本发明涉及遥感,尤其涉及一种秸秆类型识别方法、装置、电子设备和存储介质。
背景技术:
1、秸秆是成熟农作物茎叶(穗)部分的总称,通常指小麦、水稻、玉米、薯类、油菜、棉花、甘蔗和其它农作物(通常为粗粮)在收获籽实后的剩余部分。
2、通常情况下,不同类型的秸秆后期的利用方式亦不同。准确、高效地识别秸秆类型,不仅可以帮助农业部门以及秸秆收储加工企业等实现秸秆收储路径规划和秸秆资源高效利用,还可以为环保部门等进行焚烧防控提供数据支撑。
3、现有技术中可以基于深度学习技术进行秸秆类型的识别。但是,现有的基于深度学习技术的秸秆类型识别方法仅能对小区域进行秸秆类型识别,难以对大区域进行准确、高效地秸秆类型识别。
技术实现思路
1、本发明提供一种秸秆类型识别方法、装置、电子设备和存储介质,用以解决现有技术中难以对大区域进行准确、高效地秸秆类型识别的缺陷,实现更准确、更高效地识别大区域中的秸秆类型。
2、本发明提供一种秸秆类型识别方法,包括:
3、获取待识别区域的目标遥感影像;
4、基于所述目标遥感影像红光波段、水汽波段、红边波段、近红外波段和短波红外波段的光谱信息,生成待识别影像;
5、将所述待识别影像输入秸秆类型识别模型,获取所述秸秆类型识别模型输出的所述待识别区域的秸秆类型识别结果;
6、其中,所述秸秆类型识别模型是以样本像元为样本,以所述样本像元的秸秆类型识别结果为样本标签,进行训练后得到的;所述样本像元包括样本影像中的像元;所述样本影像是基于原始样本影像红光波段、水汽波段、红边波段、近红外波段和短波红外波段的光谱信息生成的;所述原始样本影像中包含秸秆。
7、根据本发明提供的一种秸秆类型识别方法,所述样本影像基于如下步骤获取:
8、获取所述原始样本影像;
9、基于所述原始样本影像红光波段和近红外波段的光谱信息,生成所述原始样本影像对应的叠积近红秸秆指数影像,
10、基于所述原始样本影像短波红外波段和水汽波段的光谱信息,生成所述原始样本影像对应的归一化短波红外秸秆指数影像,
11、基于所述原始样本影像红光波段、红边波段和短波红外波段的光谱信息,生成所述原始样本影像对应的叠加红外秸秆指数影像,
12、基于所述原始样本影像红边波段的光谱信息,生成所述原始样本影像对应的红边影像,
13、基于所述原始样本影像近红外波段的光谱信息,生成所述原始样本影像对应的近红外影像,
14、基于所述原始样本影像短波红外波段的光谱信息,生成所述原始样本影像对应的短波红外影像;
15、融合所述原始样本影像对应的叠积近红秸秆指数影像、归一化短波红外秸秆指数影像、叠加红外秸秆指数影像、红边影像、近红外影像和短波红外影像,获得第一融合影像;
16、将所述第一融合影像确定为所述样本影像。
17、根据本发明提供的一种秸秆类型识别方法,所述样本像元的秸秆类型识别结果基于如下步骤获取:
18、基于所述原始样本影像红光波段的光谱信息,生成所述原始样本影像对应的红光影像,基于所述原始样本影像绿光波段的光谱信息,生成所述原始样本影像对应的绿光影像,基于所述原始样本影像蓝光波段的光谱信息,生成所述原始样本影像对应的蓝光影像;
19、融合所述原始样本影像对应的红光影像、绿光影像和蓝光影像,获得第二融合影像,或者,融合所述原始样本影像对应的近红外影像、绿光影像和蓝光影像,获得第三融合影像;
20、基于所述第二融合影像或所述第三融合影像,获取所述样本像元的秸秆类型识别结果。
21、根据本发明提供的一种秸秆类型识别方法,所述样本像元的秸秆类型识别结果基于如下步骤获取:
22、基于所述原始样本影像红光波段的光谱信息,生成所述原始样本影像对应的红光影像,基于所述原始样本影像绿光波段的光谱信息,生成所述原始样本影像对应的绿光影像,基于所述原始样本影像蓝光波段的光谱信息,生成所述原始样本影像对应的蓝光影像;
