一种地块边界实例类别协同分类方法、装置、设备和介质

摘要: 本发明涉及涉及农业遥感影像智能解译与作物分类,尤其涉及一种地块边界实例类别协同分类方法、装置、设备和介质。背景技术:1、地块级作物分类是种植结构调查、农业保险核...
一种地块边界实例类别协同分类方法、装置、设备和介质

本发明涉及涉及农业遥感影像智能解译与作物分类,尤其涉及一种地块边界实例类别协同分类方法、装置、设备和介质。

背景技术:

1、地块级作物分类是种植结构调查、农业保险核验、耕地用途监管和精细化农情管理的技术手段,可以通过对遥感影像进行地块分割与作物类型识别,生成具有明确空间范围和作物属性的地块对象,为面积统计和政策核查提供数据支撑。

2、在地块级作物分类场景中,需同步获取地块的空间边界、独立实例编号及内部作物的类别属性,三个信息维度共同构成完整的地块对象描述。目前,该领域常用的技术路线为:将遥感影像输入边界提取网络或实例分割网络,获得地块轮廓或像素级实例掩膜,随后将各地块范围内的像素裁剪出来,分别送入分类网络进行作物类型判定,最终将边界信息与类别信息拼接输出。

3、然而在该串行架构中,边界提取阶段的漏检、粘连或过分割误差直接输入后续分类环节,导致分类阶段接收的像素集合已偏离真实地块的空间覆盖,使分类结果建立在错误划分的地块单元之上,最终输出的地块对象在边界完整性和类别准确性上不可靠。

技术实现思路

1、基于此,有必要针对上述技术问题,提供一种地块边界实例类别协同分类方法、装置、设备和介质。

2、本说明书采用下述技术方案:

3、本说明书提供了一种地块边界实例类别协同分类方法,包括:

4、获取待处理区域的遥感影像;

5、提取所述遥感影像的多尺度共享特征;根据所述多尺度共享特征,分别获得地块边界概率、候选地块信息以及作物类别概率;

6、根据像素与候选地块之间的特征相似度以及所述像素与所述候选地块之间连通路径上的边界概率,确定所述像素归属各候选地块的得分,并根据所述归属得分生成地块实例;对于每一地块实例,根据该地块实例内部各像素到实例边界的距离对作物类别概率进行加权聚合,确定该地块实例的主导作物类别;根据所述地块边界概率和所述主导作物类别在各地块实例内的空间分布,对各地块实例进行分裂或合并;

7、对分裂或合并后的地块实例重新确定像素归属和主导作物类别,并在地块实例范围和主导作物类别均保持不变时,输出各地块实例的边界、编号和作物类别。

8、进一步地,所述多尺度共享特征由经遥感影像掩膜重建自监督预训练的遥感大模型提取;

9、所述遥感大模型执行预训练的过程为:选取无标注或少标注遥感影像,随机对影像局部区域实施掩膜遮挡操作,由所述遥感大模型的共享编码器提取未被遮挡区域的图像特征,并由解码器根据提取到的图像特征还原被遮挡区域的光谱信息、空间纹理信息和作物时序变化信息中的至少一类,得到预训练参数;

10、采用所述预训练参数初始化所述共享编码器,并在所述共享编码器的多尺度输出端分别配置边界特征转换层、实例特征转换层和类别特征转换层;所述边界特征转换层留存地块轮廓信息以支撑像素归属得分计算与实例修正判断,所述实例特征转换层融合地块几何形状与区域整体特征以支撑候选地块相似度比对,所述类别特征转换层提取作物专属光谱与时序特征以支撑作物类别概率预测;三个分支共用所述共享编码器输出的同一套多尺度共享特征。

11、进一步地,所述根据像素与候选地块之间的特征相似度以及连通路径上的边界概率确定像素归属得分,包括:

12、计算单个像素与任意候选地块中心之间的特征匹配程度,沿所述像素至对应候选地块中心的连通路径统计路径内全部位置的地块边界概率,得到边界穿越代价;

13、以所述特征匹配程度抵消所述边界穿越代价,得到所述像素归入该候选地块的归属得分,将所述像素划分至归属得分最优的候选地块,形成地块实例掩膜;

14、若单个像素对应的最优归属得分与次优归属得分的差值未达到预设区分标准,则结合像素邻域已分配的实例编号、候选地块中心响应强度与空间连通关系确定该像素最终归属的候选地块。

15、进一步地,所述根据像素到实例边界的距离对作物类别概率进行加权聚合确定地块主导作物类别,包括:

