(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211112776.3 (22)申请日 2022.09.14 (71)申请人 李增顺 地址 066000 河北省秦皇岛市海港区红旗 路339号 (72)发明人 李增顺　邢云朋　祝文静　刘勇　 张春迎　薛峰　吴松　侯贵欣　 侯雪蕊　郝迈　管守标　 (74)专利代理 机构 北京红梵知识产权代理事务 所(普通合伙) 11912 专利代理师 赵伟成 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于深度学习改进的高分遥感影像四 乱提取方法 (57)摘要 本发明提供有一种基于深度学习改进的高 分遥感影像四乱提取方法， 该四乱提取方法包括 以下步骤： 将 对河湖岸线时空管 理的相关数据入 库， 建立标准化、 动态化的数据 支撑管理系统， 并 且通过样本标注、 样本清洗、 样本裁剪、 样本增 强、 数据集分割等手段， 建立包含临河建筑、 网 箱、 采砂船、 采砂场、 垃圾堆等 “四乱”标准样本 库。 该一种基于深度学习改进的高分遥感影像四 乱提取方法， 利用多源卫星遥感提供监测范围 大、 监测周期短、 获取资料及时、 全天候工作的高 效信息比对手段， 基于深度学习人工智 能技术， 构建以时空数据库为底层 环境， 以遥感AI为核心 算法能力， 实现河湖卫星影像中变化特征、 建筑、 土地、 河流 等多种目标信息的智能快速提取。 权利要求书2页 说明书9页 附图2页 CN 115457402 A 2022.12.09 CN 115457402 A 1.一种基于深度学习改进的高分遥感影像四乱提取方法， 其特征在于： 该四乱提取方 法包括以下步骤： 步骤一、 将对河湖岸线时空管理的相关数据入库， 建立标准化、 动态化的数据支撑管理 系统， 并且通过样本标注、 样本清洗、 样本裁剪、 样本增强、 数据集分割等手段， 建立包含临 河建筑、 网箱、 采砂船、 采砂场、 垃圾堆等 “四乱”标准样本库， 并划分为训练集、 验证集和测 试集； 步骤二、 建立研判规则和模型， 研判模型包括河道管理范围研判、 河湖本底数据研判、 岸线利用与保护规划研判 、 涉河项目审批研判 、 四乱专题数据研判分析； 步骤三、 将疑似 “四乱”问题的线索图斑数据输入， 进行综合研判分析， 结合轨道与姿态 参数、 数据高程模 型(DEM)、 高精度底图等相关数据， 通过正射、 融合、 几何精校正、 匀色镶嵌 等形成DOM(数字正 射)成果影 像； 步骤四、 模型训练， 利用开源人工智能模型进行训练和验证， 对水利、 采砂船、 采砂场、 大棚分别采用语义分割模型， 临河房屋、 网箱养殖、 垃圾堆采用目标检测模型并进 行特征训 练、 特征融合、 语义分割或检测， 综合考察训练验证和测试的模型精度进 行网络结构和训练 参数设置和调优， 将满足精度要求(F1≥0.8)的优化模型作为 “四乱”疑似图斑智能识别分 类业务化AI优化模型； 步骤五、 根据研判结果进行分类管理和信息综合， 进行 可视化表达； 步骤六、 软件封装， 并将此模型跟智慧河长遥感服务业务化Web平台和App进行封装集 成， 以便为智慧河长业 务管理提供准确高效的决策支持。 2.根据权利要求1所述的一种基于深度学习改进的高分遥感影像四乱提取方法， 其特 征在于： 正射纠正时， 需控制点选取原则， 应选取影像上明显的特征地物点， 且点位具有唯 一性； 控制点应在纠正区域内均匀分布， 并控制影像四周； 控制点的数量应根据采用的纠正 公式决定,一般不少于9个， 山地、 高山地可适当增加； 相邻景重叠区域内应选取不少于3个 公共控制点。 