23、融合所述原始样本影像对应的红光影像、绿光影像和蓝光影像,获得第二融合影像,融合所述原始样本影像对应的近红外影像、绿光影像和蓝光影像,获得第三融合影像;
24、基于所述第二融合影像和所述第三融合影像,获取所述样本像元的秸秆类型识别结果。
25、根据本发明提供的一种秸秆类型识别方法,所述获取所述原始样本影像,包括:
26、获取样本区域的遥感影像;
27、对所述样本区域的遥感影像进行图像处理,获得所述原始样本影像;
28、其中,所述图像处理包括异常影像剔除、影像拼接、波段组合以及影像裁剪中的至少一种;所述波段组合包括单波段分离和各单波段组合;所述样本区域中包括秸秆。
29、根据本发明提供的一种秸秆类型识别方法,所述基于所述目标遥感影像红光波段、水汽波段、红边波段、近红外波段和短波红外波段的光谱信息,生成待识别影像,包括:
30、基于所述目标遥感影像红光波段和近红外波段的光谱信息,生成所述目标遥感影像对应的叠积近红秸秆指数影像,
31、基于所述目标遥感影像短波红外波段和水汽波段的光谱信息,生成所述目标遥感影像对应的归一化短波红外秸秆指数影像,
32、基于所述目标遥感影像红光波段、红边波段和短波红外波段的光谱信息,生成所述目标遥感影像对应的叠加红外秸秆指数影像,
33、基于所述目标遥感影像红边波段的光谱信息,生成所述目标遥感影像对应的红边影像,
34、基于所述目标遥感影像近红外波段的光谱信息,生成所述目标遥感影像对应的近红外影像,
35、基于所述目标遥感影像短波红外波段的光谱信息,生成所述目标遥感影像对应的短波红外影像;
36、融合所述目标遥感影像对应的叠积近红秸秆指数影像、归一化短波红外秸秆指数影像、叠加红外秸秆指数影像、红边影像、近红外影像和短波红外影像,获得第四融合影像;
37、将所述第四融合影像确定为所述待识别影像。
38、根据本发明提供的一种秸秆类型识别方法,所述秸秆类型识别模型是基于随机森林机器学习算法构建的。
39、本发明还提供一种秸秆类型识别装置,包括:
40、影像获取模块,用于获取待识别区域的目标遥感影像;
41、影像处理模块,用于基于所述目标遥感影像红光波段、水汽波段、红边波段、近红外波段和短波红外波段的光谱信息,生成待识别影像;
42、类型识别模块,用于将所述待识别影像输入秸秆类型识别模型,获取所述秸秆类型识别模型输出的所述待识别区域的秸秆类型识别结果;
43、其中,所述秸秆类型识别模型是以样本像元为样本,以所述样本像元的秸秆类型识别结果为样本标签,进行训练后得到的;所述样本像元包括样本影像中的像元;所述样本影像是基于原始样本影像红光波段、水汽波段、红边波段、近红外波段和短波红外波段的光谱信息生成的;所述原始样本影像中包含秸秆。
44、本发明还提供一种电子设备,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如上述任一种所述秸秆类型识别方法。
45、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述秸秆类型识别方法。
46、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述秸秆类型识别方法。
47、本发明提供的秸秆类型识别方法、装置、电子设备和存储介质,通过基于待识别区域的目标遥感影像红光波段、水汽波段、红边波段、近红外波段和短波红外波段的光谱信息,生成待识别影像之后,将上述待识别影像输入秸秆类型识别模型,获取上述秸秆类型识别模型输出的待识别区域的秸秆类型识别结果,能提高大区域秸秆类型识别的识别准确率和识别效率,能提高秸秆类型识别的智能化水平和自动化水平,能可为农业或环保单位、企业等相关机构秸秆资源综合利用、秸秆采收进度管理、秸秆焚烧防控提供便捷的信息支撑。