【技术实现步骤摘要】
本专利技术属于遥感影像作物识别领域，尤其涉及一种大小模型协同的遥感影像冬小麦种植区域提取方法及系统。
技术介绍
1、长期以来，全球农业发展面临着耕地资源减少、水资源短缺以及极端气候频发等问题的威胁。及时、准确获取大范围作物种植信息是农业管理决策的重要基础，是全球粮食安全与可持续发展的必要手段。遥感是一种非接触、远距离的探测技术，具备覆盖面积广、重访周期短、现势性强等优点，被广泛应用于多类对地观测任务，尤其适用于大范围作物信息的快速与准确获取，是精准监测种植作物的关键技术手段。
2、深度学习技术因其在挖掘、利用影像特征等方面的显著优势，成为遥感作物识别领域内的研究热点。然而，现有基于深度学习的遥感作物识别模型依赖于海量多标签样本数据，即使识别目标单一，也需要其他地物标签数据的辅助；受限于研究区内差异化的地物覆盖类型与空间分布情况，需要收集大量标签数据以训练优化模型，训练成本较高；不同研究区的作物种植区空间形态、图像纹理存在较大差异，用单一地区数据训练的模型泛化能力有限。因此，为了充分利用高分辨率遥感影像的信息，应着力解决现有基于深度学习的识别模型中样本依赖性强、训练成本高、泛化能力弱等易导致提取效率以及精度低下的问题。
技术实现思路
1、本专利技术的目的在于解决现有技术中存在的问题，并提供一种大小模型协同的遥感影像冬小麦种植区域提取方法及系统，以提高对作物种植区边界的提取效率和提取精度。
2、为了实现上述专利技术目的，本专利技术具体采用如下技术方案：
<...【技术保护点】
1.一种大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，包括以下步骤：
2.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤S1中，所述初步处理的具体过程为：根据待提取区域以及冬小麦的种植时间获取对应的原始遥感影像，对原始遥感影像进行辐射校正、几何校正、大气校正和影像融合，得到初步处理后的遥感影像。
3.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤S3中，所述全连接神经网络由一层输入层、三层带有激活函数的隐含层以及一层输出层依次级联而成，所述输出层的节点数与所述输入层的节点数保持一致，所述输入层将正例像元的波段信息和植被指数构成的特征向量作为输入，输入层的节点数为正例像元的特征向量维度。
4.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤S3中，冬小麦像素级识别小模型在训练时采用的损失函数Loss如下：
5.如权利要求4所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤S4中，根据预测得分对作物分布估计结
6.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤S5中，若作物空间分布聚集性的判断结果为作物分布具备聚集特征，则以观测平均距离作为空间约束多元聚类方法的指导，获取所述点数据集的空间聚类结果后，基于聚类中心与类内采样点生成冬小麦种植区域的模糊位置提示，利用基于SAM的图像分割大模型在所述模糊位置提示的约束下提取冬小麦种植区域的边界信息，完成冬小麦种植区域提取任务。
7.如权利要求6所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，由基于SAM的图像分割大模型在所述模糊位置提示的约束下提取冬小麦种植区域的边界信息的具体过程为：将目标提取区域的遥感影像以滑动窗口的形式输入到所述图像分割大模型中，滑动步长为窗口边长的50%，所述图像分割大模型的图像编码器将目标提取区域的遥感影像转化为高维的特征表示；将冬小麦种植区域的模糊位置提示输入到所述图像分割大模型中，所述图像分割大模型的提示编码器将所述模糊位置提示转化为与高维的特征表示匹配的特征表示，所述图像分割大模型的掩码解码器结合两种特征表示生成与目标作物农田边缘紧密对齐的分割掩码，将所述分割掩码作为冬小麦种植区域的边界信息。
8.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤S5中，若作物空间分布聚集性的判断结果为作物分布不具备聚集特征，则由基于SAM的图像分割大模型生成无语义信息的冬小麦种植区域的空间约束信息，针对空间约束信息内的每个地块，统计每个地块内作物分布估计结果为冬小麦的遥感影像像元占比，若遥感影像像元占比高于预设阈值则认为地块为冬小麦种植区域，将全部的冬小麦种植区域汇总得到冬小麦种植区域的边界信息，完成冬小麦种植区域提取任务。
9.如权利要求8所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，由基于SAM的图像分割大模型生成无语义信息的冬小麦种植区域的空间约束信息的具体过程为：将目标提取区域的遥感影像以滑动窗口的形式输入到所述图像分割大模型中，滑动步长为窗口边长的50%，所述图像分割大模型的图像编码器将目标提取区域的遥感影像转化为高维的特征表示，自动掩码生成器以空间滑动窗口方式生成全覆盖点集作为提示信息，所述图像分割大模型的提示编码器处理所述提示信息，将其转化为与高维的特征表示匹配的特征表示，所述图像分割大模型的掩码解码器结合两种特征表示生成全域无语义的分割掩码，将所述分割掩码作为所述空间约束信息。
10.一种大小模型协同的遥感影像冬小麦种植区域提取系统，其特征在于，包括：
...【技术特征摘要】
1.一种大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，包括以下步骤：
2.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤s1中，所述初步处理的具体过程为：根据待提取区域以及冬小麦的种植时间获取对应的原始遥感影像，对原始遥感影像进行辐射校正、几何校正、大气校正和影像融合，得到初步处理后的遥感影像。
3.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤s3中，所述全连接神经网络由一层输入层、三层带有激活函数的隐含层以及一层输出层依次级联而成，所述输出层的节点数与所述输入层的节点数保持一致，所述输入层将正例像元的波段信息和植被指数构成的特征向量作为输入，输入层的节点数为正例像元的特征向量维度。
4.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤s3中，冬小麦像素级识别小模型在训练时采用的损失函数loss如下：
5.如权利要求4所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤s4中，根据预测得分对作物分布估计结果进行筛选的具体过程为：当超球体半径设置为1时，将预测得分在(-1,0]区间内的遥感影像像元对应的作物分布估计结果表示为冬小麦，将预测得分在(-1,0]区间外的遥感影像像元对应的作物分布估计结果表示为非冬小麦，并由作物分布估计结果为冬小麦的遥感影像像元生成所述点数据集。
6.如权利要求1所述的大小模型协同的遥感影像冬小麦种植区域提取方法，其特征在于，步骤s5中，若作物空间分布聚集性的判断结果为作物分布具备聚集特征，则以观测平均距离作为空间约束多元聚类方法的指导，获取所述点数据集的空间聚类结果后，基于聚类中心与类内采样点生成冬小麦种植区域的模糊位置提示，利用基于sam的图像分割大模型在所述模糊位置提示的约束下提取冬小麦种植区域的边界信息，完成冬小麦种植区域提取任务。
7.如权利要求6所述的大小模型协同的遥感影像冬小麦...
【专利技术属性】
技术研发人员：张丰，王滨，陈振德，胡林舒，朱强，
申请(专利权)人：浙江大学，
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。