遥感卫星图像的耕地边界提取方法

本发明涉及遥感地物信息提取，具体设计一种基于多时序sentinel-2高分辨率遥感卫星影像的耕地地块提取方法。

背景技术：

1、农用耕地不仅是农业生产的重要载体，也是工业经济稳定发展的重要保障。但是从国土二调到国土三调的数据结果来看，违规建设占用农用耕地的现象常有发生。遥感作为一门能够快速从高空获取大范围地面信息的实用技术，被广泛应用于智慧农业、灾害预警和土地资源调查活动中。同时，随着遥感卫星的空间、时间、光谱分辨率的不断提高，利用遥感影像对大范围的地物信息提取成为一种高效、及时和精准的首要手段。

2、由于耕地种植的农作物种类比较复杂，因此传统的图像处理方法处理单幅遥感图像中的简单特征时，由于算法结构较为简单，导致提取到的特征有限，难以胜任内容复杂的遥感图像分割任务。目前常用的深度学习模型中使用的单时相遥感图像未能充分利用作物生长周期中的光谱变化的规律信息以及模型中仍存在一些结构细节问题，导致目前的耕地地块提取算法存在提取精度低、细节差和地块间粘连的问题，所以目前的地块提取模型的精度仍存在可提升的空间。

技术实现思路

1、本发明的目的在于提供遥感卫星图像的耕地边界提取方法，该方法能够有效提高遥感地块信息提取的精度，有效减弱提取结果中相邻地块间的粘连问题。

2、为实现上述目的，本发明采用以下技术方案：

3、本发明的遥感卫星图像的耕地边界提取方法，步骤如下：

4、步骤一、获取研究区域范围的边界矢量文件；

5、步骤二、根据步骤一中获取的边界矢量文件，从影像数据下载网站下载覆盖研究区作物生长季的7幅sentinel-2影像；

6、步骤三、对步骤二中得到的7幅sentinel-2影像进行处理：

7、3.1)对步骤二得到的7幅sentinel-2影像进行计算对应的归一化植被指数特征，并计算1幅sentinel-2影像的归一化差异水体指数特征，最后将8幅指数特征图进行波段合成，处理为一幅8波段的图像数据；

8、3.2)使用规则裁剪的方式，以尺寸为256px*256px的滑动窗口对3.1)得到的图像数据进行规则裁剪，并删除裁剪结果中的无效数据，结合标签数据构成原始数据集，然后使用垂直旋转、竖直旋转和对角旋转进行几何变换增强，得到深度学习数据集；最后按照7:1:2的比例进行训练集、验证集和测试集划分；

9、步骤四、构建unet++多时序语义信息提取模型；

10、步骤五、使用3.2)得到的训练集、验证集和测试集对模型进行训练100个epoch；

11、步骤六、使用步骤四得到的unet++多时序语义信息提取模型对其它地区遥感图像内的地块进行推理提取；

12、步骤七、使用canny边缘检测算法对遥感图像进行边缘特征提取，并将提取结果与步骤六提取得到的结果进行融合；再使用腐蚀、孔洞填充和孤立像素去除复合图像处理算法进行结果后处理；

13、步骤八、使用arcgis软件对步骤七后处理后的结果进行矢量化，得到地块边界结果。

14、进一步的，所述步骤二中，7幅sentinel-2影像的分辨率为10米或更高，具有红、绿、蓝、近红外和短波红外波段。

15、进一步的，步骤3.2)中，构成原始数据集时基于下载的sentinel-2卫星遥感影像，结合地面调查数据，人工目视解译并标注耕地，构成矢量文件数据，再通过矢量面转栅格，制作标签数据；

16、进一步的，步骤四中所述unet++多时序语义信息提取模型使用swish函数代替unet++多时序语义信息提取模型中的relu函数，增强模型的训练效率和应用推理速度；引入空间注意力机制和通道注意力机制增强提取图像数据中的空间特征和通道间的关系特征。

