一种基于高分辨率卫星影像的裸土扬尘源监测方法技术

本发明专利技术涉及一种基于高分辨率卫星影像的裸土扬尘源监测方法，包括：采集高分辨率卫星遥感影像并进行影像处理，得到待预测遥感影像；制作裸土扬尘源数据集；对Deeplabv3+模型的特征提取部分引入注意力机制模块，使用数据集对改进的Deeplabv3+模型进行训练；根据训练后的模型采用滑动窗口预测的方式对待预测遥感影像进行裸土扬尘源信息自动化提取，得到预测结果影像；对预测结果影像进行后处理操作，优化裸土扬尘源自动化提取结果；对优化后的结果进行人工质检与属性赋值，形成裸土扬尘源监测清单。本发明专利技术采用算法自动化提取的方式替代了人工解译工作，大幅减轻了人工参与的工作量，在保证解译质量的同时提高了工作效率。在保证解译质量的同时提高了工作效率。在保证解译质量的同时提高了工作效率。

【技术实现步骤摘要】
一种基于高分辨率卫星影像的裸土扬尘源监测方法


[0001]本专利技术涉及高分辨率卫星遥感影像数据挖掘
，特别是涉及一种基于高分辨率卫星影像的裸土扬尘源监测方法。

技术介绍

[0002]大气污染治理是我国生态环境治理的重要一环，扬尘指地表灰尘在人为或自然作用下被带入到空气中形成的空气颗粒物，是我国城市环境空气颗粒物的重要来源，对人类呼吸健康产生较大的危害。扬尘排放是城市可吸入颗粒物的重要来源，主要由施工扬尘、物料堆场扬尘、裸露地面扬尘等组成，掌握城市裸土扬尘源的分布情况对开展城市扬尘研究、治理和排放清单的准确制定具有重要作用。现有的裸土扬尘源监测手段主要包括：
[0003]传统人工巡查的方式。但这种方式难以发现大空间范围内的全部扬尘污染来源，并且人工现场核查困难多、周期长，经济成本高，无法准确获取裸土扬尘源的面积信息。
[0004]遥感人工目视解译的方式。这种方式虽然可以解决传统人工巡查存在的问题，通过解译得到整个监测范围内的全部裸土扬尘源信息，但需要遍历整个遥感影像，存在解译工作量大、工作效率低等问题。
[0005]因此当前急需一种高效、便捷的裸土扬尘源监测方法，提高裸土扬尘源监测效率。

