【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像數(shù)據(jù)處理，特別是涉及一種基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法、系統(tǒng)及存儲介質(zhì)。
技術(shù)介紹
1、松材線蟲病又稱松枯萎病，為林木的一種常見病蟲害，是一種毀滅性蟲害，具有蔓延速度快、防治難度大的特點(diǎn)，曾在許多地區(qū)發(fā)生并流行成災(zāi)。盡早發(fā)現(xiàn)患松材線蟲病的植株并將其砍伐，能夠防止病害擴(kuò)張蔓延，極大減少該病對當(dāng)?shù)厣鷳B(tài)環(huán)境的破壞以及帶來的經(jīng)濟(jì)損失。
2、傳統(tǒng)的對松材線蟲病的監(jiān)測手段大多為人工監(jiān)測，但由于松材線蟲病的爆發(fā)地點(diǎn)存在地形地貌復(fù)雜、分布地點(diǎn)不集中等特點(diǎn)，人工監(jiān)測法無法從根本上解決問題。為了緩解人工監(jiān)測的壓力，國內(nèi)外研究人員形成了多種自動監(jiān)測的相關(guān)技術(shù)方法，根據(jù)監(jiān)測方法主要可分為兩大類：根據(jù)衛(wèi)星正射融合影像生成lab色彩空間圖像和特征圖像，通過分割算法和植被特征閾值，綜合判斷病蟲害范圍，但存在著效率低下的問題，難以支撐爆發(fā)式增長的任務(wù)和需求。此外，隨著衛(wèi)星傳感器的不斷發(fā)展，又出現(xiàn)了基于衛(wèi)片、航片以及無人機(jī)數(shù)據(jù)的智能提取病蟲害范圍等方法，但衛(wèi)星數(shù)據(jù)智能提取只能得到大致的病蟲害樹木區(qū)域，無法準(zhǔn)確的判斷樹木的病蟲害嚴(yán)重程度；航片、無人機(jī)數(shù)據(jù)智能提取分辨率高，但存在著成本高、單幅影像范圍小等問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的是提供一種效率高且能區(qū)分病蟲害程度的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法、系統(tǒng)及存儲介質(zhì)。
2、為了實(shí)現(xiàn)上述目的，本專利技術(shù)提供了一種基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，包括如下步驟：
3、s1：獲取遙感衛(wèi)星采集到的
4、s2：對遙感影像數(shù)據(jù)內(nèi)的松材線蟲病疫木進(jìn)行標(biāo)注，并根據(jù)松材線蟲病疫木的病蟲害程度給予不同的標(biāo)簽，松材線蟲病疫木的病蟲害程度分為剛發(fā)病、病中和病死，得到含有松材線蟲病疫木信息的松材線蟲病疫木標(biāo)簽數(shù)據(jù)；
5、s3：將經(jīng)過步驟s1處理的遙感影像數(shù)據(jù)和步驟s2得到的松材線蟲病疫木標(biāo)簽數(shù)據(jù)進(jìn)行裁切，得到瓦片樣本數(shù)據(jù)，瓦片樣本數(shù)據(jù)包括影像瓦片和標(biāo)簽影像瓦片；
6、s4：將瓦片樣本數(shù)據(jù)分為訓(xùn)練瓦片樣本集和驗(yàn)證瓦片樣本集，其中，訓(xùn)練瓦片樣本集為準(zhǔn)確和具備代表性的樣本集，驗(yàn)證瓦片樣本集為包含典型的樣本類型的樣本集；
7、s5：構(gòu)建松材線蟲病疫木提取模型，松材線蟲病疫木提取模型為深度卷積神經(jīng)網(wǎng)絡(luò)模型；
8、s6：利用訓(xùn)練瓦片樣本集對松材線蟲病疫木提取模型進(jìn)行迭代訓(xùn)練，利用驗(yàn)證瓦片樣本集對松材線蟲病疫木提取模型進(jìn)行評估，得到訓(xùn)練后的松材線蟲病疫木提取模型；
9、s7：獲取待檢測的遙感影像數(shù)據(jù)，利用訓(xùn)練后的松材線蟲病疫木提取模型對待檢測的遙感影像數(shù)據(jù)進(jìn)行病蟲害疫木提取，得到病蟲害范圍的柵格概率圖；
10、s8：結(jié)合遙感影像數(shù)據(jù)的影像特點(diǎn)和病蟲害范圍的柵格概率圖，對遙感影像數(shù)據(jù)的病蟲害區(qū)域進(jìn)行偽圖斑去除，得到柵格結(jié)果；
11、s9：基于步驟s8得到的柵格結(jié)果進(jìn)行成果矢量化，并進(jìn)行主次分析、去小面和矢量抽稀平滑處理，得到最終包含處于不同發(fā)病期的病蟲害圖斑。
12、作為優(yōu)選方案，在步驟s1中，遙感影像數(shù)據(jù)采用北京三號n星采集的影像數(shù)據(jù)。
13、作為優(yōu)選方案，在步驟s1中，通過手勢牽引的方式勾畫松材線蟲病疫木種子點(diǎn)，利用graph?cut算法圍繞種子點(diǎn)實(shí)現(xiàn)多尺度分割，并建立周圍各個像素點(diǎn)與種子點(diǎn)相似度的賦權(quán)圖，計算特征差異閾值，獲取松材線蟲病疫木范圍標(biāo)簽。
14、作為優(yōu)選方案，在步驟s2中，采用遙感衛(wèi)星的空間參考模板對遙感影像數(shù)據(jù)進(jìn)行勻光勻色，使遙感影像數(shù)據(jù)色調(diào)均勻、反差適中、接近自然真彩色、光譜信息豐富；
