[发明专利]一种基于面向对象和深度学习的敏感用地识别方法

说明书

本发明公开了一种基于面向对象和深度学习的敏感用地识别方法，包括如下步骤：选取遥感影像；建立样本库；面向对象的敏感用地识别；基于深度学习技术识别敏感用地；敏感用地信息入库。本发明利用高分遥感影像，结合面向对象和深度学习技术，实现分类出敏感用地的目的，有利于充分了解污染场地周边范围内敏感用地的分布情况以及对人体健康和环境的危害程度，为敏感用地的确认、溯源、监管和政府性决策提供参考。

技术领域

本发明涉及一种敏感用地识别方法，尤其涉及一种基于面向对象和深度学习的敏感用地识别方法。

背景技术

伴随着社会经济发展，城市空间用地愈发收缩，越来越多的关闭搬迁污染场地已经或将被转换为农田(耕地、园地等)、水体(饮用水源地)、植被(林地、草地)、建筑物(居住地、学校、医院、幼儿园、养老机构、公园)等。但由于历史原因，部分污染场地并未彻底修复或治理，仍然存在大量污染风险，因此也被称之为敏感用地。近年来，由于污染场地未进行充分彻底地治理或修复而造成了重大环境安全事故，严重危害了群众健康，给社会稳定带来了威胁。因此，识别敏感用地，积极防范环境风险，是维护社会安全稳定、人民群众身心健康最紧迫、最直接、最现实的任务。

然而，目前对于敏感用地的识别，主要采用传统的人工采样监测手段，但由于敏感用地数量多、分布广，如果采用传统的人工采样监测手段不仅耗费大量的人力、物力和财力，而且周期长、效果差。遥感技术是一门新兴的探测技术，目前已深入应用到人类的工作和生活中，在农业、林业、地质、地理、海洋、水文、气象、测绘、环境保护和军事侦察等许多领域并发挥越来越重要的作用，为人类认识国土、开发资源、监测环境、研究灾害以及环境保护提供了新途径，为解决人类面临的资源紧缺、环境恶化、人口剧增、灾害频发等一系列严峻挑战提供重要信息，现如今，但尚未将遥感技术广泛应用到敏感用地的识别。因此，亟需提供一种基于面向对象和深度学习的敏感用地识别方法，基于遥感技术的识别技术以实现从传统目视解译到计算机信息自动提取，从而大大提高了识别的精准度和工作效率。尤其是，在大数据时代，网络上不断涌现出大量关于土地利用分布、居民点分布、POI点数据等，如何利用这些海量信息，借助遥感与大数据分析技术，从中快速提取有效信息，能够为敏感用地的识别提供关键技术支撑。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种基于面向对象和深度学习的敏感用地识别方法。

为了解决以上技术问题，本发明采用的技术方案是：一种基于面向对象和深度学习的敏感用地识别方法，包括如下步骤：

步骤一、选取遥感影像：结合卫星传感器的覆盖范围，以及植被、积雪、降雨、云层对敏感用地的影响，进行遥感影像的选取；

步骤二、建立样本库：根据遥感影像的色调、色彩、形状、阴影、纹理、大小、空间位置、图形等，建立各种地物与卫星影像的对应关系；

首先，采用现场调查的方式获得每类地物照片；然后，在影像上对应位置获得地物在影像上的图片，经人工现场调查获得各类敏感用地现场图片，经人工现场调查和POI数据通过目视解译的方法获取敏感用地的空间位置，在影像数据上进行标注，获取遥感影像上的敏感用地的样本，并通过提取各类样本的特征信息，建立敏感用地的遥感解译样本特征库；

步骤三、面向对象的敏感用地识别：1)确定不同类型敏感用地所需要使用的特征类型；

2)输入遥感影像，将整幅输入的遥感影像分割为多个对象，分割时针对不同类型的敏感用地对应着各自不同的分割尺度，设定分割参数值，确定最优尺度；

3)确定不同敏感用地的特征值区间，对遥感图像上的不同对象进行分类，确定各个对象对应的类别，得到识别结果；

步骤四、基于深度学习技术识别敏感用地：1)构建神经网络层模型：借鉴经典卷积网络结构特点和优势，构建适用于敏感用地识别的网络模型；