一种基于卫星遥感影像识别的油茶林生长趋势预测方法和系统与流程

本技术涉及生长趋势预测领域，具体而言，涉及一种基于卫星遥感影像识别的油茶林生长趋势预测方法和系统。

背景技术：

1、油茶是山茶科山茶属小乔木或灌木。油茶幼枝被粗毛；叶革质，椭圆形或倒卵形，先端钝尖，基部楔形，下面中脉被长毛，具细齿，叶柄被粗毛；花顶生，革质，宽卵形，花瓣白色，倒卵形，雄蕊花丝近离生；朔果球形；遥感是指非接触的，远距离的探测技术。一般指运用传感器/遥感器对物体的电磁波的辐射、反射特性的探测。遥感是通过遥感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，通过分析遥感影像信息可以识别油茶林分布信息以及生长趋势，从而对油茶林的生长进行预测，现有的油茶林生长预测方法准确度较差，无法精准的进行预测油茶林的生长，造成预测偏差较大，针对上述问题，目前亟待有效的技术解决方案。

技术实现思路

1、本技术实施例的目的在于提供一种基于卫星遥感影像识别的油茶林生长趋势预测方法和系统，可以通过对遥感影像进行语义分割，并通过生长预测模型对油茶林生长趋势进行实时预测，提高预测精度的技术。

2、本技术实施例还提供了一种基于卫星遥感影像识别的油茶林生长趋势预测方法，包括：

3、获取遥感影像，设定分割规则，根据分割规则对遥感影像进行语义分割，得到若干个子区域；

4、提取若干个子区域特征，将子区域特征与预设的特征值进行相似度计算，得到特征相似度；

5、判断所述特征相似度是否大于或等于预设的相似度阈值；

6、若大于或等于，则生成修正信息，根据修正信息对分割规则进行修正调整；

7、若小于，则获取若干个子区域遥感数据，将若干个子区域遥感数据输入预设的生长预测模型，得到生长预测信息；

8、将生长预测信息按照预定的方式传输至终端。

9、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测方法中，所述获取遥感影像，设定分割规则，根据分割规则对遥感影像进行语义分割，得到若干个子区域，包括：

10、获取遥感影像，将遥感影像随机分割成若干个图像域，计算图像域像素灰度值；

11、将邻域的两个图像域像素灰度值与第一灰度均值进行比较，得到灰度变化率；

12、判断所述灰度变化率是否大于预设的灰度变化率阈值；

13、若大于，则将图像域进行分割面积进行调整；

14、若小于，则图像域进行叠加计算，得到图像域叠加面积。

15、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测方法中，所述若大于，则将图像域进行分割面积进行调整，包括：

16、获取分割面积大小，将分割面积与预设的面积值进行差值计算，得到分割面积差值；

17、判断所述分割面积差值是否大于预设的面积阈值；

18、若大于，则生成第二灰度均值，根据第二灰度均值将遥感影像进行二次分割；

19、若小于，则生成灰度均值调整量，根据灰度均值调整量，对第一灰度均值进行等量调整。

20、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测方法中，所述获取遥感影像，设定分割规则，根据分割规则对遥感影像进行语义分割，得到若干个子区域，包括：

21、通过设定的分割算法将遥感影像分割成若干个小区域遥感影像；

22、将若干个小区域遥感影像依次按照预定的数量进行合并，得到合并遥感影像；

23、获取合并遥感影像参数信息，

24、将合并遥感影像参数信息与预设的遥感影像参数信息进行比较，得到合并偏差率；

25、判断所述合并偏差率是否大于或等于预设的偏差率阈值；

26、若大于或等于，则将合并遥感影像按照合并的倒序原则进行依次拆分；

27、若小于，则继续将小区域遥感影像进行合并。

28、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测方法中，所述将若干个小区域遥感影像依次按照预定的数量进行合并，得到合并遥感影像，包括：

29、获取小区域遥感影像合并数量值；

30、将所述合并数量值与预设的阈值进行数量差值计算；

31、若小于预设的阈值，则将对应数量的小区域遥感影像进行合并融合；

32、若大于，则将与差值相等数量的小区域遥感影像进行裂分。

33、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测方法中，所述若大于，则将与差值相等数量的小区域遥感影像进行裂分，包括：

