算机可读存储介质和电子设备，其中，基于雷达特征匹配的作物种植区域快速提取方法包括：对获取的训练区域的雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集；其中，全时序后向散射系数包括作物的生长周期内多个时相的后向散射系数；根据作物的物候期对最优特征子集进行时间对齐，并根据时间对齐后的最优特征子集训练得到作物识别模型；根据训练区域与目标区域的空间泛化影响因子，对训练区域与目标区域进行空间特征因子分析，得到空间特征匹配的目标区域；以基于作物识别模型对空间特征匹配的目标区域内作物种植区域进行提取。行提取。行提取。

Fast extraction method and system of crop planting area based on radar feature matching

【技术实现步骤摘要】
基于雷达特征匹配的作物种植区域快速提取方法及系统


[0001]本申请涉及识别图形
，特别涉及一种基于雷达特征匹配的作物种植区域快速提取方法、系统、计算机可读存储介质和电子设备。

技术介绍

[0002]作物种植区域分布是农作物长势监测、产量估计的基础。
[0003]相关技术中，获取作物种植区域分布的方法有统计法、遥感信息提取法、机器学习监督分类法等，然而，基于统计法获取作物种植区域分布统计周期长、成本高；基于光学特征的遥感信息提取法易受到天气影响，难以在作物生长周期内获取高质量的数据；基于机器学习监督分类法虽然能够对对特定时相、特点地区的作物进行识别，但是其依赖于训练样本，当需要对不同时间、不同空间上的作物进行种植区域提取时，需要用该区域的训练样本重新训练模型，费时费力，种植区域提取的效率不高。
[0004]因此，需要提供一种针对上述现有技术不足的改进技术方案。