15、其中，勻光勻色包括：對遙感衛(wèi)星的空間參考模板對遙感影像數(shù)據(jù)進(jìn)行多尺度特征統(tǒng)計，分別構(gòu)建原始特征值空間和目標(biāo)特征值空間；然后基于原始特征值空間和目標(biāo)特征值空間進(jìn)行wallis變換處理，得到影像各像素對應(yīng)的目標(biāo)特征值；最后通過色彩模式轉(zhuǎn)換得到處理后的遙感影像樣本數(shù)據(jù)。
16、作為優(yōu)選方案，在步驟s5中，松材線蟲病疫木提取模型基于編碼器-解碼器結(jié)構(gòu)，設(shè)計mpt網(wǎng)絡(luò)，其中編碼器部分設(shè)計cnn+transformer的網(wǎng)絡(luò)骨干mpt，transformer部分采用局部并行方式，使模型具有卷積的優(yōu)勢，也保持了self-attention的優(yōu)勢，在增強(qiáng)了特征提取能力的同時，模型效率也得到優(yōu)化；解碼器部分則使用uperhead，由金字塔池化模塊ppm的檢測頭和自上而下的特征金字塔網(wǎng)絡(luò)fpn解碼器構(gòu)成。
17、作為優(yōu)選方案，在步驟s6中，對步驟s4得到的訓(xùn)練瓦片樣本集進(jìn)行輻射增強(qiáng)處理和分辨率增強(qiáng)處理，其中，輻射增強(qiáng)處理包括亮度、色調(diào)、飽和度、對比度、噪聲擾動、圖像模糊，分辨率增強(qiáng)處理包括隨機(jī)縮放、隨機(jī)水平翻轉(zhuǎn)、隨機(jī)垂直翻轉(zhuǎn)；利用經(jīng)過輻射增強(qiáng)處理和分辨率增強(qiáng)處理后得到的訓(xùn)練瓦片樣本集對松材線蟲病疫木提取模型進(jìn)行訓(xùn)練；
18、在訓(xùn)練時，將松材線蟲病疫木提取模型輸入松材線蟲病疫木提取模型中，采用二分交叉熵?fù)p失函數(shù)，設(shè)置訓(xùn)練參數(shù)進(jìn)行迭代訓(xùn)練，當(dāng)訓(xùn)練達(dá)到迭代停止條件后，得到訓(xùn)練后的松材線蟲病疫木提取模型，對其進(jìn)行封裝，設(shè)置的訓(xùn)練參數(shù)的內(nèi)容包括學(xué)習(xí)率、學(xué)習(xí)率衰減、批大小，初始學(xué)習(xí)率設(shè)置為0.001，學(xué)習(xí)率衰減設(shè)置為0.000001，批大小設(shè)置為16。
19、作為優(yōu)選方案，在步驟s8中，利用形態(tài)學(xué)去偽和相似度去偽對對遙感影像數(shù)據(jù)的病蟲害區(qū)域進(jìn)行偽圖斑去除，其中，
20、形態(tài)學(xué)去偽利用形態(tài)特征因子對偽圖斑進(jìn)行去除，形態(tài)特征因子包括圖斑面積、狹長度、緊致度，根據(jù)松材線蟲病疫木的地物特征設(shè)置形態(tài)特征因子的閾值，去除大于閾值的目標(biāo)；
21、相似度去偽利用光譜特征因子和紋理特征因子去偽圖斑進(jìn)行去除，載入待檢測的遙感影像數(shù)據(jù)和病蟲害范圍的柵格概率圖，利用遙感影像樣本數(shù)據(jù)中剛發(fā)病、病中、病死的松材線蟲病疫木的地物特征計算各病蟲害程度的松材線蟲病疫木的光譜特征因子閾值、紋理特征因子閾值，去除與光譜特征因子閾值、紋理特征因子閾值相差較大的圖斑。
22、作為優(yōu)選方案，在步驟s9中，矢量抽稀平滑處理首先基于道格拉斯-普克算法的矢量抽稀，通過移除不必要的點(diǎn)來簡化矢量數(shù)據(jù)，同時保持主要特征，再基于貝塞爾曲線擬合數(shù)據(jù)點(diǎn)，生成平滑的曲線。
23、本專利技術(shù)還提供一種基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測系統(tǒng)，包括：
24、標(biāo)簽采集模塊，用于獲取遙感衛(wèi)星采集到的遙感影像數(shù)據(jù)，對遙感影像數(shù)據(jù)內(nèi)的松材線蟲病疫木進(jìn)行標(biāo)注，并根據(jù)松材線蟲病疫木的病蟲害程度給予不同的標(biāo)簽，松材線蟲病疫木的病蟲害程度分為剛發(fā)病、病中和病死，得到含有松材線蟲病疫木信息的松材線蟲病疫木標(biāo)簽數(shù)據(jù)；
25、樣本預(yù)處理模塊，用于對遙感影像數(shù)據(jù)進(jìn)行預(yù)處理；
26、樣本制作模塊，用于將經(jīng)過樣本預(yù)處理模塊處理的遙感影像數(shù)據(jù)和標(biāo)簽采集模塊獲取的松材線蟲病疫木標(biāo)簽數(shù)據(jù)進(jìn)行裁切，得到瓦片樣本數(shù)據(jù)，形成樣本庫，瓦片樣本數(shù)據(jù)包括影像瓦片和標(biāo)簽影像瓦片；
