The invention provides a land use type extraction method and device, the method includes: dividing the time series of remote sensing data in the target area into multiple frames; inputting the remote sensing data of each frame into the forward LSTM in the Bi \u2011 LSTM network according to the forward time sequence of the remote sensing data acquisition of each frame, inputting the forward LSTM in the Bi \u2011 LSTM network according to the reverse time sequence of the remote sensing data acquisition of each frame The backward LSTM obtains the feature vectors of remote sensing data in the last layer of the forward LSTM and the last layer of the backward LSTM respectively; inputs the two feature vectors into the logic regression layer of the Bi \u2011 LSTM network, and outputs the land use type of the target area. The invention classifies land use types based on deep learning and improves classification accuracy.
【技术实现步骤摘要】
土地利用类型提取方法及装置
本专利技术属于遥感数据处理
,尤其涉及一种土地利用类型提取方法及装置。
技术介绍
土地覆盖是指地球表面的植被覆盖物和人工覆盖物的总称,是自然植被与自然营造体和人工建造所覆盖的地表诸要素的综合反映。土地覆盖是人类认识自然、掌握自然规律必备的信息,也是各种资源管理和地理信息服务所需要的最基本数据。因此,土地覆盖信息的获取、分析和更新显得极其重要。遥感影像数据以其宏观性、实时性的特点,一直以来都是土地覆盖检测的重要手段。目前基于遥感数据的土地覆盖分类方法一般分为两种,一种是基于遥感原始图像作为目视解译的传统方法;另一种则是利用深度学习的思想基于遥感的数据产品,包括一级产品和更高级产品的智能分类。为了获取一级土地分类产品,目前一般是用遥感数据的反射率产品数据或NDVI(NormalizedDifferenceVegetationIndex,归一化植被指数)产品数据作为分类依据的分类模型。而随着遥感数据的高级产品的出现,特别是多种陆表参量产品,如代表性的GLASS(GlobalLandSurfaceSatellite,全球陆表特征参量)产品的出现,为现有的土地覆盖分类方法提高分类精度提供了可能。
技术实现思路
为克服上述现有的土地覆盖分类方法无法满足土地覆盖分类的精度要求问题或者至少部分地解决上述问题,本专利技术实施例提供一种土地利用类型提取方法及装置。根据本专利技术实施例的第一方面,提供一种土地利用类型提取方法,包括:将目标区域的遥感数据的 ...
【技术保护点】
1.一种土地利用类型提取方法,其特征在于,包括:/n将目标区域的遥感数据的时间序列分成多个帧;/n将各帧所述遥感数据按各帧所述遥感数据采集的正向时间顺序输入Bi-LSTM网络中的前向LSTM,按各帧所述遥感数据采集的反向时间顺序输入所述Bi-LSTM网络中的后向LSTM,分别在所述前向LSTM的最后一层隐藏层和所述后向LSTM的最后一层隐藏层获取所述遥感数据的特征向量;/n将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层,输出所述目标区域的土地利用类型。/n
【技术特征摘要】
1.一种土地利用类型提取方法,其特征在于,包括:
将目标区域的遥感数据的时间序列分成多个帧;
将各帧所述遥感数据按各帧所述遥感数据采集的正向时间顺序输入Bi-LSTM网络中的前向LSTM,按各帧所述遥感数据采集的反向时间顺序输入所述Bi-LSTM网络中的后向LSTM,分别在所述前向LSTM的最后一层隐藏层和所述后向LSTM的最后一层隐藏层获取所述遥感数据的特征向量;
将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层,输出所述目标区域的土地利用类型。
2.根据权利要求1所述的土地利用类型提取方法,其特征在于,在将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层,输出所述目标区域的土地利用类型的步骤之前还包括:
将所述前向LSTM的最后一层隐藏层输出的特征向量输入所述前向LSTM中的平均池层,将所述后向LSTM的最后一层隐藏层输出的特征向量输入所述后向LSTM中的平均池层,获取两个所述平均池层的输出结果;
相应地,将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层,输出所述目标区域的土地利用类型的步骤具体包括:
将两个所述平均池层的输出结果输入所述Bi-LSTM网络的逻辑回归层,输出所述目标区域的土地利用类型。
3.根据权利要求2所述的土地利用类型提取方法,其特征在于,通过以下公式将所述前向LSTM的最后一层隐藏层输出的特征向量输入所述前向LSTM中的平均池层,将所述后向LSTM的最后一层隐藏层输出的特征向量输入所述后向LSTM中的平均池层,获取两个所述平均池层的输出结果:
其中,h为任一平均池层的输出结果,T为总帧数,ht为第t帧遥感数据xt输入所述前向LSTM或后向LSTM时输出的特征向量,为xt中第1个数据,为xt中第2个数据,为xt中第3个数据,为xt中第M个数据,M为xt中的数据总数。
4.根据权利要求1所述的土地利用类型提取方法,其特征在于,将两个所述特征向量输入所述Bi-LSTM网络的逻辑回归层,输出所述目标区域的土地利用类型的步骤具体包括:
将两个所述特征向量连接成新特征向量;
将所述新特征向量输入所述逻辑回归层中的softmax层,输出所述目标区域的...
【专利技术属性】
技术研发人员:赵祥,王昊宇,雷添杰,
申请(专利权)人:北京师范大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。