一种基于深度学习改进的高分遥感影像四乱提取方法技术

本发明专利技术提供有一种基于深度学习改进的高分遥感影像四乱提取方法，该四乱提取方法包括以下步骤：将对河湖岸线时空管理的相关数据入库，建立标准化、动态化的数据支撑管理系统，并且通过样本标注、样本清洗、样本裁剪、样本增强、数据集分割等手段，建立包含临河建筑、网箱、采砂船、采砂场、垃圾堆等“四乱”标准样本库。该一种基于深度学习改进的高分遥感影像四乱提取方法，利用多源卫星遥感提供监测范围大、监测周期短、获取资料及时、全天候工作的高效信息比对手段，基于深度学习人工智能技术，构建以时空数据库为底层环境，以遥感AI为核心算法能力，实现河湖卫星影像中变化特征、建筑、土地、河流等多种目标信息的智能快速提取。河流等多种目标信息的智能快速提取。河流等多种目标信息的智能快速提取。

【技术实现步骤摘要】
一种基于深度学习改进的高分遥感影像四乱提取方法


[0001]本专利技术涉及遥感监测领域，具体公开一种基于深度学习改进的高分遥感影像四乱提取方法。

技术介绍

[0002]高分辨率遥感就是对遥感数据的质量和数量要求很高的遥感技术。如卫星影像的地面分辨率由10m、5m、2m、1m、甚至0.6m逐步提高。
[0003]高分辨率遥感图像的产生，不仅使土地利用、城市规划、环境监测等民用方面有了更便利、更详细的数据来源，而且,对于军事目标识别、战场环境仿真来说有着更为重要的意义。
[0004]同时针对河北省河长制管理中存在的管理范围广、涉及内容多、缺少先进的技术手段等问题，利用高分卫星遥感监测，对省内11条设省级河长河流和2个设省级湖长湖泊、白洋淀上游入淀河流、重点采砂河段、常态化生态补水河道以及首都“两区”建设重点河道等重要河湖实施动态监管。采用国产高分系列遥感卫星影像，以商业卫星和无人机影像数据为补充，形成覆盖河北省重要河湖的影像底图，通过AI智能识别与人机交互判读，结合相关管理数据河实地核查验证相结合的方式，进行河道管理范围内的“四乱”监测工作，及时掌握重要河湖“四乱”清理整治情况，动态监测河湖“四乱”问题整改进展，为河北省河湖长履职巡查、工作进展监督、工作绩效考核等提供数据支持和决策依据，提升河湖管理现代化和精细化水平。
[0005]为了规范利用卫星遥感技术开展重要河湖动态监测工作程序，细化动态监测标准体系，完善“四乱”问题图斑发现、调查、处置机制，辅助暗访督察，强化河道管理，提升河长制信息化水平，提出一种基于深度学习改进的高分遥感影像四乱提取方法。