17、进一步的，所述步骤五中将训练集、验证集和测试集输入到构建unet++多时序语义信息提取模型中进行训练，得到unet++多时序语义信息提取模型的最优参数。

18、进一步的，所述步骤六中使用的其它地区遥感图像按照步骤3.1)进行处理。

19、进一步的，所述步骤七中，用于边缘特征提取的图像数据为rgb图像。

20、与现有技术相比，本发明的有益效果为：

21、本发明的遥感卫星图像的耕地边界提取方法通过建立多时序数据集解决目前使用单幅遥感图像提取耕地块存在精度低、细节差的问题。在unet++模型中加入通道注意力和空间注意力机制，来获取更多时序归一化植被指数(ndvi)数据的通道关系信息和耕地的空间信息，抑制其他无用信息；使用swish函数替换原模型中的relu函数，避免模型在负值区域出现神经元失活的现象。针对地块间粘连的问题，通过融合地块边界纹理特征、孔洞填充和去除孤立像素等图像处理算法对地块提取模型结果进行后处理。实验结果证明，使用多时序归一化植被指数(ndvi)数据提取耕地地块的精度高于单时相图像；与unet、unet++和deeplabv3+三种标准网络模型相比，本文提出耕地地块提取模型能够有效提高地块识别的精度；提出的后处理方法有效地消除了地块间粘连的问题。

22、本发明提出的基于多时序sentinel-2遥感卫星图像的耕地边界提取方法在大空间尺度的影像上具有较高的应用潜力。

技术特征：

1.遥感卫星图像的耕地边界提取方法，其特征在于，步骤如下：

2.根据权利要求1所述的遥感卫星图像的耕地边界提取方法，其特征在于，所述步骤二中，7幅sentinel-2影像的分辨率为10米或更高，具有红、绿、蓝、近红外和短波红外波段。

3.根据权利要求1所述的遥感卫星图像的耕地边界提取方法，其特征在于，步骤3.2)中，构成原始数据集时基于下载的sentinel-2卫星遥感影像，结合地面调查数据，人工目视解译并标注耕地，构成矢量文件数据，再通过矢量面转栅格，制作标签数据。

4.根据权利要求1所述的遥感卫星图像的耕地边界提取方法，其特征在于，步骤四中所述unet++多时序语义信息提取模型使用swish函数代替unet++多时序语义信息提取模型中的relu函数，增强模型的训练效率和应用推理速度；引入空间注意力机制和通道注意力机制增强提取图像数据中的空间特征和通道间的关系特征。

5.根据权利要求1所述的遥感卫星图像的耕地边界提取方法，其特征在于，步骤五中将训练集、验证集和测试集输入到构建unet++多时序语义信息提取模型中进行训练，得到unet++多时序语义信息提取模型的最优参数。

6.根据权利要求1所述的遥感卫星图像的耕地边界提取方法，其特征在于，步骤六中使用的其它地区遥感图像按照步骤3.1)进行处理。

7.根据权利要求1所述的遥感卫星图像的耕地边界提取方法，其特征在于，步骤七中用于边缘特征提取的图像数据为rgb图像。

技术总结
本发明涉及遥感卫星图像的耕地边界提取方法，属于遥感地物信息提取技术领域。解决目前使用单幅遥感图像提取耕地块存在精度低、细节差和地块间粘连的问题。在UNet++模型中加入注意力机制，来获取多时序归一化植被指数(NDVI)数据的通道关系信息和耕地的空间信息，抑制其他无用信息；使用Swish函数替换原模型中的ReLU函数，避免模型在负值区域出现神经元失活的现象。针对地块间粘连的问题，通过融合地块边界纹理特征、孔洞填充和去除孤立像素等图像处理算法对地块提取模型结果进行后处理。本发明的方法能够有效提高地块识别的精度；提出的后处理方法有效地消除了地块间粘连的问题，在大空间尺度的影像上具有较高的应用潜力。

技术研发人员：丁天雨,郑兴明,曲福恒,郭天豪
受保护的技术使用者：中国科学院东北地理与农业生态研究所
技术研发日：
技术公布日：2024/2/1