【技术实现步骤摘要】
本专利技术涉及土地类型识别，特别是一种基于无人机辅助的土地类型识别管理方法及系统。
技术介绍
1、近年来，中国将优化国土空间开发格局和加强生态文明建设提升到国家战略，为了实现对不同土地类型的合理应用，需要对土地进行类型划分。土地类型通常是考虑土壤、岩石、地形等构成因素，按照其自然属性进行类别划归。土地类型划分已经成为土地利用领域的重要研究课题之一，现阶段遥感技术已经成为土地类型识别的重要技术手段之一。
2、遥感技术是信息时代的产物，可以远程获得目标物体的辐射和反射的电磁波信息，并最终以图像或影像的方式输出。以无人机遥感影像作为初始研究对象，根据其中包含的信息进行土地类型的识别，已经成为土地类型识别的主要原理和手段。
技术实现思路
1、鉴于现有的土地类型识别管理方法中存在的问题，提出了本专利技术。现有的方法虽然可以自动提取特征，但性能依赖于大量的训练数据，对于一些稀有或复杂的土地类型，可能难以获得足够的训练数据，这会影响模型的性能，现有的方法通常只对图像进行单层级的分类。
2、因此，本专利技术所要解决的问题在于如何提供一种基于无人机辅助的土地类型识别管理方法及系统。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种基于无人机辅助的土地类型识别管理方法，其包括，通过无人机收集土地遥感图像，并进行处理和特征提取，强化图像中的土地类型特征；构建土地类型识别模型，设置土地类型识别标准，输入根据强化后
5、作为本专利技术所述基于无人机辅助的土地类型识别管理方法的一种优选方案，其中：所述土地遥感图像包括未变更图斑和变更图斑，所述未变更图斑包括疑似新增建设图斑、疑似耕地流出图斑、疑似新增耕地未变更图斑、建设和设施农用地变化图斑、农用地变化图斑以及未利用地变化图斑；所述变更图斑包括监测图斑以外更新图斑。
6、作为本专利技术所述基于无人机辅助的土地类型识别管理方法的一种优选方案，其中：所述处理包括色彩校正、去噪处理和图像增强；
7、所述色彩校正计算公式如下：
8、i'(x,y)＝d*i(x,y)
9、
10、式中，d是对角矩阵，diag是对角化函数，为白色参考的平均值，分别表示图像在红、绿、蓝的像素值的平均值；
11、所述去噪处理包括，
12、i'(x,y)＝∑w(x,y,i,j)*i(i,j)
13、w(x,y,i,j)＝exp||v(x,y)-v(i,j)||2/h
14、式中，(i,j)是在整个图像上，w是权重，用于表示像素(x,y)和(i,j)之间的相似度；v是像素(x,y)周围的一个小窗口，||v(x,y)-v(i,j)||2是窗口之间的欧氏距离，h是控制滤波强度的参数；
15、所述图像增强包括，
16、
17、变量z和z分别为图像增强处理前后的亮度值，li+1和li为增强前后的拉伸范围，mi+1和mi对应的是增强前后的亮度值区间，n为分段的区间数量。
18、作为本专利技术所述基于无人机辅助的土地类型识别管理方法的一种优选方案，其中：所述特征提取相关计算公式如下，
19、z[i,j,k]＝∑∑∑x[a,b,c]*w[i-a,j-b,k-c]+b[k]
20、z′[i,j,k]＝max(x[i*s:i*s+f,j*s:j*s+f,k])
21、z＝wi*ap+b
22、式中，z[i,j,k]为卷积后的图像；x是输入的图像，w是卷积核，b是偏置，i，j是在空间维度上的位置，k是在深度维度上的位置；z′[i,j,k]为最大池化后的图像；s是步长，f是池化窗口大小；z为全连接后的图像；wi是权重，ap是前一层的激活值，b是偏置。
23、作为本专利技术所述基于无人机辅助的土地类型识别管理方法的一种优选方案，其中：所述土地类型识别模型具体包括，将经过处理和特征强化的土地遥感图像制作数据集，针对构建的数据集进行训练，对训练后的数据集中的相似数据进行清除；对待测土地遥感图像进行分割处理，并对各个土地区域进行标号，提取相应土地的量化特征，进行待测土地和土地标准类型的相似计算，相关计算公式如下：
24、
25、式中，s为相似度，ti为提取的遥感图像土地类型特征，tj为设置的标准土地类型特征；计算检测的土地类型识别精度。
26、作为本专利技术所述基于无人机辅助的土地类型识别管理方法的一种优选方案，其中：所述土地类型识别标准包括一级类别和二级类别；所述一级类别经识别模型识别后，当识别类型与土地标准类型相似度达到0.85以上时，初步认证为一级类别，根据一级类别识别标准继续进行识别分类，划分二级类别，对于划分的二级类别进行初步复核校正，当复核结果与初步识别结果相同时，认定识别结果为1类并记录，当复核结果与初步识别结果不同时，重新进行一级类别的识别判定，当相似度达到0.95以上时，进行二级类别识别，对于划分的二级类别进行初步再次复核校正，当再次复核结果与初步识别结果相同时，认定识别结果为2类并记录，当再次复核结果与初步识别结果不同时，认定识别结果为3类并记录，进行二次复核校正；当识别类型与土地标准类型相似度在0.85以下时，无法判定为一级类别，直接转入人工复核校正，进行二次复核校正。
