基于光谱遥感和多特征融合的土地非法侵占检测方法与流程

技术特征：
1.一种基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，通过云服务器实现，所述方法包括：获取第一模板土地遥感影像数据，所述第一模板土地遥感影像数据包括携带训练标注数据的土地遥感影像，所述训练标注数据表征所述土地遥感影像的非法侵占特征；对所述第一模板土地遥感影像数据进行训练数据优化，生成第二模板土地遥感影像数据，所述第二模板土地遥感影像数据的积极待学习土地遥感影像和消极待学习土地遥感影像的影像占比大于设定影像占比；对所述第二模板土地遥感影像数据进行多维度特征提取，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影像的多维度融合特征，所述多维度融合特征由影像低层特征和影像高层特征构成，所述影像低层特征包括光谱特征、轮廓特征、边缘特征、颜色特征、纹理特征和形状特征；依据所述第二模板土地遥感影像数据中的待学习土地遥感影像和各个所述待学习土地遥感影像的多维度融合特征对土地非法侵占检测模型进行模型优化，生成收敛后的土地非法侵占检测模型；对输入土地遥感影像序列进行多维度特征提取，生成所述输入土地遥感影像序列中各个输入土地遥感影像的多维度融合特征；依据所述收敛后的土地非法侵占检测模型以及所述输入土地遥感影像序列中各个所述输入土地遥感影像的多维度融合特征进行土地非法侵占检测，生成所述输入土地遥感影像序列中各个输入土地遥感影像的土地非法侵占预测结果，所述土地非法侵占预测结果表征所述输入土地遥感影像的非法侵占特征。2.根据权利要求1所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述对输入土地遥感影像序列进行多维度特征提取，生成所述输入土地遥感影像序列中各个输入土地遥感影像的多维度融合特征，包括：提取所述输入土地遥感影像序列中各个输入土地遥感影像的土地区域场景特征；依据所述输入土地遥感影像序列中各个输入土地遥感影像的地块要素分布，提取所述输入土地遥感影像序列中各个输入土地遥感影像的地块要素辐射特征；基于时序运行方向对所述输入土地遥感影像序列中各个输入土地遥感影像的土地区域场景特征和地块要素辐射特征进行特征融合，以融合生成不同遥感监测时序范围的融合后的土地区域场景特征和融合后的地块要素辐射特征；对融合前和/或融合后的土地区域场景特征与地块要素辐射特征进行高层特征提取，生成所述输入土地遥感影像序列中各个输入土地遥感影像的影像高层特征；对所述输入土地遥感影像序列中各个输入土地遥感影像进行影像低层特征编码，生成所述输入土地遥感影像序列中各个输入土地遥感影像的影像低层特征；将所述输入土地遥感影像序列中各个输入土地遥感影像的影像高层特征和影像低层特征进行融合，生成所述输入土地遥感影像序列中各个输入土地遥感影像的多维度融合特征。3.根据权利要求2所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述提取所述输入土地遥感影像序列中各个输入土地遥感影像的土地区域场景特征，包括：
依据所述输入土地遥感影像序列中各个输入土地遥感影像的先验状态数据，提取所述输入土地遥感影像序列中各个输入土地遥感影像的土地区域场景特征，所述土地区域场景特征包括植被覆盖特征、水土流失特征、土壤缺失特征和土地风蚀特征。4.根据权利要求2所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述将所述输入土地遥感影像序列中各个输入土地遥感影像的影像高层特征和影像低层特征进行融合，生成所述输入土地遥感影像序列中各个输入土地遥感影像的多维度融合特征，包括：将所述输入土地遥感影像序列中各个输入土地遥感影像的影像高层特征和所述影像低层特征按照影像定位区域进行一一映射融合，生成所述输入土地遥感影像序列中各个输入土地遥感影像的多维度融合特征。5.根据权利要求1所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述获取第一模板土地遥感影像数据，包括：从第三模板土地遥感影像数据中获取携带训练标注数据的土地遥感影像；获取所述土地遥感影像的遥感监测采集特征；基于所述土地遥感影像的遥感监测采集特征，计算异常影像标签热力图；基于所述异常影像标签热力图和影像清洗规则，从所述土地遥感影像中清洗噪声土地遥感影像，生成更新后的携带训练标注数据的土地遥感影像，作为所述第一模板土地遥感影像数据。