[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

说明书

本发明公开了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，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。通过对卫星影像图像进行分析处理能够对植被种植区域的分布和植被种植类型进行识别以及对种植面积进行计算统计，提高了植被种植面积统计的效率和准确度，避免了人工统计效率低和传统植被识别方法识别精度低的问题，也极大地减少了人力成本。

技术领域

本发明涉及一种植被种植区域识别方法及系统，尤其涉及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。

背景技术

随着社会的发展越来越多的人认识到保险的重要性，大部分保险都是对自己或者家人进行投保；但是也存在一些特殊的投保保单，比如对自己家农作物的产量进行投保，以保证如果遇到自然灾害导致农作物(如油菜)产量锐减造成自己很大的经济损失。

保险公司在进行赔付时，需要通过农作物的种植类型对某种农作物种植区域和种植面积进行测量进而估算农作物损失程度来计算赔付的额度；农作物的种植在多类地形区域上均有分布，如丘陵地块、沟地或者田地等；而且大部分的地块面积都不大，地形形状不规则且都比较复杂；而油菜种植区域的识别需要对承保区域范围内的高精度卫星影像进行像素级别的图像识别和分类，传统的人工标注分类方法，对于如此大范围的卫星影像，需要消耗大量的时间、资源以及人力成本，基本不可行。而常规的机器学习方法(如逻辑回归，支持向量机等)识别精度一般只能达到70％左右，无法满足需要，而且通过人工进行标注分类存在着一是面积测定相对困难且准确度和效率都很低下。

发明内容

本发明的目的在于克服现有技术的不足，提供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，解决了通过人工测定植被种植区域和种植面积存在的缺陷。

本发明的目的是通过以下技术方案来实现的：一种基于卷积神经网络算法的植被种植区域识别方法，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。

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。

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。

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；