[发明专利]一种基于卷积神经网络算法的植被种植区域识别方法及系统

权利要求书

1.一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：所述的识别方法包括以下步骤：

对采集的卫星影像图像进行预处理；

通过卷积神经网络模型对预处理后的卫星影像图像进行识别；

对识别结果经过处理后，再与GIS地理信息结合计算得到植被种植区域的数据信息。

2.根据权利要求1所述的一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：所述的对采集的卫星影像图像进行预处理步骤的具体内容如下：

辐射定标步骤：将数据采集设备记录的数字量化值转换为与其对应视场中辐射亮度值；

大气校正步骤：通过FLAASH模块对采集的卫星影像图像进行大气校正；

几何校正步骤：实现通过卫星影像图像的RPC信息，对多光谱和全色数据进行几何校正把影像图像校正于坐标系统上；

图像融合步骤：将不同波段的数据进行组合，提高卫星影像图像的地面分辨率和色彩分辨率；

图像配准步骤：将多幅不同卫星影像图像进行匹配和叠加；

图像裁切镶嵌步骤：将多幅卫星影像图像进行裁切并将裁切后的图像镶嵌为需要的影像图像数据。

3.根据权利要求1所述的一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：所述的对识别结果经过处理后，再与GIS地理信息结合得到植被种植区域的数据信息步骤的具体内容如下：

将识别结果进行空间坐标对齐、图层叠加和数据结果统计处理；

结合植被种植区域所在地区边界信息得到精确到各个乡镇的植被种植面积数据。

4.根据权利要求1所述的一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：所述的几何校正步骤的内容如下：

选取特征明显和稳定的地面控制点；

根据选取的地面控制点确定地图投影和坐标，保证控制点的地理坐标与地图投影保持一致；

对纠正方程进行计算，通过控制点确定图像中像平面坐标点。

5.根据权利要求1所述的一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：在进行所述通过卷积神经网络模型对预处理后的卫星影像图像进行识别之前，还需要完成卷积神经网络模型的建立；建立卷积神经网络模型的步骤如下：

搭建模型框架；

读取图像并对模型进行训练学习；

根据模型训练学习情况实时对模型超参数进行调节；

将完成训练的模型进行固定和保存。

6.根据权利要求5所述的一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：所述的读取图像对模型进行训练学习的具体步骤如下：

读取训练图像和已经完成样本点标注的标签图像；

对训练图像和标签图像进行去像素点处理；

将训练图像转换成多通道的one-hot样本，并定义各个通道的含义；

对训练图像各个通道上的值进行归一化处理；

根据训练图像生成训练池；

对训练图像进行卷积以及卷积转置处理，当训练达到预设条件时，训练学习结束。

7.根据权利要求6所述的一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：卷积处理的步骤如下：

对训练图像根据卷积深度进行i次卷积；

在第i次卷积后根据进行一次dropout处理，得到第i次卷积后的图像。

8.根据权利要求6所述的一种基于卷积神经网络算法的植被种植区域识别方法，其特征在于：卷积转置的步骤如下：

将第i次卷积结果进行卷积转置，并将卷积转置结果与第i-1次卷积结果进行拼接；

对拼接结果进行一次卷积，再对上一次卷积结果进行一次卷积；

根据上述方式依次进行i-1次卷积转置处理。