基于深度学习与高分遥感影像的覆膜烟田面积估算系统

本发明涉及覆膜烟田的图像检测，具体涉及基于深度学习与高分遥感影像的覆膜烟田面积估算系统。

背景技术：

1、在现代农业生产中，覆膜技术被广泛应用于烤烟种植，这种技术有助于改善土壤环境、保持土壤温度和水分、抑制杂草生长和提升烟草产量及品质。为了更好的管理种植资源和农业机械作业效率，需要对覆膜烟田的面积进行准确估算。目前覆膜烟田面积的估算主要依赖于遥感技术，通过无人机拍摄烟田的高分辨率遥感影像，利用深度学习方法对覆膜区域进行标记识别，从而估算覆膜烟田面积进行精确估算。

2、但在覆膜烟田的遥感影像采集过程中，因环境因素或采集设备等因素可能导致覆膜烟田影像中存在噪声，故需进行滤波降噪；但现有技术对烟田影像滤波时，主要是通过局部邻域的像素信息进行加权估测并调整像素值以达到滤波目的，而覆膜烟田是人工改造的农业用地，不同烟田区域的纹理特征可能存在较大差异，基于局部像素信息的滤波方法可能破坏原有纹理特征，导致覆膜纹理黏连或噪声去除不完整等问题，进而导致覆膜烟田面积的估算精度低。

技术实现思路

1、为了解决现有技术中对烟田遥感图像滤波效果差进而导致对覆膜烟田面积的估算精度低的技术问题，本发明的目的在于提供一种基于深度学习与高分遥感影像的覆膜烟田面积估算系统，所采用的技术方案具体如下：

2、本发明提出一种基于深度学习与高分遥感影像的覆膜烟田面积估算系统，所述系统包括：

3、图像采集模块：用于获取烟田遥感图像中的所有烟田图块，并以预设游程方向获取每个所述烟田图块的灰度游程矩阵；

4、图像分析模块：用于根据每个所述灰度游程矩阵中矩阵元素的元素大小，及对应所有游程中像素点的颜色信息，获取每个矩阵元素的覆膜纹理表达度；根据每个所述灰度游程矩阵中每个矩阵元素对应所有游程在对应所述烟田图块中的分布情况，获取每个矩阵元素的覆膜纹理离散度；根据每个所述灰度游程矩阵中所有矩阵元素的所述覆膜纹理表达度与所述覆膜纹理离散度，获取对应所述烟田图块的覆膜纹理特征参数；

5、图像处理模块：用于根据每个所述烟田图块的所述覆膜纹理特征参数及空间距离，获取烟田遥感图像中的所有烟田图块聚簇；对每个所述烟田图块聚簇进行滤波，得到滤波烟田遥感图像；基于深度学习算法获取所述滤波烟田遥感图像对应烟田中的覆膜面积。

6、进一步地，所述覆膜纹理表达度的获取方法包括：

7、在每个所述灰度游程矩阵对应所述烟田图块中，根据每个游程对应所有像素点的亮度及饱和度，获取每个游程的覆膜色彩参数，所述亮度与所述覆膜色彩参数正相关，所述饱和度与所述覆膜色彩参数负相关；

8、根据每个矩阵元素对应所有游程的所述覆膜色彩参数的集中情况，确定每个矩阵元素的覆膜色彩表达度；在每个所述灰度游程矩阵中，根据每个矩阵元素的元素大小及所述覆膜色彩表达度，获取每个矩阵元素的覆膜纹理表达度。

9、进一步地，所述根据每个矩阵元素的元素大小及所述覆膜色彩表达度，获取每个矩阵元素的覆膜纹理表达度的方法包括：

10、在每个所述灰度游程矩阵中，根据每个矩阵元素的所述覆膜色彩表达度，相对同列的所有矩阵元素的所述覆膜色彩表达度的偏离程度，获取每个矩阵元素的列表达参数；

11、在每个所述灰度游程矩阵中，根据每个矩阵元素的元素大小，相对同行的所有矩阵元素的元素大小的偏离程度，获取每个矩阵元素的行表达参数；

12、根据每个矩阵元素的所述列表达参数及所述行表达参数，获取每个矩阵元素的覆膜纹理表达度；所述列表达参数及所述行表达参数均与所述覆膜纹理表达度正相关。

13、进一步地，所述覆膜纹理离散度的获取方法包括：

14、在每个所述灰度游程矩阵中，获取每个矩阵元素对应所有游程的游程质心，及每个游程的游程中心，并计算每个游程的所述游程中心相对所述游程质心的水平距离和竖直距离；

15、根据每个所述灰度游程矩阵对应所述烟田图块的形状特征，结合预设游程方向，获取每个游程的最大参考长度；根据每个游程的游程长度与所述最大参考长度的长度差异，获取每个游程的覆膜方向系数；所述长度差异与所述覆膜方向系数负相关；

