基于深度学习的遥感影像林地提取方法及系统、存储介质、电子设备.pdf

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN109543630A

(43)申请公布日2019.03.29

(21)申请号CN201811433346.5

(22)申请日2018.11.28

(71)申请人苏州中科天启遥感科技有限公司;浙江工业大学;中国科学院遥感与数字地球研

究所

地址215000江苏省苏州市高新区科灵路78号

(72)发明人周楠魏春山吴炜胡晓东夏列钢骆剑承郜丽静高星宇

(74)专利代理机构北京远大卓悦知识产权代理事务所(普通合伙)

代理人韩飞

(51)Int.CI

权利要求说明书说明书幅图

(54)发明名称

基于深度学习的遥感影像林地提取

方法及系统、存储介质、电子设备

(57)摘要

本发明提供基于深度学习的遥感影

像林地提取方法，包括步骤影像数据融

合、样本制作、模型训练、精度评定、林

地预测。本发明还涉及基于深度学习的遥

感影像林地提取系统、存储介质、电子设

备；本发明融合数字地表模型，将DSM数

据与四波段样本数据进行融合，得到具有

五个波段信息的训练数据，输入到深度学

习网络模型中反复迭代得到包含DSM特征

的林地分类模型，然后再用边界提取网络

RCF提取遥感影像中的林地边界作为约

束，从而完成林地的精确分割，使林地的

边界更加符合实际，本发明实现自动高效

的林地矢量数据提取，极大的提高遥感影

像的林地提取方法的准确度，缩短手工绘

制的时间成本和人力成本。

法律状态

法律状态公告日法律状态信息法律状态

2023-06-16授权发明专利权授予

权利要求说明书

1.基于深度学习的遥感影像林地提取方法,其特征在于,包括以下步骤:

S0、影像数据融合,第一分辨率的遥感影像数据与第二分辨率的DSM数据进行数据

融合,得到第二分辨率的融合数据,其中,第一分辨率高于第二分辨率;

S1、样本制作,获取融合数据,对融合数据进行分割裁剪得到包含分类对象的面矢量

样本,并绘制所述面矢量样本中的林地标签,将标签为林地的面矢量样本的矢量数据

转换成栅格数据,得到栅格化的林地面矢量样本;

S2、模型训练,利用深度学习网络模型对栅格化的林地面矢量样本进行训练,得到林

地面模型;

S3、精度评定,将待测试的遥感影像数据输入林地面模型进行数据预测测试,并计算

本次测试的检测评价函数MIoU以及MPA,若MIoU值或MPA均达标则跳转至下

一步,若MIoU值或MPA存在不达标情况则调整深度学习网络模型参数返回步骤

S2并重新迭代训练;

S4、林地预测,利用经步骤S3中评定达标的林地面模型对遥感影像目标区域进行林

地面预测,得到遥感影像中栅格化的林地面数据。

2.如权利要求1所述的基于深度学习的遥感影像林地提取方法,其特征在于:

在步骤S1中还包括采集第三分辨率的遥感影像,对第三分辨率的遥感影像进行边界

提取得到包含分类对象的线矢量样本,并绘制所述线矢量样本中为林地标签,将标签

为林地的线矢量样本的矢量数据转换成栅格数据,得到栅格化的林地线矢量样本,其

中,第三分辨率高于第一分辨率;

在步骤S2中还包括利用RCF边界提取网络模型对栅格化的林地线矢量样本进行训

练,得到林地线模型;

在步骤S3中还包括将待测试的遥感影像数据输入林地线模型进行数据预测测试,并

计算本次测试的检测评价函数MIoU以及MPA,若MIoU值或MPA均达标则跳转

至下一步,若MIoU值或MPA存在不达标情况则调整RCF边界提取网络模型参数

返回步骤S2并重新迭代训练;

在步骤S4中还包括利用经步骤S3中评定达标的林地线模型对遥感影像目标区域

进行林地线预测,得到遥感影像中栅格化的林地线数据;

在步骤S4后还包括,步骤