CN113095303B 模型训练方法及林地变化检测方法及系统及装置及介质 （成都数之联科技有限公司）

US2016307073A1,2016.1US2020218930A1,2020.0模型训练方法及林地变化检测方法及系统本发明公开了模型训练方法及林地变化检出为所述预设区域的遥感影像中的林地区域和2获得待检测区域在A时期内的遥感影像x和待检测区域在B时期内的遥感影像y，其中，基于所述林地区域K和所述林地区域P的差值获得所述待检测区域的林地变化检测结从所述遥感影像中提取出植被覆盖区域，将所述从所述分类标签图中采集所述林地区域和所述非所述目标区域的遥感影像包括第一时期内所述目标区域的第一遥感影像和所述第一从所述第一分类标签图中采集林地区域和非林地区域的特征数据，获得第一训练样从所述第二分类标签图中采集林地区域和非林地区域的特征数据，获得第二训练样所述特征数据包括以下类型数据中的一种或几种：光谱特征数据、归一化植被指数从所述目标区域对应的历史遥感影像数据中选取云和云影覆盖率最低的历史遥感影3使用与所述遥感影像同一时期内其他时相的标准遥感影像填充所述底图中所述云和第二获得单元，用于获得待检测区域在A时期内的遥感影像x和待检测区域在B时期内第二处理单元，用于将所述遥感影像y输入4从所述遥感影像中提取出植被覆盖区域，将所述从所述分类标签图中采集所述林地区域和所述非所述目标区域的遥感影像包括第一时期内所述目标区域的第一遥感影像和所述第一从所述第一分类标签图中采集林地区域和非林地区域的特征数据，获得第一训练样从所述第二分类标签图中采集林地区域和非林地区域的特征数据，获得第二训练样所述特征数据包括以下类型数据中的一种或几种：光谱特征数据、归一化植被指数5特征数据中的任意一种数据均可以判断出遥感影像中的林6数NDWI数据和地形特征数据中的任意几种数据结合进行判断来[0017]优选的，本方法所述采用掩膜方式去除所述目标区域的遥感影[0019]从所述目标区域对应的历史遥感影像数据中选取云和云影覆盖率最低的历史遥[0020]使用与所述遥感影像同一时期内其他时相的标准遥感影像填充所述底图中所述7[0032]所述目标区域的遥感影像包括第一时期内所述目标区域的第一遥感影像和所述型用于处理第一时期对应的遥感影像，第四分类模型用于处理第二时期对应的遥感影像，[0041]获得待检测区域在A时期内的遥感影像x和所述待检测区域在B时期内的遥感影像[0044]基于所述林地区域K和所述林地区域P的差值获得所述待检测区域的林地变化检8覆盖区域分割为林地区域和非林地区域，将所述林地区域和所述非林地区域进行分类标[0063]通过本发明训练的分类模型可以快速且准确的获得遥感影像中的林地区域和非[0065]此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部9示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。[0072]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行行大气校正（若哨兵二号遥感影像处理级别为L2A则跳过此步骤本方法也可以使用其他[0092]从所述目标区域对应的历史遥感影像数据中选取云和云影覆盖率最低的历史遥[0093]使用与所述遥感影像同一时期内其他时相的标准遥感影像填充所述底图中所述掩膜所对应的云和云影区域，在填充底图前其他时相的遥感影像需要进行相对辐射校正，[0106]所述目标区域的遥感影像包括第一时期内所述目标区域的第一遥感影像和所述值阵列形式表示地面高程的一种实体地面模型，是数字地形模型(DigitalTerrain[0116]采用实施例一中所述的分类模型训练方法训练获得所述第三分类模型和所述第[0117]获得待检测区域在A时期内的遥感影像x和所述待检测区域在B时期内的遥感影像[0120]基于所述林地区域K和所述林地区域P的差值获得所述待检测区域的林地变化检[0122]使用训练后分类模型对两期多光谱影像进行分类预测，获得林地和非林地分类覆盖区域分割为林地区域和非林地区域，将所述林地区域和所述非林地区域进行分类标其他通用处理器、数字信号处理器（digitalsignalprocessor）、专用集成电路用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。[0146]所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的数据，实现发明中林地变化检测装置或模型训练装置的各种功能。[0147]所述森林变化检测装置或模型训练装置如果以软件功能单元的形式实现并作为[0152