16、根据所述覆膜方向系数获取水平权重和竖直权重，所述水平权重与所述竖直权重的和为1；利用所述水平权重对所述水平距离加权，所述竖直权重对所述竖直距离加权，将加权和值作为每个游程的离散参数；

17、综合每个矩阵元素中所有游程的所述离散参数，获取每个矩阵元素的覆膜纹理离散度。

18、进一步地，所述最大参考长度的获取方法包括：

19、在每个所述烟田图块中，将预设游程方向上任意两个像素点之间的最大距离，作为对应所述烟田图块中所有游程的最大参考长度。

20、进一步地，所述覆膜纹理特征参数的获取方法包括：

21、将每个矩阵元素的所述覆膜纹理表达度与所述覆膜纹理离散度相乘，获取每个矩阵元素的覆膜纹理特征子参数；将每个所述灰度游程矩阵中所有矩阵元素的所述覆膜纹理特征子参数求均，得到每个所述灰度游程矩阵对应所述烟田图块的覆膜纹理特征参数。

22、进一步地，所述烟田图块聚簇的获取方法包括：

23、根据不同所述烟田图块之间的所述覆膜纹理特征参数的差异及空间距离，构建不同所述烟田图块之间的度量距离；基于所述度量距离对所有所述烟田图块进行k-means聚类，并基于手肘法获取最佳k值，得到所有烟田图块聚簇。

24、进一步地，所述滤波烟田遥感图像的获取方法包括：

25、将每个所述烟田图块聚簇中的所有所述烟田图块合并作为搜索窗口，以每个像素点为中心构建邻域窗口，所述邻域窗口为对应像素点所属所述烟田图块的最小内接正方形，采用非局部均值滤波算法，对所有所述搜索窗口中的每个像素点进行滤波，得到滤波烟田遥感图像。

26、进一步地，所述覆膜面积的获取方法包括：

27、构建预设语义分割模型的训练集，对预设语义分割模型进行训练，得到训练好的预设语义分割模型；利用训练好的预设语义分割模型，获取所述滤波烟田遥感图像中的覆膜区域；

28、基于所述烟田遥感图像的地面采样距离参数，计算所述滤波烟田遥感图像中所述覆膜区域在对应烟田中的覆膜面积。

29、进一步地，所述烟田图块的获取方法包括：

30、对所述烟田遥感图像进行超像素分割，得到所有烟田图块。

31、本发明具有如下有益效果：

32、本发明在图像采集模块中获取烟田遥感图像中的所有烟田图块，并以预设游程方向获取每个烟田图块的灰度游程矩阵；在图像分析模块中根据每个灰度游程矩阵中矩阵元素的元素大小，及对应所有游程中像素点的颜色信息，获取每个矩阵元素的覆膜纹理表达度；根据每个灰度游程矩阵中每个矩阵元素对应所有游程在对应烟田图块中的分布情况，获取每个矩阵元素的覆膜纹理离散度；根据每个灰度游程矩阵中所有矩阵元素的覆膜纹理表达度与覆膜纹理离散度，获取对应烟田图块的覆膜纹理特征参数，覆膜纹理特征参数越接近，则其对应的覆膜纹理走向越相似；在图像处理模块中根据每个烟田图块的覆膜纹理特征参数及空间距离，获取烟田遥感图像中的所有烟田图块聚簇；对每个烟田图块聚簇进行滤波，得到滤波烟田遥感图像；基于深度学习算法获取滤波烟田遥感图像对应烟田中的覆膜面积。本发明首先对烟田遥感图像进行分块，进一步利用游程信息分析烟田覆膜的色彩信息及纹理分布情况，量化了每个烟田分块的覆膜纹理特征参数，进而将相似覆膜纹理特征的烟田分块聚类以统一滤波，降低滤波过程中因不同烟田内的覆膜纹理差异对图像纹理特征的破坏，提高滤波效果，进而提高对覆膜烟田面积的估算精度。