(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 202210900866.2 (22)申请日 2022.07.28 (71)申请人 北京卫星信息 工程研究所 地址 100086 北京市海淀区知春路61号 (72)发明人 符晗　贺广均　冯鹏铭　刘世烁　 常江　韩昱　金世超　张拯宁　 梁银川　王剑　 (74)专利代理 机构 北京谨诚君睿知识产权代理 事务所 (特殊普通合伙) 11538 专利代理师 延慧 (51)Int.Cl. G06V 20/10(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 基于遥感影像的石漠化程度自动分级方法 及装置 (57)摘要 本发明涉及一种基于遥感影像的石漠化程 度自动分级方法及装置， 该方法包括： 获取石漠 化区域的原始遥感影像和高程数据， 并进行预处 理； 利用处理后的遥感影像 反演所述石漠化区域 的基岩裸露率和植被覆盖度， 利用处理后的高程 数据计算坡度数据； 将所述基岩裸露率、 所述植 被覆盖度、 所述高程数据和所述原始遥感影像进 行融合， 得到样本数据， 对所述样本数据的石漠 化程度进行等级区分和标注， 获得标签文件； 构 建CKRD‑DNN模型， 并利用所述样本 数据和所述标 签文件进行训练； 利用训练好的C KRD‑DNN模型对 待分级的石漠化区域遥感影像进行识别和判定， 得到分级结果。 本发明可以实现大范围石漠化区 域不同发育程度石漠化的高效自动分级和判定 。 权利要求书2页 说明书6页 附图1页 CN 115019184 A 2022.09.06 CN 115019184 A 1.一种基于 遥感影像的石漠化 程度自动分级方法， 包括： 获取石漠化区域的原 始遥感影 像和高程数据， 并进行 预处理； 利用处理后的遥感影像反演所述石漠化区域的基岩裸露率和植被覆盖度， 利用处理后 的高程数据计算坡度数据； 将所述基岩裸露率、 所述植被覆盖度、 所述高程数据和所述原始遥感影像进行融合， 得 到样本数据， 对所述样本数据的石漠化 程度进行等级区分和标注， 获得 标签文件； 构建喀斯特石漠化分类深度神经网络模型， 并利用所述样本数据和所述标签文件进行 训练； 利用训练好的喀斯特石漠化分类深度神经网络模型对待分级的石漠化区域遥感影像 进行识别和判定， 得到分级结果。 2.根据权利要求1所述的方法， 其特征在于， 所述预处理包括： 对所述原始遥感影像依 次进行通道融合、 校正、 拼接和裁 剪， 以及对所述高程数据进行拼接和裁 剪。 3.根据权利要求1所述的方法， 其特征在于， 所述利用处理后的遥感影像反演所述石漠 化区域的基岩裸露率和植被覆盖度的过程中， 根据不同石漠化区域不同的地质、 地形特点和环境气候条件， 采用波段比值法反演所 述石漠化区域的基岩裸露率和植被覆盖度； 若所述石漠化区域的坡度陡峭， 则确定该坡度条件 对所述反演的精度影响。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述基岩裸露率、 所述植被覆盖度、 所述高程数据和所述原 始遥感影 像进行融合， 包括： 对所述基岩裸露率、 所述 植被覆盖度和所述高程数据进行裁 剪处理； 将处理后的基岩裸露率、 植被覆盖度和高程数据分别作为第 四通道、 第五通道和第六 通道， 与所述原 始遥感影 像的三个波段通道进行融合， 得到六个通道的样本数据。 5.根据权利要求4所述的方法， 其特征在于， 所述三个波段通道分别为红、 绿和蓝， 并将 三个波段设置为标准 假彩色。 6.根据权利要求1所述的方法， 其特征在于， 所述对所述样本数据的石漠化程度进行等 级区分和标注， 包括： 对所述样本数据的石漠化区域的不同发育程度进行等级区分； 利用在Linux系统下的LabelMe程序对所述样本数据中不 同发育程度等级的石漠化区 域边缘进行勾勒， 获得 所述样本数据对应的标签文件。 7.根据权利要求1所述的方法， 其特征在于， 所述构建喀斯特石漠化分类深度神经网络 模型， 并利用所述样本数据和所述标签文件进行训练， 包括： 构建由特征提取层、 特征融合层和交叉熵函数组成的喀斯特石漠化分类深度神经网络 模型； 将所述样本数据和所述标签文件输入所述喀斯特石漠化分类深度神经网络模型， 利用 所述特征提取层提取 所述样本数据的不同等级的石漠化区域的地貌特 征； 利用所述特 征融合层对提取到不同等级的地貌特 征进行串联融合； 利用交叉熵函数根据串联融合后的地貌特 征判断所述样本数据所属的地貌类型。 8.根据权利要求7所述的方法， 其特征在于， 所述特征提取层为一组并联运行且卷积核 大小不同的卷积 操作。权　利　要　求　书 1/2 页 2 CN 115019184 A 29.根据权利要求7所述的方法， 其特征在于， 所述利用所述特征融合层对提取到不同等 级的地貌特 征进行串联融合之前， 还 包括： 利用所述特征融合层采用不同倍数的上采样操作对所述特征提取层得到的特征图像 的大小进行还原， 并将所述特 征图像的大小还原至与所述原 始遥感影 像的大小相同。 10.一种利用权利要求1 ‑9中任一项所述的基于遥感影像的石漠化程度自动分级方法 的基于遥感影像的石漠化 程度自动分级装置， 其特 征在于， 包括： 预处理模块， 用于获取石漠化区域的原 始遥感影 像和高程数据， 并进行 预处理； 指数计算模块， 用于利用处理后的遥感影像反演所述石漠化区域的基岩裸露率和植被 覆盖度， 利用处 理后的高程数据计算坡度数据； 融合模块， 用于将所述基岩裸露率、 所述植被覆盖度、 所述高程数据和所述原始遥感影 像进行融合， 得到样本数据， 对 所述样本数据的石漠化程度进 行等级区分和标注， 获得标签 文件； 模型构建与训练模块， 用于构建喀斯特石漠化分类深度神经网络模型， 并利用所述样 本数据和所述标签文件进行训练； 以及 分级模块， 用于利用训练好的喀斯特石漠化分类深度神经网络模型对待分级的石漠化 区域遥感影 像进行识别和判定， 得到分级结果。权　利　要　求　书 2/2 页 3 CN 115019184 A 3