技术实现思路

[0006]鉴于现有技术中的上述缺陷或不足，本申请旨在提供一种基于深度学习改进的高分遥感影像四乱提取方法，该四乱提取方法包括以下步骤：
[0007]步骤一、将对河湖岸线时空管理的相关数据入库，建立标准化、动态化的数据支撑管理系统，并且通过样本标注、样本清洗、样本裁剪、样本增强、数据集分割等手段，建立包含临河建筑、网箱、采砂船、采砂场、垃圾堆等“四乱”标准样本库，并划分为训练集、验证集和测试集；
[0008]步骤二、建立研判规则和模型，研判模型包括河道管理范围研判、河湖本底数据研判、岸线利用与保护规划研判、涉河项目审批研判、四乱专题数据研判分析；
[0009]步骤三、将疑似“四乱”问题的线索图斑数据输入，进行综合研判分析，结合轨道与姿态参数、数据高程模型(DEM)、高精度底图等相关数据，通过正射、融合、几何精校正、匀色镶嵌等形成DOM(数字正射)成果影像；
[0010]步骤四、模型训练，利用开源人工智能模型进行训练和验证，对水利、采砂船、采砂
场、大棚分别采用语义分割模型，临河房屋、网箱养殖、垃圾堆采用目标检测模型并进行特征训练、特征融合、语义分割或检测，综合考察训练验证和测试的模型精度进行网络结构和训练参数设置和调优，将满足精度要求(F1≥0.8)的优化模型作为“四乱”疑似图斑智能识别分类业务化AI优化模型；
[0011]步骤五、根据研判结果进行分类管理和信息综合，进行可视化表达；
[0012]步骤六、软件封装，并将此模型跟智慧河长遥感服务业务化Web平台和App进行封装集成，以便为智慧河长业务管理提供准确高效的决策支持。
[0013]优选的，正射纠正时，需控制点选取原则，应选取影像上明显的特征地物点，且点位具有唯一性；控制点应在纠正区域内均匀分布，并控制影像四周；控制点的数量应根据采用的纠正公式决定,一般不少于9个，山地、高山地可适当增加；相邻景重叠区域内应选取不少于3个公共控制点。
[0014]优选的，所述纠正模型选取原则谓纠正精度符合要求，且所需控制点不宜过多；迭代次数少，收敛快，计算工作量小；根据地形条件选择相应纠正方法，平台地区选择较简单模型，山地选择较严密的模型。
[0015]优选的，遥感监测包括以下步骤：
[0016]步骤一、河道管理范围确定，依据《中华人民共和国水法》、《中华人民共和国防洪法》、《中华人民共和国河道管理条例》等法律、法规，以及待监测河流清单，开展河道管理范围确定；
[0017]步骤二、信息提取，并且检查是否遗漏图斑；
[0018]步骤三、图斑类型判别，在相关GIS软件中对提取图斑进行编辑编号、添加字段，便于图斑识别及属性判读。
[0019]优选的，河道管理范围确定的暂定划界标准如下：有堤的按照堤脚线外延5
‑
10米；无堤的按照最高洪水位；排河，按照河沿外延3
‑
5米(河槽)。
[0020]优选的，信息提取包括以下两种提取途径：
[0021]途径一、普查数据提取：建立普查图斑矢量图层，结合卫星影像，通过目视解译的方式来开展提取工作；
[0022]途径二、动态数据提取：建立动态图斑矢量图层，利用卷帘工具对比两期影像，对河道管理范围内的变化信息进行形状和范围的绘制。
[0023]优选的，该监测识别系统由遥感影像处理子系统与遥感监测子系统构成。
[0024]优选的，该系统利用AI人工智能识别技术即达到四乱图斑提取的需求，其特征在于：该AI人工智能识别技术包括以下步骤：
[0025]步骤一、通过数据预处理、数据增强和数据集分割构建疑似“四乱”标准样本库并合理划分为训练集、验证集和测试集；
[0026]步骤二、利用开源的人工智能模型框架进行训练和验证，综合考察训练验证和测试的模型精度进行网络结构和训练参数设置和调优，将满足精度要求(F1≥0.8)的优化模型作为疑似“四乱”图斑智能识别分类业务化AI优化模型；
[0027]步骤三、运用深度学习技术进行河湖四乱监测相关的水体、围河(湖)造地、采砂、坑塘养殖、临河建筑和弃渣(土)场的智能识别。
