(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221010839 2.8 (22)申请日 2022.01.28 (65)同一申请的已公布的文献号 申请公布号 CN 114440835 A (43)申请公布日 2022.05.06 (73)专利权人 生态环境部卫星环境应用中心 地址 100094 北京市海淀区永丰产业基地 丰德东路4 号 (72)发明人 高吉喜　肖如林　侯鹏　付卓　 靳川平　候静　杨栩　孙阳阳　 闻瑞红　王雪峰　万华伟　刘晓曼　 翟俊　孙晨曦　王永财　彭阳　 李营　殷守敬　马万栋　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 韩迎之(51)Int.Cl. G01C 11/00(2006.01) G01C 11/36(2006.01) G01S 19/14(2010.01) A01K 29/00(2006.01) G06V 20/13(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) G06T 5/00(2006.01) (56)对比文件 CN 113673586 A,2021.1 1.19 CN 113885060 A,2022.01.04 US 2002158765 A1,2002.10.31 CN 111467074 A,2020.07.31 审查员 毛晨盛 (54)发明名称 多特征和模 型耦合的牧畜遥感监测方法、 系 统及存储介质 (57)摘要 本发明公开了一种多特征和模型耦合的牧 畜遥感监测方法、 系统及存储介质， 涉及对地监 测领域。 具体步骤如下： 采集监测数据， 监测数据 为监测区域内当期高分遥感影像和背景高分遥 感影像； 建立基于深度学习的牧畜群检测模型； 通过牧畜群检测模型对监测数据进行检测， 得到 牧畜群分布数据； 利用基于高斯拉普拉斯梯度差 和面向对象的方法提取监测数据的牧畜斑点， 形 成牧畜斑点 分布数据； 用牧畜斑点分布数据对牧 畜群分布数据进行校验和增强， 形成增强的牧畜 群监测结果， 再通过人工辅助修边， 形成精准的 牧畜群数据及其内部所包含的牧畜斑点数据。 本 发明可以精准、 高效掌握牧畜群的分布信息， 有 效监测评估了区域牧畜的资源量和区域载畜压 力。 权利要求书2页 说明书9页 附图6页 CN 114440835 B 2022.09.27 CN 114440835 B 1.一种基于深度学习与面向对象相结合的牧畜高分遥感监测方法， 其特征在于， 具体 步骤包括如下： 采集监测数据， 所述 监测数据为 监测区域内当期高分遥感影 像和背景高分遥感影 像； 建立基于深度学习的牧畜群 检测模型； 通过所述牧畜群 检测模型对所述 监测数据进行检测， 得到 牧畜群分布数据； 利用基于高斯拉普拉斯梯度差和面向对象的方法提取所述监测数据的牧畜斑点， 形成 牧畜斑点分布数据； 通过所述牧畜斑点分布数据对所述牧畜群分布数据进行校验和增强， 形成增强的牧畜 群监测结果， 针对增强的牧畜群监测结果通过人工辅助修边， 形成最终牧畜群数据和牧畜 群内部的牧畜斑点数据。 2.根据权利要求1所述的一种基于深度学习与面向对象相结合的牧畜高分遥感监测方 法， 其特征在于， 还包括对所述监测数据进行预处理， 预处理方法为几何精纠正和图像增 强， 其中图像增强通过双边滤波算法实现图像增强。 3.根据权利要求1所述的一种基于深度学习与面向对象相结合的牧畜高分遥感监测方 法， 其特征在于， 所述建立基于深度学习的牧畜群 检测模型的步骤为： 选取高分遥感影像， 利用人工解译勾绘影像上的牧畜群边界范围， 形成牧畜群样本斑 块， 并对所述牧畜群样本斑块标注牧畜类型编码； 将标注好的基于高分遥感影 像的牧畜群样本斑块 导出为训练样本数据； 利用所述训练样本数据进行深度学习模型训练， 得到所述牧畜群 检测模型。 4.根据权利要求1所述的一种基于深度学习与面向对象相结合的牧畜高分遥感监测方 法， 其特征在于， 所述基于高斯拉普拉斯梯度差的方法提取所述监测数据的牧畜斑点的步 骤为： 通过高斯拉布拉斯梯度对所述监测数据进行增强处理， 得到预处理后的当期高分影像 的梯度图和背景高分影 像的梯度图； 对所述预处理后的当期高分影像的梯度图和背景高分影像的梯度图进行差值计算， 并 基于梯度差阈值进行牧畜斑点提取； 针对亮色牧畜， 选择梯度差大于第一阈值的斑点对 象 作为潜在牧畜斑点； 针对 暗色牧畜， 选择梯度差小于第二阈值的斑点对 象作为潜在牧畜斑 点。 5.根据权利要求4所述的一种基于深度学习与面向对象相结合的牧畜高分遥感监测方 法， 其特征在于， 梯度差的计算公式为： 其中， 表示行列号为i、 j的像元在当期高分遥感影像的梯度值， 表示行 列号为i、 j的像元对应的半径为r的邻域范围内背景高分遥感影像的梯度的最大值或最小 值， 针对亮色牧畜提取， 采用最大值； 针对暗色牧畜提取， 采用最小值。 6.根据权利要求1所述的一种基于深度学习与面向对象相结合的牧畜高分遥感监测方 法， 其特征在于， 还包括人工辅助修正， 对所述增强的牧畜群监测结果的矢量边界进行修 正。权　利　要　求　书 1/2 页 2 CN 114440835 B 27.一种基于深度学习与面向对象相结合的牧畜高分遥感监测系统， 其特征在于， 包括 依次连接的数据采集模块、 数据预处理模块、 监测提取模块、 数据融合与人工辅助修正模 块； 其中， 所述数据采集模块， 用于采集监测数据， 所述监测数据为监测区域内当期高分遥感影 像和背景高分遥感影 像； 所述数据预处 理模块， 用于对所述 监测数据进行 预处理， 得到第一数据； 所述监测提取模块， 用于对所述第一数据提取牧畜群和牧畜斑点； 所述数据融合与人工辅助修正模块， 通过牧畜斑点分布数据对牧畜群分布数据进行校 验和增强， 形成增强的牧畜群监测结果， 针对增强的牧畜群监测结果通过人工辅助修边， 形 成最终牧畜群数据和牧畜群内部的牧畜斑点数据。 8.根据权利要求7所述的一种基于深度学习与面向对象相结合的牧畜高分遥感监测系 统， 其特征在于， 所述监测提取模块包括牧畜群检测提取模块和牧畜斑点检测提取模块， 所 述牧畜群检测 提取模块， 用于建立基于深度学习的牧畜群检测模型， 通过所述牧畜群检测 模型对所述第一数据进 行检测， 得到牧畜群分布数据； 所述牧畜斑点检测提取模块， 用于利 用基于高斯拉普拉斯梯度差和面向对象的方法提取所述第一数据的牧畜斑点， 形成牧畜斑 点分布数据。 9.根据权利要求7所述的一种基于深度学习与面向对象相结合的牧畜高分遥感监测系 统， 其特征在于， 所述数据预 处理模块包括几何校正模块和图像增强模块， 所述几何校正模 块和图像增强模块均 与所述数据采集模块相连。 10.一种计算机存储介质， 其特征在于， 所述计算机存储介质上存储有计算机程序， 所 述计算机程序被处理器执行时实现如权利要求 1‑6中任意一项 所述的一种基于深度学习与 面向对象相结合的牧畜高分遥感监测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114440835 B 3