一种基于亚米级遥感图像的大棚解译提取方法及系统技术方案

本发明专利技术公开了一种基于亚米级遥感图像的大棚解译提取方法、系统、电子设备及计算机可读存储介质，属于遥感图像处理技术领域。本发明专利技术针对高分辨率遥感影像，根据水网和路网矢量文件，对感兴趣区掩膜文件进行裁剪，将其分为大棚密集地区和大棚非密集地区，针对不同的大棚的分布，选用不同的算法，有效的对大棚的边缘进行提取，提高大棚提取的效率与准确度，保证大棚提取的完整性。解决了现有技术中存在“智慧农业中大棚提取困难、提取精确度不高、效率低”的问题。的问题。的问题。

【技术实现步骤摘要】
一种基于亚米级遥感图像的大棚解译提取方法及系统


[0001]本申请涉及遥感影像处理
，特别是涉及一种基于亚米级遥感图像的大棚解译提取方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。
[0003]随着我国现代农业的快速发展，为了满足温室蔬菜的需求，大棚数量显著增加。为了便于农业管理和土壤保护，准确及时的获取大棚的空间分布信息显得尤为重要。
[0004]在信息化的背景下，智慧农业越来越重视得到重视。在大棚信息解译提取的过程中，传统的人工目视解译获取，费时、费力。机器学习是人工智能更深入的研究，现被应用于遥感影像的提取中，实现遥感图像解译的智能化和自动化，提取土地信息，大大节省了人力资源。在农业大棚的遥感图像提取领域的研究中，仍存在如下问题：
[0005](1)现有的深度学习方法存在需要使用大规模标记样本对卷积神经网络(CNN)进行训练才能取得优异性能的问题，应用于大棚的标记样本往往不能够保证大棚边缘提取精度；
[0006](2)对农业大棚的提取完整性与提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于亚米级遥感图像的大棚解译提取方法，其特征是，包括：获取任务区域的亚米级遥感图像并进行预处理，获取感兴趣区遥感图像；根据水面矢量文件和路面矢量文件，将感兴趣区遥感图像划分为大棚密集地区影像和大棚非密集地区影像；基于预处理后的任务区域的亚米级遥感图像，构建样本数据集，训练边缘线检测模型和纹理面检测模型；利用训练好的纹理面检测模型对大棚密集地区影像进行预测，提取连续密集成片大棚；利用训练好的边缘线检测模型对大棚非密集地区影像进行预测，提取离散分离单个大棚；对提取结果进行后处理，获取大棚预测提取结果。2.如权利要求1所述的基于亚米级遥感图像的大棚解译提取方法，其特征是，对任务区域的亚米级遥感图像进行预处理，获取感兴趣区遥感图像的具体步骤为：对亚米级遥感图像依次进行正射校正操作、影像配准操作、影像融合操作、匀色镶嵌操作；根据大棚的分布范围，对预处理后的亚米级遥感图像进行分幅裁剪操作，获取感兴趣区遥感图像。3.如权利要求1所述的基于亚米级遥感图像的大棚解译提取方法，其特征是，所述基于预处理后的任务区域的亚米级遥感图像，构建样本数据集的具体步骤为：基于感兴趣区遥感图像，以相同的尺寸对预处理后的任务区域的亚米级遥感图像进行裁剪取样，制作取样样本对应的二值化标签，填充样本数据集。4.如权利要求1所述的基于亚米级遥感图像的大棚解译提取方法，其特征是，所述利用训练好的纹理面检测模型对大棚密集地区影像进行预测，提取连续密集成片大棚的具体步骤包括：利用训练好的纹理面检测模型对大棚密集地区影像进行预测，生成预测灰度栅格数据；将预测灰度栅格数据转换为面矢量数据，对面矢量数据进行直角化和边缘简化处理；基于路面矢量文件，去除面矢量数据中道路面的大棚图斑。5.如权利要求1所述的基于亚米级遥感图像的大棚解译提取方法，其特征是，所述利用训练好的边缘线检测模型对大棚非密集地区影像进行预测，提取离散分离单个大...

【专利技术属性】
技术研发人员：何亚文，张杰，金丰，甄皓丞，马翔宇，王益曼，安霞，姜瑞，雷得宝，
申请(专利权)人：青岛中科蓝迪信息科技有限公司，
类型：发明
国别省市：