[0028]优选的，研判分析包括以下步骤：
[0029]步骤一、将图斑与河湖管理范围矢量数据叠加，执行拓扑运算，判断是否在河湖管理范围内，将图斑与河湖本底矢量数据叠加，执行拓扑运算，判断是否与现有水利工程范围重叠；
[0030]步骤二、将图斑与河湖岸线利用与保护规划矢量数据叠加，执行拓扑运算，判断是否占用保护区/保留区并计算占用面积，将图斑与涉河项目审批矢量数据叠加，执行拓扑运算，判断是否合法审批；
[0031]步骤三、对于标记为“四乱问题图斑”的数据，与“四乱”专题数据进行比对，提取新“四乱”问题的清单，将判为新“四乱”问题图斑与行政区、河湖管理范围数据进行叠加分析，提取监管和管理信息。
[0032]有益效果：该一种基于深度学习改进的高分遥感影像四乱提取方法，通过对遥感监测获取的普查/变化图斑类型信息、位置信息、图形信息等规范整理，可以对河湖四乱问题进行监测识别，提高治理人员与监测人员的效率与准确性；
[0033]同时利用多源卫星遥感提供监测范围大、监测周期短、获取资料及时、全天候工作的高效信息比对手段，基于深度学习人工智能技术，构建以时空数据库为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习改进的高分遥感影像四乱提取方法，其特征在于：该四乱提取方法包括以下步骤：步骤一、将对河湖岸线时空管理的相关数据入库，建立标准化、动态化的数据支撑管理系统，并且通过样本标注、样本清洗、样本裁剪、样本增强、数据集分割等手段，建立包含临河建筑、网箱、采砂船、采砂场、垃圾堆等“四乱”标准样本库，并划分为训练集、验证集和测试集；步骤二、建立研判规则和模型，研判模型包括河道管理范围研判、河湖本底数据研判、岸线利用与保护规划研判、涉河项目审批研判、四乱专题数据研判分析；步骤三、将疑似“四乱”问题的线索图斑数据输入，进行综合研判分析，结合轨道与姿态参数、数据高程模型(DEM)、高精度底图等相关数据，通过正射、融合、几何精校正、匀色镶嵌等形成DOM(数字正射)成果影像；步骤四、模型训练，利用开源人工智能模型进行训练和验证，对水利、采砂船、采砂场、大棚分别采用语义分割模型，临河房屋、网箱养殖、垃圾堆采用目标检测模型并进行特征训练、特征融合、语义分割或检测，综合考察训练验证和测试的模型精度进行网络结构和训练参数设置和调优，将满足精度要求(F1≥0.8)的优化模型作为“四乱”疑似图斑智能识别分类业务化AI优化模型；步骤五、根据研判结果进行分类管理和信息综合，进行可视化表达；步骤六、软件封装，并将此模型跟智慧河长遥感服务业务化Web平台和App进行封装集成，以便为智慧河长业务管理提供准确高效的决策支持。2.根据权利要求1所述的一种基于深度学习改进的高分遥感影像四乱提取方法，其特征在于：正射纠正时，需控制点选取原则，应选取影像上明显的特征地物点，且点位具有唯一性；控制点应在纠正区域内均匀分布，并控制影像四周；控制点的数量应根据采用的纠正公式决定,一般不少于9个，山地、高山地可适当增加；相邻景重叠区域内应选取不少于3个公共控制点。3.根据权利要求2所述的一种基于深度学习改进的高分遥感影像四乱提取方法，其特征在于：所述纠正模型选取原则谓纠正精度符合要求，且所需控制点不宜过多；迭代次数少，收敛快，计算工作量小；根据地形条件选择相应纠正方法，平台地区选择较简单模型，山地选择较严密的模型。4.根据权利要求1所述的一种基于深度学习改进的高分遥感影像四乱提取方法，其特征在于：遥感监测包括以下步骤：步骤一、河道管理范围确定，依据《中华人民共和国水法》、《中华人民共和国防洪法》、《中华人民共和国河道管理条例》等法律、法规，以及待监测河流清单，开展河道管理范围确定；步骤二、信息提取，并且...

【专利技术属性】
技术研发人员：李增顺，邢云朋，祝文静，刘勇，张春迎，薛峰，吴松，侯贵欣，侯雪蕊，郝迈，管守标，
申请(专利权)人：李增顺，
类型：发明
国别省市：