技术实现思路

[0005]本申请的目的在于提供一种基于雷达特征匹配的作物种植区域快速提取方法、系统、计算机可读存储介质和电子设备，以解决或缓解上述现有技术中存在的问题。
[0006]为了实现上述目的，本申请提供如下技术方案：
[0007]本申请提供了一种基于雷达特征匹配的作物种植区域快速提取方法，包括：
[0008]对获取的训练区域的所述雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集；其中，所述全时序后向散射系数包括所述作物的生长周期内多个时相的后向散射系数；
[0009]根据所述作物的物候期对所述最优特征子集进行时间对齐，并根据时间对齐后的最优特征子集训练得到作物识别模型；
[0010]根据所述训练区域与目标区域的空间泛化影响因子，对所述训练区域与所述目标区域进行空间特征因子分析，得到空间特征匹配的目标区域；以基于所述作物识别模型对所述空间特征匹配的目标区域内作物种植区域进行提取。
[0011]可选地，所述对获取的训练区域的所述雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集，具体为：
[0012]根据所述全时序后向散射系数，确定所述作物的时间序列累积识别精度；
[0013]根据所述作物的时间序列累积识别精度，确定所述训练区域的作物最佳识别时间周期；
[0014]根据所述训练区域的作物最佳识别时间周期，对所述全时序后向散射系数进行特征筛选，得到所述最优特征子集。
[0015]可选地，所述对获取的训练区域的所述雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集，具体为：
[0016]根据所述雷达数据的极化方式，对所述全时序后向散射系数中每一个时相的后向散射系数进行重要性评分，得到第一分数，其中，所述第一分数表征每一个时相的后向散射系数对所述作物识别模型的识别精度的贡献值；
[0017]根据所述第一分数，对每一个时相的所述后向散射系数进行排序；
[0018]按照预设规则对排序后的所述后向散射系数进行组合，得到多组特征集合；
[0019]计算每一组所述特征集合的识别精度；
[0020]根据所述特征集合的识别精度的累积值，确定所述最优特征子集。
[0021]可选地，所述根据所述作物的物候期对所述最优特征子集进行时间对齐，具体为：
[0022]根据所述作物的物候期中的开花末期与所述作物的物候期中的角果期对应的时间，确定特征合成时间；
[0023]根据所述特征合成时间，对所述最优特征子集进行时间对齐。
[0024]可选地，
[0025]所述根据时间对齐后的最优特征子集训练得到作物识别模型，具体为：
[0026]将获取的所述训练区域的样本数据和所述时间对齐后的最优特征子集输入预先构建的识别模型进行训练，得到所述作物识别模型。
[0027]可选地，所述根据所述训练区域与目标区域的空间泛化影响因子，对所述训练区域与所述目标区域进行空间特征因子分析，得到空间特征匹配的目标区域，具体为：
[0028]根据所述训练区域与所述目标区域的空间泛化影响因子，分别确定所述训练区域的地表景观类型以及所述目标区域的地表景观类型；
[0029]根据所述训练区域的地表景观类型以及所述目标区域的地表景观类型，对所述训练区域与所述目标区域进行空间特征因子分析，得到空间特征匹配的目标区域。
[0030]可选地，所述空间泛化影响因子至少包括：地貌类型、地块大小、坡度、地块破碎度。
[0031]本申请实施例还提供一种基于雷达特征匹配的作物种植区域快速提取系统，包括：
[0032]特征筛选单元，配置为：对获取的训练区域的所述雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集；其中，所述全时序后向散射系数包括所述作物的生长周期内多个时相的后向散射系数；
[0033]时间对齐单元，配置为：根据所述作物的物候期对所述最优特征子集进行时间对齐，并根据时间对齐后的最优特征子集训练得到作物识别模型；
[0034]空间分析单元，配置为：根据所述训练区域与目标区域的空间泛化影响因子，对所述训练区域与所述目标区域进行空间特征因子分析，得到空间特征匹配的目标区域；以基于所述作物识别模型对所述空间特征匹配的目标区域内作物种植区域进行提取。
[0035]本申请实施例还提供一种算机可读存储介质，其上存储有计算机程序，所述计算机程序为上述任一所述的基于雷达特征匹配的作物种植区域快速提取方法。
[0036]本申请实施例还提供一种电子设备，包括：存储器、处理器、以及存在所述存储器中并可在所述处理器上运行的程序，所述处理器执行所述程序时实现上述任一所述的基于雷达特征匹配的作物种植区域快速提取方法。
[0037]有益效果：
[0038]本申请中，通过对获取的训练区域的雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集；其中，全时序后向散射系数包括作物的生长周期内多个时相的后向散射系数；根据作物的物候期对最优特征子集进行时间对齐，并根据时间对齐后的最优特征子集训练得到作物识别模型；根据训练区域与目标区域的空间泛化影响因子，对训练区域与目标区域进行空间特征因子分析，得到空间特征匹配的目标区域；以基于作物识别模型对空间特征匹配的目标区域内作物种植区域进行提取，如此，以训练区域的样本数据训练作物识别模型，并将该作物识别模型在空间和时间的泛化到目标区域，从而实现目标区域的作物识别和种植区域提取无需重新训练模型，快速提取得到作物的种植区域，为长势监测、产量估计提供准确的数据支撑。
[0039]通过作物的物候期对最优特征子集进行时间对齐，进而基于时间对齐后的特征子集对作物识别模型进行训练，从而保证模型具有稳定的时间泛化特征，提高作物识别模型的时间泛化的精度。
[0040]根据空间泛化影响因子，对训练区域与目标区域进行空间特征因子分析，确定空间特征匹配的目标区域，从而保证作物识别模型在空间泛化的稳定性，提高空间泛化时对目标区域的作物识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于雷达特征匹配的作物种植区域快速提取方法，其特征在于，包括：对获取的训练区域的所述雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集；其中，所述全时序后向散射系数包括所述作物的生长周期内多个时相的后向散射系数；根据所述作物的物候期对所述最优特征子集进行时间对齐，并根据时间对齐后的最优特征子集训练得到作物识别模型；根据所述训练区域与目标区域的空间泛化影响因子，对所述训练区域与所述目标区域进行空间特征因子分析，得到空间特征匹配的目标区域；以基于所述作物识别模型对所述空间特征匹配的目标区域内作物种植区域进行提取。2.根据权利要求1所述的基于雷达特征匹配的作物种植区域快速提取方法，其特征在于，所述对获取的训练区域的所述雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集，具体为：根据所述全时序后向散射系数，确定所述作物的时间序列累积识别精度；根据所述作物的时间序列累积识别精度，确定所述训练区域的作物最佳识别时间周期；根据所述训练区域的作物最佳识别时间周期，对所述全时序后向散射系数进行特征筛选，得到所述最优特征子集。3.根据权利要求1所述的基于雷达特征匹配的作物种植区域快速提取方法，其特征在于，所述对获取的训练区域的所述雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集，具体为：根据所述雷达数据的极化方式，对所述全时序后向散射系数中每一个时相的后向散射系数进行重要性评分，得到第一分数，其中，所述第一分数表征每一个时相的后向散射系数对所述作物识别模型的识别精度的贡献值；根据所述第一分数，对每一个时相的所述后向散射系数进行排序；按照预设规则对排序后的所述后向散射系数进行组合，得到多组特征集合；计算每一组所述特征集合的识别精度；根据所述特征集合的识别精度的累积值，确定所述最优特征子集。4.根据权利要求1所述的基于雷达特征匹配的作物种植区域快速提取方法，其特征在于，所述根据所述作物的物候期对所述最优特征子集进行时间对齐，具体为：根据所述作物的物候期中的开花末期与所述作物的物候期中的角果期对应的时间，确定特征合成时间；根据所述特征合成时间，对所述最优特征子集进行时间对齐。5.根据权利要求1所述的基于雷达特征匹配的作物...

【专利技术属性】
技术研发人员：丁志平，刘文达，梁治华，
申请(专利权)人：北京艾尔思时代科技有限公司，
类型：发明
国别省市：