一种基于小样本学习的覆膜农田遥感提取与覆膜比例计算方法和系统技术方案

本发明专利技术公开了一种基于小样本学习的覆膜农田遥感提取与覆膜比例计算方法和系统，实现对于遥感影像中覆膜农田的提取与覆膜比例计算。基于遥感影像中的光谱信息，本发明专利技术提供一种基于小样本学习的覆膜农田遥感提取方法，以及一种面向覆膜农田的覆膜比例计算方法。该方法通过对未标注的遥感影像进行先验知识提取，进而对覆膜农田遥感提取模型进行预训练，进一步通过设计农田覆膜比例的计算方法，最终实现覆膜农田的遥感提取与覆膜比例的计算。本发明专利技术方法的覆膜农田遥感提取的准确率达到96.12％，召回率达到98.21％。本发明专利技术的覆膜比例计算方法的误差小于4.39％。例计算方法的误差小于4.39％。例计算方法的误差小于4.39％。

【技术实现步骤摘要】
一种基于小样本学习的覆膜农田遥感提取与覆膜比例计算方法和系统


[0001]本专利技术涉及遥感和深度学习
，尤其是涉及一种基于小样本学习的覆膜农田遥感提取与覆膜比例计算方法和系统。

技术介绍

[0002]农田覆膜是我国干旱、半干旱地区农业耕种的重要手段，其通过对农田覆盖塑料地膜，进而对土壤起到保温保墒的作用，对于作物增产具有重要的提升作用。一方面，塑料地膜在世界范围得到了广泛的应用。另一方面，塑料地膜作为一种难以土壤自然降解的材料，其对土壤以及自然环境具有极大的潜在破坏性，尤其会对土壤的结构造成不可逆的改变。近年来，塑料覆膜的使用量与空间分布统计已成为关注的焦点。
[0003]遥感影像数据作为一种新兴的数据源，可为开展大范围的地表目标识别与统计分析提供数据支撑，并已在河流、林地等传统自然对象的提取上开展了较为广泛的应用。与传统的地表覆盖类型相比，覆膜农田因其覆膜宽度一般小于1米，在传统的中高分辨率上难以被肉眼识别，进而覆膜农田的提取难度很大。
[0004]传统的农田覆膜遥感提取方法主要以阈值法为主。然而阈值法存在区域局限性大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小样本学习的覆膜农田遥感提取方法，其特征在于，包括以下步骤：获取未标注影像样本集和已标注影像样本集；利用未标注影像样本集训练先验知识提取模型；将训练完成的先验知识提取模型的网络参数赋值给覆膜农田提取模型，并利用已标注影像样本集训练覆膜农田提取模型；将待处理的影像样本输入训练完成的覆膜农田提取模型，获得覆膜提取结果。2.根据权利要求1所述的方法，其特征在于，所述获取未标注影像样本集和已标注影像样本集，包括：获取遥感影像数据集M，将遥感影像数据集M划分为M_1和M_2两个影像样本集；对M_2影像样本集采用人工方式进行覆膜农田的真值标注，其中黑膜像素点标注为2，白膜像素点标注为1，裸土区域标注为0，得到M_2影像样本集的真值标注集T_2；最终获得未标注影像样本集M_1和已标注影像样本集M_2。3.根据权利要求1所述的方法，其特征在于，所述利用未标注影像样本集训练先验知识提取模型，包括：将未标注影像样本集作为先验知识提取模型的数据输入和数据输出，采用均方误差作为模型训练过程的损失函数，对先验知识提取模型进行训练。4.根据权利要求1所述的方法，其特征在于，所述利用已标注影像样本集训练覆膜农田提取模型，包括：将已标注影像样本集作为覆膜农田提取模型的数据输入，将真值标注集作为覆膜农田提取模型的数据输出，采用多元交叉熵作为模型训练过程的损失函数，对覆膜农田提取模型进行训练。5.根据权利要求1所述的方法，其特征在于，所述先验知识提取模型、所述覆膜农田提取模型的结构依次包括：第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层、第五卷积层、第六卷积层、第三池化层、第七卷积层、第八卷积层、第一丢弃层、第四池化层、第九卷积层、第十卷积层、第一上采样层、第二丢弃层、第一合并层、第十一卷积层、第十二卷积层、第二上采样层、第二合并层、第十三卷积层、第十四卷积层、第三上采样层、第三合并层、第十五卷积层、第十六卷积层、第四上采样层、第四合并层、第十七卷积层、第十八卷积层、第十九卷积层、第二十卷积层、第二十一卷积层；在所述覆膜农田提取模型进行训练时，将已训练完成的所述先验知识提取模型的前14层的参数值作为预训练参数，赋值给所述覆膜农田提取模型的对应层。6.一种面向覆膜农田的覆膜比例计算方法，其特征在于，包括以下步骤：对于待处理的影像样本I，采用权利要求1～5中任一项所述方法获取覆膜提取结果，记为I_B；对于影像样本I的各个光谱通道j，j＝1,2,
…
...

【专利技术属性】
技术研发人员：崔要奎，魏之皓，殷峰丽，李思恩，
申请(专利权)人：北京大学，
类型：发明
国别省市：