34、获取小区域遥感影像属性信息，将小区域遥感影像属性信息与合并后的遥感影像属性信息进行相似度计算，得到相似度；

35、判断所述相似度是否大于预设的相似度阈值；

36、若大于，则根据差值生成裂分数量，根据裂分数量将最后融合的相同数量的小区域遥感影像进行依次裂分；

37、若小于，则将对应的小区域遥感影像进行裂分。

38、第二方面，本技术实施例提供了一种基于卫星遥感影像识别的油茶林生长趋势预测系统，该系统包括：存储器及处理器，所述存储器中包括基于卫星遥感影像识别的油茶林生长趋势预测方法的程序，所述基于卫星遥感影像识别的油茶林生长趋势预测方法的程序被所述处理器执行时实现以下步骤：

39、获取遥感影像，设定分割规则，根据分割规则对遥感影像进行语义分割，得到若干个子区域；

40、提取若干个子区域特征，将子区域特征与预设的特征值进行相似度计算，得到特征相似度；

41、判断所述特征相似度是否大于或等于预设的相似度阈值；

42、若大于或等于，则生成修正信息，根据修正信息对分割规则进行修正调整；

43、若小于，则获取若干个子区域遥感数据，将若干个子区域遥感数据输入预设的生长预测模型，得到生长预测信息；

44、将生长预测信息按照预定的方式传输至终端。

45、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测系统中，所述获取遥感影像，设定分割规则，根据分割规则对遥感影像进行语义分割，得到若干个子区域，包括：

46、获取遥感影像，将遥感影像随机分割成若干个图像域，计算图像域像素灰度值；

47、将邻域的两个图像域像素灰度值与第一灰度均值进行比较，得到灰度变化率；

48、判断所述灰度变化率是否大于预设的灰度变化率阈值；

49、若大于，则将图像域进行分割面积进行调整；

50、若小于，则图像域进行叠加计算，得到图像域叠加面积。

51、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测系统中，所述若大于，则将图像域进行分割面积进行调整，包括：

52、获取分割面积大小，将分割面积与预设的面积值进行差值计算，得到分割面积差值；

53、判断所述分割面积差值是否大于预设的面积阈值；

54、若大于，则生成第二灰度均值，根据第二灰度均值将遥感影像进行二次分割；

55、若小于，则生成灰度均值调整量，根据灰度均值调整量，对第一灰度均值进行等量调整。

56、可选地，在本技术实施例所述的基于卫星遥感影像识别的油茶林生长趋势预测系统中，所述获取遥感影像，设定分割规则，根据分割规则对遥感影像进行语义分割，得到若干个子区域，包括：

57、通过设定的分割算法将遥感影像分割成若干个小区域遥感影像；

58、将若干个小区域遥感影像依次按照预定的数量进行合并，得到合并遥感影像；

59、获取合并遥感影像参数信息，

60、将合并遥感影像参数信息与预设的遥感影像参数信息进行比较，得到合并偏差率；

61、判断所述合并偏差率是否大于或等于预设的偏差率阈值；

62、若大于或等于，则将合并遥感影像按照合并的倒序原则进行依次拆分；

63、若小于，则继续将小区域遥感影像进行合并。

64、由上可知，本技术实施例提供的一种基于卫星遥感影像识别的油茶林生长趋势预测方法和系统，通过获取遥感影像，设定分割规则，根据分割规则对遥感影像进行语义分割，得到若干个子区域；提取若干个子区域特征，将子区域特征与预设的特征值进行相似度计算，得到特征相似度；判断所述特征相似度是否大于或等于预设的相似度阈值；若大于或等于，则生成修正信息，根据修正信息对分割规则进行修正调整；若小于，则获取若干个子区域遥感数据，将若干个子区域遥感数据输入预设的生长预测模型，得到生长预测信息；将生长预测信息按照预定的方式传输至终端；通过对遥感影像进行语义分割，并通过生长预测模型对油茶林生长趋势进行实时预测，提高预测精度。

65、本技术的其他特征和优点将在随后的说明书阐述，并且，本技术的优点可以从说明书中显而易见的推断出，或者通过实施本技术实施例了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。