[发明专利]遥感影像地类识别对应深度学习样本库的自动获取方法

权利要求书

1.一种遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，包括如下步骤，叠加土地利用现状矢量图和遥感图，矢量数据的图斑边界信息将遥感影像分割成影像像斑，然后对影像像斑进行提取标记点，漫水填充，分类提取，得到样本库；

具体包括如下步骤，

步骤1：边缘映射，首先通过在同一坐标系下叠加土地利用现状矢量图和遥感图，然后将土地利用现状矢量图的边界映射为由遥感图中连续像元组成的闭合边缘；

步骤2：标记点提取，在闭合边缘内部选取标记点；

步骤3：漫水填充，通过标记点进行漫水填充，并给对应于每个填充区域的掩膜赋值和保存地类信息；

步骤4：图像分类提取，根据掩膜提取分割后图像，并根据掩膜保存的土地利用现状的地类信息进行分类保存，形成样本库。

2.如权利要求1所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，步骤1所述土地利用现状矢量图和遥感图的获取时间相同。

3.如权利要求1所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，步骤1所述将土地利用现状矢量图的边界映射为由遥感图中连续像元组成的闭合边缘通过直线光栅化方法实现。

4.如权利要求1所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，将步骤1所述闭合边缘上的像元标记为边缘像元，设置边缘像元有较高像素值。

5.如权利要求4所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，所述步骤2中，采用下列公式提取标记点：

式中：h和l分别为像元的行号和列号；g(h,l)为像元的梯度值；T(h，l)为像元对应的阈值；m(h，l)取值为1时表示标记点，取值为0时表示未标记点。

6.如权利要求1所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，所述步骤3中，给每一个闭合区域对应分配一张掩膜且所有像素值设为0，并用每个掩膜以文件路径的形式记录相应闭合区域在土地利用现状中所属地类分类层级结构和命名。

7.如权利要求6所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，所述步骤3中，将得到的标记点作为种子点对每个闭合边缘内的区域进行漫水填充，直到标记完边缘约束内的所有像元。

8.如权利要求7所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，所述步骤3中，在漫水填充过程中对于每一个闭合区域对应的掩膜，将已经标记的像元对应的掩膜像素值设为1，其余的掩膜像素值为0。

9.如权利要求8所述的遥感影像地类识别对应深度学习样本库的自动获取方法，其特征在于，所述步骤4中，根据得到的掩膜分别提取每个闭合区域的图像，并根据掩膜记录的文件路径和命名分别保存每张图像，生成不同类别对应的训练样本库。