27、作为本专利技术所述基于无人机辅助的土地类型识别管理方法的一种优选方案，其中：所述二次复核校正包括通过人工进行复核判定，通过现场核查土地类型识别结果，通过调查问询取证进行地类认证，根据二级类别分类情况进行二次复核校正，当二次复核校正识别类型结果与再次复核结果相同时，认定识别结果为4类并记录认证结果；当二次复核校正识别类型结果与再次复核结果不相同时，以二次复核校正识别类型结果作为最终结果，认定为5类并记录。
28、第二方面，本专利技术实施例提供了一种基于无人机辅助的土地类型识别管理系统，其包括：获取模块，用于通过无人机进行获取土地遥感图像，通过通信网络将收集的图像输入图像处理模块；图像处理模块，用于对收集的图像进行处理和特征提取，将图像处理成强化特征的图像，输送至识别模块中的识别模型进行识别；识别模块，用于识别经图像处理模块处理和特征提取的图像，计算相似度，进行初步识别和地类认定，得出初步类别认定结果；复核校正模块，用于对初步类别认定结果进行复核校正，校正是否存在误差，若校正结果与土地初步类别认定结果相同，则认定土地类型识别结果为正确，若校正结果与土地初步类别认定结果不相同，则以复核校正结果为准。
29、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述的基于无人机辅助的土地类型识别管理方法的任一步骤。
本文档来自技高网...
【技术保护点】
1.一种基于无人机辅助的土地类型识别管理方法，其特征在于：包括，
2.如权利要求1所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述土地遥感图像包括未变更图斑和变更图斑，所述未变更图斑包括疑似新增建设图斑、疑似耕地流出图斑、疑似新增耕地未变更图斑、建设和设施农用地变化图斑、农用地变化图斑以及未利用地变化图斑；所述变更图斑包括监测图斑以外更新图斑。
3.如权利要求2所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述处理包括色彩校正、去噪处理和图像增强；
4.如权利要求3所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述特征提取相关计算公式如下，
5.如权利要求4所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述土地类型识别模型具体包括，
6.如权利要求5所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述土地类型识别标准包括一级类别和二级类别；
7.如权利要求6所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述二次复核校正包括通过人工进行复核判定，通过现
8.一种基于无人机辅助的土地类型识别管理系统，基于权利要求1～7任一所述的基于无人机辅助的土地类型识别管理方法，其特征在于：包括，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于无人机辅助的土地类型识别管理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于无人机辅助的土地类型识别管理方法的步骤。
...【技术特征摘要】
1.一种基于无人机辅助的土地类型识别管理方法，其特征在于：包括，
2.如权利要求1所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述土地遥感图像包括未变更图斑和变更图斑，所述未变更图斑包括疑似新增建设图斑、疑似耕地流出图斑、疑似新增耕地未变更图斑、建设和设施农用地变化图斑、农用地变化图斑以及未利用地变化图斑；所述变更图斑包括监测图斑以外更新图斑。
3.如权利要求2所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述处理包括色彩校正、去噪处理和图像增强；
4.如权利要求3所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述特征提取相关计算公式如下，
5.如权利要求4所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述土地类型识别模型具体包括，
6.如权利要求5所述的基于无人机辅助的土地类型识别管理方法，其特征在于：所述土地类型识别标准包括一级类别和二级类别；
7.如权利要求6所述的基...
【专利技术属性】
技术研发人员：高贺，索晓晶，滑博伟，吴斌，郭晓鹏，陈慧杰，
申请(专利权)人：中国地质调查局呼和浩特自然资源综合调查中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。