技术实现思路

[0006]本专利技术的目的是提供一种基于高分辨率卫星影像的裸土扬尘源监测方法，通过“自动化提取+人工质检”的方式实现裸土扬尘源信息快速精准提取，相较于人工目视解译，本专利技术在保证解译质量的同时提高解译效率，减少人工解译的工作量。
[0007]为实现上述目的，本专利技术采取如下的技术方案：
[0008]一种基于高分辨率卫星影像的裸土扬尘源监测方法，包括以下步骤：
[0009]步骤1：采集包括监测区域的高分辨率卫星遥感影像，对其进行影像处理后，得到待预测遥感影像；
[0010]步骤2：采集用于训练的高分辨率卫星遥感影像，制作裸土扬尘源数据集；
[0011]步骤3：对Deeplabv3+模型的特征提取部分引入注意力机制模块，得到改进的Deeplabv3+模型，使用所述裸土扬尘源数据集对改进的Deeplabv3+模型进行训练，得到训练后的模型；
[0012]步骤4：根据训练后的模型采用滑动窗口预测的方式对所述待预测遥感影像进行裸土扬尘源信息自动化提取，得到预测结果影像；
[0013]步骤5：对预测结果影像进行后处理操作，优化裸土扬尘源自动化提取结果；
[0014]步骤6：对优化后的裸土扬尘源自动化提取结果进行人工质检与属性赋值，形成裸土扬尘源监测清单。
[0015]与现有技术相比，本专利技术具有以下有益效果：
[0016]本专利技术提出了一种基于高分辨率卫星影像的裸土扬尘源监测方法，该方法通过
“
自动化提取+人工质检”的方式实现裸土扬尘源信息的精准提取，形成一套完整的监测流程，为裸土扬尘源高精度、高频次、大范围的快速识别奠定基础。相较于遥感人工目视解译的方式，本专利技术采用算法自动化提取的方式替代了人工解译工作，大幅减轻了人工参与的工作量，在保证解译质量的同时提高了工作效率，为相关部门解决裸土扬尘源污染治理问题提供监测服务。
附图说明
[0017]图1是本专利技术实施例提供的基于高分辨率卫星影像的裸土扬尘源监测方法的流程图；
[0018]图2是本专利技术实施例提供的裸土扬尘源数据集的部分影像样本和标签；
[0019]图3是本专利技术实施例提供的注意力机制模块示意图；
[0020]图4是本专利技术实施例提供的滑动窗口预测示意图；
[0021]图5是本专利技术实施例提供的吉林一号高分辨率卫星遥感影像图；
[0022]图6是本专利技术实施例提供的裸土扬尘源提取结果图。
具体实施方式
[0023]本专利技术提出的一种基于高分辨率卫星影像的裸土扬尘源监测方法主要分为数据获取、裸土扬尘源自动化提取、人工质检与属性赋值三部分，首先对影像进行采集和处理，获得监测区域的遥感影像；然后基于改进的DeeplabV3+算法进行裸土的自动化提取，主要包括样本勾画、模型训练、模型预测和结果后处理四个步骤，得到裸土扬尘源的自动化提取结果；最后对提取结果进行人工质检和属性赋值，对不满足要求的结果进行手动修改，形成裸土扬尘源监测清单。下面将结合附图及较佳实施例对本专利技术的技术方案进行详细说明。
[0024]如图1所示，本实施例提出一种基于高分辨率卫星影像的裸土扬尘源监测方法，主要包括以下步骤；
[0025]步骤1：对卫星进行拍摄规划后，进行卫星影像采集，采集高分辨率卫星拍摄的包括监测区域的高分辨率卫星遥感影像，对所采集的高分辨率卫星遥感影像进行大气校正、几何校正、影像融合、影像配准等影像处理后，获得待预测遥感影像。
[0026]步骤2：采集用于训练的高分辨率卫星遥感影像，制作裸土扬尘源数据集。
[0027]具体地，在本步骤中，首先获取用于训练裸土预测模型的高分辨率卫星遥感影像，例如可以使用影像为吉林一号高分系列以及宽幅系列亚米级分辨率卫星拍摄数据,影像选择包含Red、Green、Blue三个波段的可视化产品，数据形式为无符号整型8位，如图5所示为吉林一号高分辨率卫星遥感影像图。
[0028]制作裸土扬尘源数据集的过程包括以下步骤：
[0029]步骤2.1：在每一幅用于训练的高分辨率卫星遥感影像中，勾画裸土扬尘源的样本并进行标注，其中裸土对应的标签值为1，非裸土对应的标签值为0，如图2所示，图2中的(a)和(c)均为高分辨率卫星遥感影像，(b)和(d)分别为(a)和(c)对应的标注后的样本；
[0030]步骤2.2：将勾画并标注好的样本按照固定的像素尺寸进行裁剪，制作裸土扬尘源样本数据集；
[0031]步骤2.3：采用五折交叉法划分数据集，即将裸土扬尘源样本数据集平均分成5份，
每次选取其中1份作为验证集，剩余4份作为训练集，每次选取的验证集不同，共可得到五组训练集与验证集，充分利用数据集信息，避免模型出现过拟合现象。
[0032]步骤3：针对Deeplabv3+在遥感图像分割任务中存在边缘分割模糊以及遗漏的问题，对Deeplabv3+模型的特征提取部分引入注意力机制模块，以提高分割结果的准确性，并使用裸土扬尘源训练数据集对改进的Deeplabv3+模型进行训练，得到训练后的模型。
[0033]对Deeplabv3+模型的特征提取部分引入注意力机制模块(Squeeze
‑
and
‑
Excitation，SE)，其结构如图3所示，通过注意力机制获取每个特征通道的重要程度，以增强重要的特征通道信息，抑制不重要的特征通道信息，提高分割结果的准确性。如图3所示，假设输入的是一个C
×
H
×
W的特征图,其中，C为通道数，H和W为特征图的尺寸，首先对它进行一个全局池化(GlobalPooling)，由全局池化的操作可以得到一个C
×1×
1的特征图，该特征图具有全局感受野，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高分辨率卫星影像的裸土扬尘源监测方法，其特征在于，包括以下步骤：步骤1：采集包括监测区域的高分辨率卫星遥感影像，对其进行影像处理后，得到待预测遥感影像；步骤2：采集用于训练的高分辨率卫星遥感影像，制作裸土扬尘源数据集；步骤3：对Deeplabv3+模型的特征提取部分引入注意力机制模块，得到改进的Deeplabv3+模型，使用所述裸土扬尘源数据集对改进的Deeplabv3+模型进行训练，得到训练后的模型；步骤4：根据训练后的模型采用滑动窗口预测的方式对所述待预测遥感影像进行裸土扬尘源信息自动化提取，得到预测结果影像；步骤5：对预测结果影像进行后处理操作，优化裸土扬尘源自动化提取结果；步骤6：对优化后的裸土扬尘源自动化提取结果进行人工质检与属性赋值，形成裸土扬尘源监测清单。2.根据权利要求1所述的一种基于高分辨率卫星影像的裸土扬尘源监测方法，其特征在于，制作裸土扬尘源数据集的过程包括以下步骤：步骤2.1：在每一幅用于训练的高分辨率卫星遥感影像中，勾画裸土扬尘源的样本并进行标注，其中裸土对应的标签值为1，非裸土对应的标签值为0；步骤2.2：将勾画并标注好的样本按照固定的像素尺寸进行裁剪，制作裸土扬尘源样本数据集；步骤2.3：采用五折交叉法划分数据集，共得到五组训练集与验证集。3.根据权利要求2所述的一种基于高分辨率卫星影像的裸土扬尘源监测方法，其特征在于，在使用所述裸土扬尘源数据集对改进的Deeplabv3+模型进行训练时，使用五组训练集与验证集分别对改进的Deeplabv3+模型进行训练，得到五个基模...

【专利技术属性】
技术研发人员：付璐，王春月，刘思言，赵宇恒，秦磊，于海洋，
申请(专利权)人：长光卫星技术股份有限公司，
类型：发明
国别省市：