16、针对地块实例内全部像素生成归一化边界距离权重,同时结合各像素自身的类别置信程度和影像有效观测质量,共同生成类别聚合权重,提高地块内部稳定观测像素在类别统计中的贡献占比,降低地块边缘过渡像素和云阴影缺陷像素的贡献占比;

17、利用所述类别聚合权重对像素级作物类别概率进行加权汇总,得到像素聚合类别概率;对整块实例区域特征执行池化处理,得到地块级作物类别概率;

18、依据地块实例的边界完整程度、地块面积规模和内部像素类别分布集中程度,自适应确定所述像素聚合类别概率与所述地块级作物类别概率的融合配比,以融合后概率最高的类别作为该地块实例的主导作物类别。

19、进一步地,所述对各地块实例进行分裂或合并的执行约束条件为:

20、执行实例分裂的约束:同一地块实例内部形成至少两处空间连续、类别响应强度达到预设标准且主导类别互不相同的子区域,且两处子区域的交界位置存在连续的地块边界响应时,沿所述边界响应对应位置拆分该地块实例;仅由影像噪声或局部缺测造成的零散类别差异不触发实例分裂;

21、执行实例合并的约束:两处相邻地块实例的共享交界位置无明显地块边界响应、交界两侧图像特征连续性达到预设标准,且合并后能够形成单一完整连通区域时,合并该两处相邻实例;相邻实例种植同类作物不单独作为实例合并的判定依据。

22、进一步地,所述地块实例完成迭代稳定后,执行相邻地块辅助类别校正步骤:

23、以每一独立地块实例为节点构建地块邻接关系图,两块地块具备公共交界或空间间隔小于预设范围时建立邻接关联;依据相邻地块之间的公共交界长度、地块整体特征匹配程度、多时相作物时序特征相似度和邻接地块自身类别置信程度,生成归一化邻接参考权重;

24、仅对自身类别置信程度未达到合格标准、类别响应缺失或多候选类别区分度不足的目标地块执行辅助校正;当所述目标地块与所有邻接可靠地块的整体特征匹配,且所有邻接可靠地块判定的主导作物类别统一时,利用所述邻接参考权重修正所述目标地块的类别概率;若邻接可靠地块判定类别存在分歧,则保留所述目标地块的原始类别判定结果。

25、进一步地,还包括网络联合训练流程与结果后处理步骤;

26、所述网络联合训练流程:同步引入边界任务损失、实例划分任务损失和作物分类任务损失,并额外增设边界与实例一致性损失、实例与类别一致性损失、实例修正约束损失和邻接校正约束损失,通过多类损失协同约束三个分支的输出结果相互匹配;

27、所述结果后处理步骤:在迭代稳定完成校正后,对全部地块实例执行小面积斑块剔除和地块轮廓平滑简化处理,将地块编号、闭合边界轮廓和主导作物类别同步封装输出为适配耕地统计和农情核验的矢量地块对象数据。

28、本说明书提供了一种地块边界实例类别协同分类装置,包括:

29、数据获取模块,用于获取待处理区域的遥感影像;

30、多尺度特征提取与多任务预测模块,用于提取所述遥感影像的多尺度共享特征;根据所述多尺度共享特征,分别获得地块边界概率、候选地块信息以及作物类别概率;

31、地块实例生成与类别判定及修正模块,用于根据像素与候选地块之间的特征相似度以及所述像素与所述候选地块之间连通路径上的边界概率,确定所述像素归属各候选地块的得分,并根据所述归属得分生成地块实例;对于每一地块实例,根据该地块实例内部各像素到实例边界的距离对作物类别概率进行加权聚合,确定该地块实例的主导作物类别;根据所述地块边界概率和所述主导作物类别在各地块实例内的空间分布,对各地块实例进行分裂或合并;

32、迭代优化与结果输出模块,用于对分裂或合并后的地块实例重新确定像素归属和主导作物类别,并在地块实例范围和主导作物类别均保持不变时,输出各地块实例的边界、编号和作物类别。

33、本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述地块边界实例类别协同分类方法。

34、本说明书提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述地块边界实例类别协同分类方法。

35、本说明书采用的上述至少一个技术方案能够达到以下有益效果:

36、本发明将边界概率直接参与像素归属得分的计算以形成地块实例,使边界检测结果从源头约束地块的空间范围,地块实例一旦形成,即作为类别判定的限定范围,类别聚合仅在实例内部执行,避免了相邻地块光谱混叠对类别统计的干扰;当类别空间分布与边界响应共同指向实例划分不当时,对实例执行分裂或合并操作并重新判定类别,形成了类别信息对实例划分的反向核验机制,抑制了边界漏检或过分割带来的误差传递,最终输出的地块对象具备独立编号、闭合边界和稳定的作物类别,可直接用于面积统计与农情核验。