结合深度学习与面向对象分析的露天矿山采场提取方法技术

本发明专利技术公开结合深度学习与面向对象分析的露天矿山采场提取方法，包括以下步骤：采用深度学习模型对待研究区遥感影像进行初步识别，得到待研究区遥感影像中所有露天矿山采场的空间信息结果，其中，空间信息结果包括空间位置和地表覆盖范围；获取面向对象分割模型的最优分割参数，并以之分割结果作为待研究区遥感影像的最终面向对象分割结果，其中，分割参数包括分割尺度、形状因子和紧致度因子；结合露天矿山采场的空间信息提取结果与遥感影像面向对象分割结果，得到待研究区遥感影像中所有露天矿山采场及其矢量边界。本发明专利技术实现了露天矿山采场边界的精细化提取，所提取的露天矿山采场包含了更完整的边界信息，与实际边界相似度更高。似度更高。似度更高。

【技术实现步骤摘要】
结合深度学习与面向对象分析的露天矿山采场提取方法


[0001]本专利技术涉及矿产资源开发监管
，尤其涉及结合深度学习与面向对象分析的露天矿山采场提取方法。

技术介绍

[0002]随着对地观测技术的发展，遥感技术已发展为矿产资源开发监测、矿山地质环境调查与监测、生态环境监测等工作的重要手段。各地专家学者相继开展了相关研究工作，但在相关研究中，针对矿区典型地表要素的信息获取主要依赖于专家目视解译和常规的人机交互，技术方法自动化、智能化程度仍显不足。
[0003]深度学习方法能够以端到端的方式分层学习数据集中最具代表性和可分性的特征，被广泛应用于模式识别等研究领域。区别于经典机器学习算法需要专家经验构建与选取目标特征的方式，深度学习能够自主学习样本特征，无需人工进行特征构建或规则设计，有效提高了自动化与智能化程度。
[0004]尽管深度学习已表现出良好性能，但应用于大范围露天矿山采场边界提取中还存在一些问题。一方面，深度学习需要大量样本支持，而露天矿山采场只占地表很小的一部分，在进行大范围露天矿山采场提取时往往只能获取少量样本，不能很好地支撑露天矿山采场边界提取；另一方面，露天矿山场景复杂，表现出的光谱特征复杂，深度学习模型往往只能识别其中部分区域，易出现破碎区与空洞。

