【技术实现步骤摘要】
本专利技术属于遥感卫星，特别是一种基于遥感图像的农田分布信息提取方法及装置。
技术介绍
1、随着遥感技术的快速发展，高分辨率卫星图像在全球范围内得到了广泛应用，尤其在农业监测、环境保护和土地资源管理等领域。农田作为农业生产的基本单位，其准确识别和提取对于作物监测、产量估算、土地利用规划及环境变化监测等具有极其重要的意义。然而，现有的农田提取技术面临着多方面的挑战和局限。早期农田提取技术主要依赖于传统图像处理方法，如基于边缘检测、区域生长和纹理分析等。这些方法往往依赖于特定波段的反射率特征，对于复杂地物的识别效果有限。由于缺乏对农田内部异质性的有效处理，传统方法在处理具有软边界特征的种植农田(pfs)时效果不佳。此外，人工解译长期以来是农田提取的主要手段，但它耗时且效率低下，且高度依赖于解译员的经验和专业知识。对于大范围或复杂地形的农田提取，人工解译的准确性和一致性难以保证。近年来，随着深度学习技术的发展，基于卷积神经网络(cnn)的图像分割技术开始被应用于农田提取。尽管深度学习方法在一些应用中显示出优越的性能，但这些方法通常需要大量标注...
【技术保护点】
1.一种基于遥感图像的农田分布信息提取方法，其特征在于，其包括以下步骤：
2.根据权利要求1所述的一种基于遥感图像的农田分布信息提取方法，其特征在于，步骤3中，提示点生成模块基于所述遥感图像生成候选提示点及其提示信息中，通过计算梯度值来表示边缘位置，使用Sobel滤波器来计算梯度图使得提示点远离种植农田PF边缘，Gradimg＝sobel(x)，其中，x表示输入的遥感图像，Gradimg表示提取的梯度图。
3.根据权利要求2所述的一种基于遥感图像的农田分布信息提取方法，其特征在于，使用类别同质性指数HI比较每个像素与邻近像素的类别来计算每个像素...
【技术特征摘要】
1.一种基于遥感图像的农田分布信息提取方法，其特征在于，其包括以下步骤：
2.根据权利要求1所述的一种基于遥感图像的农田分布信息提取方法，其特征在于，步骤3中，提示点生成模块基于所述遥感图像生成候选提示点及其提示信息中，通过计算梯度值来表示边缘位置，使用sobel滤波器来计算梯度图使得提示点远离种植农田pf边缘，gradimg＝sobel(x)，其中，x表示输入的遥感图像，gradimg表示提取的梯度图。
3.根据权利要求2所述的一种基于遥感图像的农田分布信息提取方法，其特征在于，使用类别同质性指数hi比较每个像素与邻近像素的类别来计算每个像素的类别同质性得到同质图，其中，ik是由m个像素组成的移动窗口内每个相邻像素的类别值，当第k个像素点的类别值与中心像素点i相同时，该类别值设为1；否则，设为0，类别同质性指数hi值的范围为0至1，类别值越大表示类别值越统一，通过将类别同质性指数hi和梯度结合起来在hi值较大而梯度值较小的位置生成候选提示点。
4.根据权利要求3所述的一种基于遥感图像的农田分布信息提取方法，其特征在于，类别同质性指数hi和梯度的组合通过种植指数pi实现以得到种植指数图，
5.根据权利要求1所述的一种基于遥感图像的农田分布信息提取方法，其特征在于，点定位优化模块优化所述候选提示点中，在每个候选提示点周围创建一个扩张窗口，选取扩张窗口内的所有提示点，所有选中的提示点提取种植农田pf，并根据预测分数评估提取结果，选出扩张窗口内预测分数最高的提示点，保留该提示点的位置并将其作为最优提示点，然后移除其他提示点。
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。