27、樣本本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟S1中，遙感影像數(shù)據(jù)采用北京三號N星采集的影像數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟S1中，通過手勢牽引的方式勾畫松材線蟲病疫木種子點(diǎn)，利用Graph?cut算法圍繞種子點(diǎn)實(shí)現(xiàn)多尺度分割，并建立周圍各個像素點(diǎn)與種子點(diǎn)相似度的賦權(quán)圖，計算特征差異閾值，獲取松材線蟲病疫木范圍標(biāo)簽。
4.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟S2中，采用遙感衛(wèi)星的空間參考模板對遙感影像數(shù)據(jù)進(jìn)行勻光勻色，使遙感影像數(shù)據(jù)色調(diào)均勻、反差適中、接近自然真彩色、光譜信息豐富；
5.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟S5中，松材線蟲病疫木提取模型基于編碼器-解碼器結(jié)構(gòu)，設(shè)計MPT網(wǎng)絡(luò)，其中編碼器部分設(shè)計CNN+Transformer的骨干網(wǎng)絡(luò)，Transformer部分采用局部并行方式，使模
6.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟S6中，對步驟S4得到的訓(xùn)練瓦片樣本集進(jìn)行輻射增強(qiáng)處理和分辨率增強(qiáng)處理，其中，輻射增強(qiáng)處理包括亮度、色調(diào)、飽和度、對比度、噪聲擾動、圖像模糊，分辨率增強(qiáng)處理包括隨機(jī)縮放、隨機(jī)水平翻轉(zhuǎn)、隨機(jī)垂直翻轉(zhuǎn)；利用經(jīng)過輻射增強(qiáng)處理和分辨率增強(qiáng)處理后得到的訓(xùn)練瓦片樣本集對松材線蟲病疫木提取模型進(jìn)行訓(xùn)練；
7.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟S8中，利用形態(tài)學(xué)去偽和相似度去偽對對遙感影像數(shù)據(jù)的病蟲害區(qū)域進(jìn)行偽圖斑去除，其中，
8.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟S9中，矢量抽稀平滑處理首先基于道格拉斯-普克算法的矢量抽稀，通過移除不必要的點(diǎn)來簡化矢量數(shù)據(jù)，同時保持主要特征，再基于貝塞爾曲線擬合數(shù)據(jù)點(diǎn)，生成平滑的曲線。
9.基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測系統(tǒng)，其特征在于，包括：
10.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述的計算機(jī)程序被處理器執(zhí)行時，實(shí)現(xiàn)權(quán)利要求1至8任一項(xiàng)所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法。
...【技術(shù)特征摘要】
1.基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟s1中，遙感影像數(shù)據(jù)采用北京三號n星采集的影像數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟s1中，通過手勢牽引的方式勾畫松材線蟲病疫木種子點(diǎn)，利用graph?cut算法圍繞種子點(diǎn)實(shí)現(xiàn)多尺度分割，并建立周圍各個像素點(diǎn)與種子點(diǎn)相似度的賦權(quán)圖，計算特征差異閾值，獲取松材線蟲病疫木范圍標(biāo)簽。
4.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟s2中，采用遙感衛(wèi)星的空間參考模板對遙感影像數(shù)據(jù)進(jìn)行勻光勻色，使遙感影像數(shù)據(jù)色調(diào)均勻、反差適中、接近自然真彩色、光譜信息豐富；
5.根據(jù)權(quán)利要求1所述的基于遙感衛(wèi)星的松材線蟲病疫木監(jiān)測方法，其特征在于，在步驟s5中，松材線蟲病疫木提取模型基于編碼器-解碼器結(jié)構(gòu)，設(shè)計mpt網(wǎng)絡(luò)，其中編碼器部分設(shè)計cnn+transformer的骨干網(wǎng)絡(luò)，transformer部分采用局部并行方式，使模型具有卷積的優(yōu)勢，也保持了self-attention的優(yōu)勢，在增強(qiáng)了特征提取能力的同時，模型效率也得到優(yōu)化；解碼器部分則使用uperhead，由...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：秦琳，孟先進(jìn)，劉新科，林壽明，李延峰，關(guān)雄飛，范松滔，張水花，薛亞東，
申請(專利權(quán))人：廣東省林業(yè)調(diào)查規(guī)劃院，
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。