【技術(shù)實現(xiàn)步驟摘要】
本申請涉及環(huán)境監(jiān)測，具體涉及一種基于遙感影像的環(huán)境綜合評估方法及系統(tǒng)。
技術(shù)介紹
1、遙感影像是通過衛(wèi)星、飛機或其他遙感平臺獲取的地球表面的影像數(shù)據(jù)，可以提供大范圍、高分辨率的地表信息。這些影像可以用于環(huán)境監(jiān)測等領(lǐng)域。環(huán)境監(jiān)測中進行環(huán)境狀態(tài)評估時采用的指標(biāo)例如可以包括植被覆蓋率、水域面積占比、水域質(zhì)量狀態(tài)等等。
2、相關(guān)技術(shù)中，在根據(jù)遙感影像進行環(huán)境狀態(tài)評估時，對遙感影像中的各種地物類型是通過人工識別標(biāo)記的，地物分類準(zhǔn)確度不高，并且?guī)淼娜肆φ驹黾雍芏啵⑶业匚锓诸悳?zhǔn)確度直接影響環(huán)境狀態(tài)評估結(jié)果的準(zhǔn)確度，導(dǎo)致相關(guān)技術(shù)中的根據(jù)遙感影像進行環(huán)境狀態(tài)評估的結(jié)果準(zhǔn)確度不高。
技術(shù)實現(xiàn)思路
1、本申請的目的是提供一種基于遙感影像的環(huán)境綜合評估方法及系統(tǒng)。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關(guān)鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現(xiàn)一些概念，以此作為后面的詳細(xì)說明的序言。
2、根據(jù)本申請實施例的一個方面，提供一種基于遙感影像的環(huán)境綜合評估方法，包括：
3、獲取目標(biāo)區(qū)域的遙感影像，所述遙感影像包括多種類型的地物；
4、獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果；
5、根據(jù)所述地物分類結(jié)果，獲取各種地物類型的空間分布信息；
6、根據(jù)所述各種地物類型的空間分布信息以及預(yù)設(shè)評估指標(biāo)，進行環(huán)境
7、進一步地，所述獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果，包括：
8、獲取所述遙感影像的多尺度紋理特征組；所述多尺度紋理特征組包括紋理密集度特征、紋理復(fù)雜度特征和紋理特征光亮變化度特征中的至少一種；
9、利用預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型處理所述多尺度紋理特征組，得到所述遙感影像的地物分類結(jié)果；
10、進一步地，所述利用預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型處理所述多尺度紋理特征組，得到所述遙感影像的地物分類結(jié)果，包括：
11、將所述遙感影像與所述多尺度紋理特征組進行融合，得到多尺度特征圖集合；
12、利用預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型處理所述多尺度特征圖集合，得到所述遙感影像的地物分類結(jié)果。
13、進一步地，所述獲取所述遙感影像的多尺度紋理特征組，包括：
14、所述遙感影像的紋理密集度特征計算公式為
15、si，j＝f(i，j)/n2
16、
17、其中，w代表紋理密集度特征；n2代表圖像大小；(i,j)代表圖像中的當(dāng)前像素點與該當(dāng)前像素點的鄰域信息構(gòu)成一個特征二元組，其中i代表當(dāng)前像素點的灰度值，j代表當(dāng)前像素點的鄰域中各像素點的灰度均值；f(i，j)代表特征二元組(i,j)出現(xiàn)的頻數(shù)；si,j代表圖像中f(i,j)的發(fā)生的概率；l代表當(dāng)前像素點的鄰域中所包含的像素點數(shù)目；
18、獲取所述遙感影像的紋理復(fù)雜度特征包括：通過在整幅遙感影像上以n為窗口大小、步長為1的方式進行遍歷，計算每個窗口內(nèi)局部圖像的紋理復(fù)雜度，并以此作為該局部圖像中心點的紋理復(fù)雜度特征；
19、所述遙感影像的紋理特征光亮變化度特征計算公式為
20、
21、式中，δ代表遙感影像中的灰度標(biāo)準(zhǔn)方差；β4代表遙感影像的灰度值峰態(tài)，其中，β4＝u4/δ2，u4代表四階距均值，δ2代表圖像灰度值方差。
22、進一步地，所述預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型為基于圖像語義分割模型的深度學(xué)習(xí)全卷積圖像語義分割模型，包括
23、與圖像語義分割模型中的下行通路和上行通路相對應(yīng)的2段通路；
24、其中，所述下行通路用于采用膨脹卷積進行特征提取并逐步降采樣，同時提取語義特征；所述上行通路用于逐步反池化特征恢復(fù)細(xì)節(jié)信息。
25、進一步地，所述根據(jù)所述地物分類結(jié)果，獲取各種地物類型的空間分布信息，包括：
26、將地物分類結(jié)果與地理信息數(shù)據(jù)進行空間疊加，獲得不同地物類型的空間分布情況；
27、將目標(biāo)區(qū)域劃分為等大小的網(wǎng)格單元，或者根據(jù)需求創(chuàng)建不同密度的網(wǎng)格單元；
28、在每個網(wǎng)格單元內(nèi)計算特定地物類型的點數(shù)量，然后除以網(wǎng)格單元的面積，得出每個網(wǎng)格單元的點密度值。
29、進一步地，所述獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果，包括：