技术实现思路

[0005]本专利技术的目的在于针对已有的技术现状，提供结合深度学习与面向对象分析的露天矿山采场提取方法，实现了露天矿山采场边界的精细化提取，所提取的露天矿山采场包含了更完整的边界信息，与实际边界相似度更高。
[0006]为达到上述目的，本专利技术采用如下技术方案：结合深度学习与面向对象分析的露天矿山采场提取方法，包括以下步骤：S1、露天矿山采场的空间信息提取：S1.1、从待研究区遥感影像中人工解译出n处露天矿山采场，得到的人工解译对象作为训练样本集，并基于训练样本集训练深度学习模型；S1.2、采用训练后的深度学习模型对待研究区遥感影像进行初步识别，得到待研究区遥感影像中所有露天矿山采场的空间信息结果，其中，空间信息结果包括空间位置和地表覆盖范围；S2、遥感影像面向对象分割：S2.1、设定不同分割参数的面向对象分割模型，分别对待研究区遥感影像进行分割，得到若干组面向对象分割结果，其中，分割参数包括分割尺度、形状因子和紧致度因子；S2.2、对每组面向对象分割结果，将其与m处人工解译对象进行叠加分析，筛选出其中与m处人工解译对象相交的分割对象，计算所筛选出的每一分割对象与对应与之相交
的人工解译出对象的重合度，并计算平均重合度，计算公式如下：，，其中，为人工解译对象的面积计算函数，为与人工解译对象相交的分割对象的面积计算函数，m不大于n；S2.3、选定重合度最大情况下的分割参数作为面向对象分割模型的最优分割参数，并以之分割结果作为待研究区遥感影像的最终面向对象分割结果；S3、露天矿山采场及其矢量边界提取：S3.1、将待研究区遥感影像的最终面向对象分割结果与露天矿山采场的空间信息提取结果进行叠加分析，保留待研究区遥感影像的最终面向对象分割结果中与露天矿山采场的空间信息提取结果相交的分割对象；S3.2、对于保留的每一分割对象，计算其与对应露天矿山采场的空间信息提取结果相交区域的面积占其自身面积的比例值，并进行如下判断：若比例值小于第一设定值，则将其移除；若比例值在第一设定值与第二设定值之间，则人工判断其是否为露天矿山采场，若是，则继续保留，若否，则将其移除；若比例值大于第二设定值，则继续保留；S3.3、对于继续保留的分割对象，合并临近对象，得到待研究区遥感影像中所有露天矿山采场及其矢量边界。
[0007]进一步的，构成所述训练样本集的n处露天矿山采场均匀分布于待研究区遥感影像中。
[0008]进一步的，所述深度学习模型采用轻量级网络模型U
‑
Net。
[0009]进一步的，所述轻量级网络模型U
‑
Net中，样本切片采用的像素大小为，并在训练样本的图斑区域中以128像素为步长生成样本切片。
[0010]进一步的，所述轻量级网络模型U
‑
Net中，采用角度旋转法，将训练样本切片分别旋转90
°
、180
°
和270
°
，用于增广训练样本切片。
[0011]进一步的，步骤S2.2中，计算所筛选出的每一分割对象与对应与之相交的人工解译出对象的重合度时，在某一相交关系中，若分割结果和/或人工解译结果的数量大于1，则合并计算分割结果和/或人工解译结果的面积后，再进行计算。
[0012]进一步的，步骤S3.2中，对于保留的每一分割对象，还结合土地利用分类数据进行如下判断：若与建筑、耕地、水体相交，则将其移除，若与建筑、耕地、水体不相交，则继续保留。
[0013]进一步的，步骤 S3.2中，所述第一设定值为10%，第二设定值20%。
[0014]进一步的，从待研究区遥感影像中人工解译出k处露天矿山采场，得到的人工解译结果作为验证样本集，完成步骤S3.3后，通过验证样本集验证所得待研究区遥感影像中所有露天矿山采场及其矢量边界，其中，验证样本集与训练样本集不重合。
[0015]本专利技术的有益效果为：本专利技术首先采用深度学习模型对待研究区遥感影像进行初步识别，得到待研究区遥感影像中所有露天矿山采场的空间信息结果，定位潜在露天矿山采场的空间位置和地表
覆盖范围，然后将待研究区遥感影像进行多次面向对象分割，并将分割对象与人工解译对象叠加分析，基于面积相似度评价重合度，得到面向对象分割模型的最优分割参数，并以之分割结果作为待研究区遥感影像的最终面向对象分割结果，最后结合露天矿山采场的空间信息提取结果与遥感影像面向对象分割结果，筛选后得到待研究区遥感影像中所有露天矿山采场及其矢量边界，从而实现露天矿山采场边界的精细化提取，所提取的露天矿山采场包含了更完整的边界信息，与实际边界相似度更高。经验证，该方法识别露天矿山采场空间位置的精度为0.862，平均空间范围的提取精度为0.78。
附图说明
[0016]图1为本专利技术结合深度学习与面向对象分析的露天矿山采场提取方法的流程示意图；图2为待研究区遥感影像的面向对象分割结果示意图（局部）；图3为待研究区遥感影像的露天矿山采场的空间信息提取结果示意图（局部）；图4为待研究区遥感影像的面向对象分割结果与露天矿山采场的空间信息提取结果进行叠加分析的示意图（局部）；图5为待研究区遥感影像中露天矿山采场及其矢量边界提取结果示意图（局部）。
具体实施方式
[0017]下面结合附图对本专利技术作进一步说明。
[0018]请参阅图1所示，结合深度学习与面向对象分析的露天矿山采场提取方法，包括以下步骤：S1、露天矿山采场的空间信息提取；S2、遥感影像面向对象分割；S3、露天矿山采场及其矢量边界提取。
[0019]请参阅图3所示，待研究区遥感影像的露天矿山采场的空间信息提取，包括以下步骤：S1.1、从待研究区遥感影像中人工解译出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.结合深度学习与面向对象分析的露天矿山采场提取方法，其特征在于：包括以下步骤：S1、露天矿山采场的空间信息提取：S1.1、从待研究区遥感影像中人工解译出n处露天矿山采场，得到的人工解译对象作为训练样本集，并基于训练样本集训练深度学习模型；S1.2、采用训练后的深度学习模型对待研究区遥感影像进行初步识别，得到待研究区遥感影像中所有露天矿山采场的空间信息结果，其中，空间信息结果包括空间位置和地表覆盖范围；S2、遥感影像面向对象分割：S2.1、设定不同分割参数的面向对象分割模型，分别对待研究区遥感影像进行分割，得到若干组面向对象分割结果，其中，分割参数包括分割尺度、形状因子和紧致度因子；S2.2、对每组面向对象分割结果，将其与m处人工解译对象进行叠加分析，筛选出其中与m处人工解译对象相交的分割对象，计算所筛选出的每一分割对象与对应与之相交的人工解译出对象的重合度，并计算平均重合度，计算公式如下：，，其中，为人工解译对象的面积计算函数，为与人工解译对象相交的分割对象的面积计算函数，m不大于n；S2.3、选定重合度最大情况下的分割参数作为面向对象分割模型的最优分割参数，并以之分割结果作为待研究区遥感影像的最终面向对象分割结果；S3、露天矿山采场及其矢量边界提取：S3.1、将待研究区遥感影像的最终面向对象分割结果与露天矿山采场的空间信息提取结果进行叠加分析，保留待研究区遥感影像的最终面向对象分割结果中与露天矿山采场的空间信息提取结果相交的分割对象；S3.2、对于保留的每一分割对象，计算其与对应露天矿山采场的空间信息提取结果相交区域的面积占其自身面积的比例值，并进行如下判断：若比例值小于第一设定值，则将其移除；若比例值在第一设定值与第二设定值之间，则人工判断其是否为露天矿山采场，若是，则继续保留，若否，则将其移除；若比例值大于第二设定值，则继续保留；S3.3、对于继续保留的分割对象，合并临近对象，得到待研究区遥感影像中所有露天矿山采场及其矢量边界。2.根据权利要求1所述的结合深度学习与面向对象分析的露天矿山采场提取方法，其特征在于：构成所述训练样...

【专利技术属性】
技术研发人员：王润，李士垚，徐航，李彧磊，叶疆，何睿，刘帅，杨涛，
申请(专利权)人：湖北省地质环境总站，
类型：发明
国别省市：