3.根据权利要求2所述的一种基于深度学习改进的高分遥感影像四乱提取方法， 其特 征在于： 所述纠正模型选取原则谓纠正精度符合要求， 且所需控制点不宜过多； 迭代次数 少， 收敛快， 计算工作量小； 根据地形条件选择相应纠正方法， 平台地区选择较简单模型， 山 地选择较严密的模型。 4.根据权利要求1所述的一种基于深度学习改进的高分遥感影像四乱提取方法， 其特 征在于： 遥感监测包括以下步骤： 步骤一、 河道管理范围确定， 依据 《中华人民共和国水法》 、 《中华人民共和国防洪法》 、 《中华人民共和国河道管理条例》 等法律、 法规， 以及待监测河流清单， 开展河道管理范围确 定； 步骤二、 信息提取， 并且检查是否 遗漏图斑； 步骤三、 图斑类型判别， 在相关GIS软件中对提取图斑进行编辑编号、 添加字段， 便于图 斑识别及属性判读。 5.根据权利要求4所述的一种基于深度学习改进的高分遥感影像四乱提取方法， 其特 征在于： 河道管 理范围确定的暂定划界标准如下： 有堤的按照堤脚线外延 5‑10米； 无堤的按 照最高洪水位； 排河， 按照河沿外延3 ‑5米(河槽)。权　利　要　求　书 1/2 页 2 CN 115457402 A 26.根据权利要求4所述的一种基于深度学习改进的高分遥感影像四乱提取方法， 其特 征在于： 信息提取包括以下两种提取途径： 途径一、 普查数据提取： 建立普查图斑矢量图层， 结合卫星影像， 通过目视解译的方式 来开展提取工作； 途径二、 动态数据提取： 建立动态图斑矢量图层， 利用卷帘工具对比两期影像， 对河道 管理范围内的变化信息进行 形状和范围的绘制。 7.根据权利要求1所述的一种基于高分遥感影像河湖四乱问题监测识别系统， 其特征 在于： 该监测识别系统由遥感影 像处理子系统与遥感监测子系统构成。 8.根据权利要求1所述的一种基于高分遥感影像河湖四乱问题监测识别系统， 该系统 利用AI人工智能识别技术即达到四乱图斑提取的需求， 其特征在于： 该AI人工智能识别技 术包括以下步骤： 步骤一、 通过数据预处理、 数据增强和数据集分割构建疑似 “四乱”标准样本库并合理 划分为训练集、 验证集和 测试集； 步骤二、 利用开源的人工智能模型框架进行训练和验证， 综合考察训练验证和测试的 模型精度进行网络结构和训练参数设置和调优， 将满足精度要求(F1≥0.8)的优化模型作 为疑似“四乱”图斑智能识别分类业 务化AI优化模型； 步骤三、 运用深度学习技术进行河湖四乱监测相关的水体、 围河(湖)造地、 采砂、 坑塘 养殖、 临河建筑和弃渣(土)场的智能识别。 9.根据权利要求1所述的一种基于深度学习改进的高分遥感影像四乱提取方法， 其特 征在于： 研判分析包括以下步骤： 步骤一、 将图斑与河湖管理范围矢量数据叠加， 执行拓扑运算， 判断是否在河湖管理范 围内， 将图斑与河湖本底矢量数据叠加， 执行拓扑运算， 判断是否与现有水利工程范围重 叠； 步骤二、 将图斑与河湖岸线利用与保护规划矢量数据叠加， 执行拓扑运算， 判断是否占 用保护区/保留区并计算占用面积， 将图斑与涉河项目审批矢量数据叠加， 执行拓扑运算， 判断是否合法审批； 步骤三、 对于标记为 “四乱问题图斑 ”的数据， 与 “四乱”专题数据进行比对， 提取新 “四 乱”问题的清单， 将判为新 “四乱”问题图斑与行政区、 河湖管理范围数据进行叠加分析， 提 取监管和管理信息 。权　利　要　求　书 2/2 页 3 CN 115457402 A 3