30、根據(jù)不同地物類型的特征選擇波段組合，不同的波段對應(yīng)不同類型的地物；
31、在遙感影像中選擇代表不同地物類型的訓(xùn)練樣本，在訓(xùn)練樣本上提取出各類地物的光譜特征；
32、利用預(yù)選定的分類方法和所述訓(xùn)練樣本對影像進行分類器訓(xùn)練，得到訓(xùn)練好的地物分類模型；
33、利用所述訓(xùn)練好的地物分類模型將所述遙感影像中的像元分配到不同的地物類別中，生成地物分類結(jié)果。
34、根據(jù)本申請實施例的另一個方面，提供一種基于遙感影像的環(huán)境綜合評估系統(tǒng)，包括：
35、遙感影像獲取模塊，用于獲取目標(biāo)區(qū)域的遙感影像，所述遙感影像包括多種類型的地物；
36、分類模塊，用于獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果；
37、空間分布信息獲取模塊，用于根據(jù)所述地物分類結(jié)果，獲取各種地物類型的空間分布信息；
38、評估模塊，用于根據(jù)所述各種地物類型的空間分布信息以及預(yù)設(shè)評估指標(biāo)，進行環(huán)境綜合評估。
39、根據(jù)本申請實施例的另一個方面，提供一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述程序，以實現(xiàn)上述的基于遙感影像的環(huán)境綜合評估方法。
40、根據(jù)本申請實施例的另一個方面，提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行，以實現(xiàn)上述的基于遙感影像的環(huán)境綜合評估方法。
41、本申請實施例的其中一個方面提供的技術(shù)方案可以包括以下有益效果：
42、本申請實施例提供的一種基于遙感影像的環(huán)境綜合評估方法，獲取目標(biāo)區(qū)域的遙感影像，獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果，根據(jù)所述地物分類結(jié)果，獲取各種地物類型的空間分布信息，根據(jù)所述各種地物類型的空間分布信息以及預(yù)設(shè)評估指標(biāo)，進行環(huán)境綜合評估，獲得的地物分類結(jié)果準(zhǔn)確度較高，進而根據(jù)所述地物分類結(jié)果獲得的各種地物類型的空間分布信息較為準(zhǔn)確，從而大幅提高了環(huán)境綜合評估的準(zhǔn)確率。
43、本申請的其他特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者，部分特征和優(yōu)點可以從說明書中推知或毫無疑義地確定，或者通過實施本申請實施例了解。本申請的目的和其他優(yōu)點可通過在所寫的說明書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于遙感影像的環(huán)境綜合評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型處理所述多尺度紋理特征組，得到所述遙感影像的地物分類結(jié)果，包括：
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取所述遙感影像的多尺度紋理特征組，包括：
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型為基于圖像語義分割模型的深度學(xué)習(xí)全卷積圖像語義分割模型，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述地物分類結(jié)果，獲取各種地物類型的空間分布信息，包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果，包括：
8.一種基于遙感影像的環(huán)境綜合評估系統(tǒng)，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，包括存儲
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行，以實現(xiàn)如權(quán)利要求1至7中任一項所述的基于遙感影像的環(huán)境綜合評估方法。
...【技術(shù)特征摘要】
1.一種基于遙感影像的環(huán)境綜合評估方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取所述遙感影像中的特征，根據(jù)所述特征對所述遙感影像進行地物分類，得到地物分類結(jié)果，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述利用預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型處理所述多尺度紋理特征組，得到所述遙感影像的地物分類結(jié)果，包括：
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取所述遙感影像的多尺度紋理特征組，包括：
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型為基于圖像語義分割模型的深度學(xué)習(xí)全卷積圖像語義分割模型，包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：趙學(xué)松，劉潤東，黃友菊，羅恒，張迅，梅樹紅，韓廣萍，陳瑞波，潘嬋玲，
申請(專利權(quán))人：廣西壯族自治區(qū)自然資源遙感院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。