(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211181778.8 (22)申请日 2022.09.27 (71)申请人 三峡大学 地址 443002 湖北省宜昌市西陵区大 学路8 号 (72)发明人 任东　何雨岩　孙航　向野　汤丹　 丁峰　 (74)专利代理 机构 宜昌市三峡专利事务所 42103 专利代理师 余山 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/10(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种利用 遥感矢量对耕地区域进行识别的 方法 (57)摘要 一种利用 遥感矢量对耕地区域进行识别的 方法， 它包括以下步骤： 步骤1： 获取遥感影像， 并 进行图像处理以获得遥感图像； 步骤2： 用制作好 的数据集对特征提取网络和注意力解码模块进 行训练， 得到分割模型； 步骤3： 对分割模型进行 训练， 将待识别区域的遥感图像放入已训练好的 分割模型中得到分割结果图像； 步骤4： 将分割结 果图像进行拼接， 计算耕地区域面积。 本发明的 目的是为了解决现有针对耕地面积测量的遥感 影像处理方法， 对耕地的边缘分割的提取效果及 准确度不佳， 容易在耕地的边缘出现不完整分割 和多余的分割的技术问题， 而提供的一种能实现 对耕地区域更加精确的分割的利用遥感矢量对 耕地区域进行识别的方法。 权利要求书2页 说明书5页 附图2页 CN 115497008 A 2022.12.20 CN 115497008 A 1.一种利用遥感矢量对耕地区域进行识别的方法， 其特 征在于， 它包括以下步骤： 步骤1： 获取遥感影 像， 并进行图像处 理以获得遥感图像； 步骤2： 用制作好的数据集对特征提取网络和注意力解码模块进行训练， 得到分割模 型； 步骤3： 对分割模型进行训练， 将待识别区域的遥感图像放入已训练好的分割模型中得 到分割结果图像； 步骤4： 将分割结果图像进行拼接， 计算耕地区域 面积。 2.根据权利要求1所述的方法， 其特征在于， 在步骤2中， 特征提取网络的网络包括深度 残差网络(1)、 特征融合模块(2)， 深度残差网络(1)的输入端输入遥感图像， 深度残差网络 (1)的输出端与特征融合模块(2)的输入端连接， 特征融合模块(2)的输出端输出高级特征 图； 深度残差网络(1)的输出端与注意力解码模块(3)的输入端连接， 同时高级特征图输入 注意力解码模块(3)， 注意力解码模块(3)的输出端输出分割结果。 3.根据权利要求2所述的方法， 其特征在于， 特征融合模块(2)包括四个并行连接的卷 积模块及池化层模块， 卷积模块分别为第一卷积模块、 第二卷积模块、 第三卷积模块、 第四 卷积模块， 深度残差网络(1)输出的特征图输入并行连接的第一卷积模块、 第二卷积模块、 第三卷积模块、 第四卷积模块、 池化层模块， 经 过并行操作得到融合后的高级特 征图。 4.根据权利要求2或3所述的方法， 其特征在于， 注意力解码模块(3)包括两个特征通道 融合模块， 三个卷积模块， 特 征相乘模块， 三个上采样模块和全局平均池化模块； 特征通道融合模块分别为第一特 征通道融合模块和第二特 征通道融合模块； 卷积模块分别为第五卷积模块、 第六 卷积模块； 上采样模块分别为第一上采样模块、 第二上采样模块、 第三上采样模块； 第一上采样模块的输出端与第六卷积块的输入端连接， 第五卷积模块的输出端、 第六 卷积模块的输出端和 第一特征通道融合模块的输入端连接， 第一特征通道融合模块的输出 端与特征相乘模块的第一输入端连接； 第二上采样模块的输出端和全局 平均池化模块的输入端连接， 全局 平均池化模块的输 出端和第七卷积模块的输入端连接， 第七卷积模块的输入端与特征相乘模块的第二输入端 连接； 特征相乘模块、 第三上采样模块的输出端与第二特 征通道融合模块的输入端连接 。 5.根据权利要求4所述的方法， 其特征在于， 遥感图像输入深度残差网络(1)， 由深度残 差网络(1)进行特征提取， 得到特征图F1、 特征图F2、 特征图F3、 特征图F4； 其中， 特征图F4输 入特征融合模块(2)中， 特 征融合模块(2)输出高级特 征图； 对特征图F2进行上采样获得与特征图F1相同大小的特征图 →将该特征图与特征图F1 通过第五卷积模块进行卷积操作以分别获得特征图F6、 特征图F7 →将特征图F6、 特征图F7 进行特征融合以获得低级融合特征图F8 →对高级特征图F5进 行上采样， 接着进 行全局平均 池化和卷积操作并与特征图F8进行相乘操作以获得特征图F9 →对特征图F5进行上采样并 与特征图F9进行特征通道融合操作以获得特征图F10 →对特征图F10进行卷积操作和上采 样操作， 得到分割结果。 6.根据权利要求1所述的方法， 其特 征在于， 在步骤1中， 包括以下子步骤：权　利　要　求　书 1/2 页 2 CN 115497008 A 21‑1： 使用无 人机对目标区域进行拍摄， 获取遥感图像； 1‑2： 筛选遥感图像， 并进行 标注； 1‑3： 对遥感图像进行切割， 制作成数据集； 1‑4： 对数据集进行 数据增强， 采用尺度随机缩放的方法， 扩充数据集的图片的数量。 7.根据权利要求1所述的方法， 其特征在于， 在步骤3 中， 用于网络训练的损失函数的定 义如下： 其中， M为类别的数量， N为像素的总量； yic为符号函数， 如果样本i的真实类别等于c， 取 1， 否则取0； pic为观测样本i属于类别c的预测概 率。 8.根据权利要求1所述的方法， 其特征在于， 在步骤3 中， 对待识别的耕地区域的遥感图 像进行切分， 输入到已经训练好的模型中， 得到耕地的分割结果图像。 9.根据权利要求书1所述的方法， 其特征在于， 在步骤4中， 将分割结果图像进行拼接， 依据拼接后的图像的像元个数和像元 大小计算耕地区域的面积。 10.根据权利要求2或3或5所述的方法， 其特征在于， 深度残差 网络(1)为resnet ‑101网 络。权　利　要　求　书 2/2 页 3 CN 115497008 A 3