6.根据权利要求1所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述对所述第一模板土地遥感影像数据进行训练数据优化，生成第二模板土地遥感影像数据，包括：依据弱训练类的待学习土地遥感影像的半监督学习算法对所述第一模板土地遥感影像数据进行训练数据优化，生成第二模板土地遥感影像数据；或者依据侵占类别判别损失优化算法对所述第一模板土地遥感影像数据进行训练数据优化，生成第二模板土地遥感影像数据；所述依据弱训练类的待学习土地遥感影像的半监督学习算法对所述第一模板土地遥感影像数据进行训练数据优化，生成第二模板土地遥感影像数据，包括：获取所述第一模板土地遥感影像数据；对所述第一模板土地遥感影像数据中的强训练类的模板土地遥感影像数据进行分簇为多个影像分簇；基于蒙特卡洛神经网络的不平衡数据分类算法对分簇后的第一模板土地遥感影像数据进行数据优化，生成临时模板土地遥感影像数据；将所述临时模板土地遥感影像数据作为第二模板土地遥感影像数据输入多层感知机进行处理，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影像属于积极待学习土地遥感影像的置信度；基于随机森林树算法与所述第二模板土地遥感影像数据中各个待学习土地遥感影像属于积极待学习土地遥感影像的置信度，选择未知类别的待学习土地遥感影像；将选择的未知类别的待学习土地遥感影像加载至所述第二模板土地遥感影像数据中，生成更新后的第二模板土地遥感影像数据；
所述依据侵占类别判别损失优化算法对所述第一模板土地遥感影像数据进行训练数据优化，生成第二模板土地遥感影像数据，包括：获取所述第一模板土地遥感影像数据；提取所述第一模板土地遥感影像数据中各个待学习土地遥感影像的影像质量特征；将所述第一模板土地遥感影像数据中各个待学习土地遥感影像的影像质量特征输入多层感知机进行处理，生成所述第一模板土地遥感影像数据中各个待学习土地遥感影像属于积极待学习土地遥感影像的置信度；基于所述第一模板土地遥感影像数据中各个待学习土地遥感影像属于积极待学习土地遥感影像的置信度，从所述第一模板土地遥感影像数据中选择置信度排序前预设数量的待学习土地遥感影像为目标学习土地遥感影像；基于所述第一模板土地遥感影像数据中的初始待学习土地遥感影像和选择的所述目标学习土地遥感影像，重新对所述多层感知机进行优化；依据收敛后的所述多层感知机，重新确定目标学习土地遥感影像，以使得生成的第二模板土地遥感影像数据的积极待学习土地遥感影像和消极待学习土地遥感影像的影像占比大于设定影像占比。7.根据权利要求1所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述对所述第二模板土地遥感影像数据进行多维度特征提取，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影像的多维度融合特征，包括：提取所述第二模板土地遥感影像数据中各个待学习土地遥感影像的土地区域场景特征；依据所述第二模板土地遥感影像数据中各个待学习土地遥感影像的地块要素分布，提取所述第二模板土地遥感影像数据中各个待学习土地遥感影像的地块要素辐射特征；基于时序运行方向对所述第二模板土地遥感影像数据中各个待学习土地遥感影像的土地区域场景特征和地块要素辐射特征进行特征融合，以融合生成不同遥感监测时序范围的融合后的土地区域场景特征和融合后的地块要素辐射特征；对融合前和/或融合后的土地区域场景特征与地块要素辐射特征进行高层特征提取，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影像的影像高层特征；对所述第二模板土地遥感影像数据中各个待学习土地遥感影像进行影像低层特征编码，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影像的影像低层特征；将所述第二模板土地遥感影像数据中各个待学习土地遥感影像的影像高层特征和影像低层特征进行融合，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影像的多维度融合特征；所述提取所述第二模板土地遥感影像数据中各个待学习土地遥感影像的土地区域场景特征，包括：依据所述第二模板土地遥感影像数据中各个待学习土地遥感影像的先验状态数据，提取所述第二模板土地遥感影像数据中各个待学习土地遥感影像的土地区域场景特征，所述土地区域场景特征包括植被覆盖特征、水土流失特征、土壤缺失特征和土地风蚀特征；所述将所述第二模板土地遥感影像数据中各个待学习土地遥感影像的影像高层特征和影像低层特征进行融合，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影
像的多维度融合特征，包括：将所述第二模板土地遥感影像数据中各个待学习土地遥感影像的影像高层特征和影像低层特征按照影像定位区域进行一一映射融合，生成所述第二模板土地遥感影像数据中各个待学习土地遥感影像的多维度融合特征。8.根据权利要求1所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述依据所述第二模板土地遥感影像数据中的待学习土地遥感影像和各个所述待学习土地遥感影像的多维度融合特征对土地非法侵占检测模型进行模型优化，生成收敛后的土地非法侵占检测模型的步骤，包括：获取所述第二模板土地遥感影像数据，所述第二模板土地遥感影像数据包括待学习土地遥感影像和所述待学习土地遥感影像的土地非法侵占标注数据，所述待学习土地遥感影像的土地非法侵占标注数据指示所述待学习土地遥感影像是对土地遥感监测区域第一土地部分进行非法侵占特征标注生成的；依据土地遥感监测区域的土地类型对所述第二模板土地遥感影像数据中的待学习土地遥感影像进行特征增强，生成增强学习土地遥感影像，以及依据所述土地遥感监测区域的土地类型对所述土地非法侵占标注数据进行土地侵占特征转换，生成所述增强学习土地遥感影像的土地非法侵占转换数据，并将所述增强学习土地遥感影像以及所述土地非法侵占转换数据加载到第四模板土地遥感影像数据中；所述土地非法侵占转换数据指示所述增强学习土地遥感影像是对土地遥感监测区域第二土地部分进行非法侵占特征标注生成的，所述土地遥感监测区域第一土地部分和所述土地遥感监测区域第二土地部分之间符合所述土地遥感监测区域的土地类型；依据所述第二模板土地遥感影像数据中各个所述待学习土地遥感影像的多维度融合特征和所述第四模板土地遥感影像数据对土地非法侵占检测模型进行模型权重学习，生成收敛后的土地非法侵占检测模型。9.根据权利要求8所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述依据所述第二模板土地遥感影像数据中各个所述待学习土地遥感影像的多维度融合特征和所述第四模板土地遥感影像数据对土地非法侵占检测模型进行模型权重学习，生成收敛后的土地非法侵占检测模型，包括：依据所述土地非法侵占检测模型对所述第二模板土地遥感影像数据中待学习土地遥感影像的多维度融合特征进行土地非法侵占检测，生成所述第二模板土地遥感影像数据中多个待学习土地遥感影像对应的多个第一土地非法侵占学习数据；依据所述土地非法侵占检测模型对所述第四模板土地遥感影像数据中多个待学习土地遥感影像进行土地非法侵占检测，生成所述第四模板土地遥感影像数据中多个待学习土地遥感影像对应的多个第二土地非法侵占学习数据；依据所述多个第一土地非法侵占学习数据与相应待学习土地遥感影像对应的土地非法侵占标注数据之间的特征距离，以及所述多个第二土地非法侵占学习数据与相应待学习土地遥感影像对应的土地非法侵占转换数据之间的特征距离，生成所述土地非法侵占检测模型的训练误差值；依据所述训练误差值更新所述土地非法侵占检测模型的模型权重信息，以对土地非法侵占检测模型进行模型权重学习，生成收敛后的土地非法侵占检测模型。
10.根据权利要求9所述的基于光谱遥感和多特征融合的土地非法侵占检测方法，其特征在于，所述方法还包括：基于所述输入土地遥感影像序列中各个输入土地遥感影像的土地非法侵占预测结果中对各个输入土地遥感影像对应的土地管理服务终端进行可视化展示。

技术总结
本申请实施例提供一种基于光谱遥感和多特征融合的土地非法侵占检测方法，本申请通过对积极待学习土地遥感影像和消极待学习土地遥感影像的影像占比不匀的第一模板土地遥感影像数据进行训练数据优化后，得到数据平衡的第二模板土地遥感影像数据，而后提取第二模板土地遥感影像数据中各个待学习土地遥感影像的多维度融合特征，并依据多维度融合特征对土地非法侵占检测模型进行模型优化，然后依据收敛后的土地非法侵占检测模型对输入土地遥感影像序列进行土地非法侵占检测，通过提取的土地非法侵占检测模型，提高了土地非法侵占检测的精度。的精度。的精度。


技术研发人员：杨秋林 赵栗笠 严鹏 王伟 黄家森
受保护的技术使用者：四川发展环境科学技术研究院有限公司
技术研发日：2023.07.21
技术公布日：2023/8/21