CN115457408A - 一种土地监测方法、装置、电子设备及介质 - Google Patents
一种土地监测方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115457408A CN115457408A CN202211258950.5A CN202211258950A CN115457408A CN 115457408 A CN115457408 A CN 115457408A CN 202211258950 A CN202211258950 A CN 202211258950A CN 115457408 A CN115457408 A CN 115457408A
- Authority
- CN
- China
- Prior art keywords
- area
- remote sensing
- sensing image
- boundary
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及图像处理技术的领域,尤其是涉及一种土地监测方法、装置、电子设备及介质,方法包括获取待监测区域的遥感图像;根据遥感图像,判断待监测区域是否存在目标监测区域;当存在目标监测区域时,判断目标监测区域内是否存在异常区域;当存在异常区域时,根据异常区域对应的异常位置,确定对应的管辖地信息,并基于管辖地信息,将包含有异常区域的遥感图像进行反馈。本申请具有减轻监测人员在土地监测过程中工作负担的效果。
Description
技术领域
本申请涉及图像处理技术的领域,尤其是涉及一种土地监测方法、装置、电子设备及介质。
背景技术
随着经济的不断发展,农民的生活水平得到了极大的提升,城乡之间的经济差异得到了进一步改善,无论是农村房屋规划,还是农村环境卫生,都有了相对应的治理政策以及治理措施。
但是,近年来关于土地滥用的情况还是率有发生,在农村有许多耕地面积被私自变卖,一些被私自变卖的耕地面积未经过批示就用作建房使用,还有一些用来建造各种工厂,存在土地面积滥用的现象。相关技术中,一般定期通过定期对土地使用情况进行实地监测,对土地面积滥用的情况进行治理,但是在实地监测过程中可能需要浪费大量的人力和物力,加重了监测人员的工作负担。
发明内容
为了降低监测人员在土地监测过程中的工作负担,本申请提供一种土地监测方法、装置、电子设备及介质。
第一方面,本申请提供一种土地监测方法,采用如下的技术方案:
一种土地监测方法,包括:
获取待监测区域的遥感图像;
根据所述遥感图像,判断所述待监测区域是否存在目标监测区域;
当存在所述目标监测区域时,判断所述目标监测区域内是否存在异常区域;
当存在所述异常区域时,根据所述异常区域对应的异常位置,确定对应的管辖地信息,并基于所述管辖地信息,将包含有所述异常区域的遥感图像进行反馈。
通过采用上述技术方案,通过对待监测区域的遥感图像进行识别,判断出遥感图像中是否存在目标监测区域,当遥感图像中存在目标监测区域时,判断目标监测区域内是否存在异常区域,若目标监测区域内存在异常区域,则根据异常区域对应的异常位置,确定异常位置所对应的管辖地信息,并将包含有异常区域的遥感图像向管辖地相关部门进行反馈,通过对遥感图像对待监测区域是否存在异常区域进行识别和判断,减小了相关监测人员在土地监测过程中的工作负担。
在一种可能实现的方式中,所述判断所述目标监测区域内是否存在异常区域,包括:
根据所述遥感图像,识别所述目标监测区域的边界范围;
判断所述边界范围内是否存在独立区域;
当存在所述独立区域时,确定所述目标监测区域存在异常区域;
当不存在所述独立区域时,确定所述目标监测区域不存在异常区域。
通过采用上述技术方案,通过遥感图像对目标监测区域的边界范围进行确定,再对边界范围内是否存在独立区域进行判断,当存在独立区域时,表明目标监测区域存在异常区域,当不存在独立区域时,表明目标监测区域不存在异常区域,基于目标监测区域的边界范围,对目标监测区域内是否存在异常区域进行判断,提高了判断结果的准确性。
在一种可能实现的方式中,还包括:
判断所述目标监测区域的边界范围外是否存在边界独立区域;
若是,则确定所述边界独立区域对应的独立面积;
当所述独立面积低于预设阈值时,确定所述边界独立区域为异常区域。
通过采用上述技术方案,通过对目标监测区域边界范围之外,是否存在边界独立区域进行判断,当存在边界独立区域时,确定边界独立区域对应的独立面积,当独立面积低于预设阈值时,将边界独立区域确定为异常区域,通过独立面积对异常区域进行判断,提高了确定异常区域时的准确性。
在一种可能实现的方式中,所述确定所述目标监测区域不存在异常区域,之前还包括:
确定所述边界独立区域的边界位置;
根据所述边界位置,确定所述遥感图像的相邻遥感图像;
根据所述相邻遥感图像,判断所述边界独立区域是否完整;
当所述独立边界区域完整时,确定所述边界独立区域为异常区域。
通过采用上述技术方案,通过对边界独立区域的边界位置进行确定,再通过确定出的边界位置,对遥感图像的相邻遥感图像进行确定,最后基于相邻遥感图像对边界独立区域是否完整进行确定,并将边界独立区域完整时,将边界独立区域确定为异常区域,通过相邻遥感图像对边界独立区域的完整性进行判断,在对边界独立区域是否为异常区域进行判断,提高了确定边界独立区域是否为异常区域时的准确性。
在一种可能实现的方式中,还包括:
当所述边界独立区域不完整时,根据所述相邻遥感图像,确定所述边界独立区域对应的剩余区域的面积;
当所述剩余区域和所述边界独立区域的面积之和低于预设阈值时,确定所述边界独立区域与所述剩余区域为异常区域。
通过采用上述技术方案,在边界独立区域不完整时,根据相邻遥感图像,将边界独立区域对应的剩余区域进行确定,并计算出剩余区域的面积,当剩余区域的面积和边界独立区域的面积之和未超过预设阈值时,将边界独立区域和剩余区域确定为异常区域,通过面积之和对异常区域进行确定,提高了确定异常区域时的准确性。
在一种可能实现的方式中,所述获取待监测区域的遥感图像,之后还包括:
根据所述待监测区域的遥感图像,判断所述遥感图像中是否存在阴影区域;
当存在阴影区域时,记录所述遥感图像对应的位置信息;
经过预设时间段后,根据所述遥感图像对应的位置信息,从遥感图像库中确定对应的新遥感图像,并将所述新遥感图像确定为所述遥感图像。
通过采用上述技术方案,在获取到待监测区域的遥感图像后,判断遥感图像中是否存在阴影区域,在检测到存在阴影区域后,将阴影区域的位置信息进行识别和确定,并在预设时间段后,根据识别到的位置信息从遥感图像库中,确定出与阴影区域的位置信息对应的新遥感图像,通过对获取到的遥感图像进行阴影区域识别,便于根据遥感图像对异常区域进行识别。
在一种可能实现的方式中,所述根据所述遥感图像对应的位置信息,从遥感图像库中确定对应的新遥感图像,包括:
确定所述阴影区域对应的经纬度信息;
根据所述经纬度信息,从遥感图像库中确定与所述经纬度信息对应的遥感区域图像;
根据所述遥感区域图像更新所述遥感图像,生成新遥感图像。
通过采用上述技术方案,通过阴影区域对应边界点的经纬度,便于从遥感图像库中选择与阴影区域对应的信局部区域,将新局部区域将阴影区域进行覆盖,以实现对遥感图像进行更新,提高了更新遥感图像的准确度。
第二方面,本申请提供一种土地监测装置,采用如下的技术方案:
一种土地监测装置,包括:
获取遥感图像模块,用于获取待监测区域的遥感图像;
目标判断模块,用于根据所述遥感图像,判断所述待监测区域是否存在目标监测区域;
异常判断模块,用于当存在所述目标监测区域时,判断所述目标监测区域内是否存在异常区域;
信息反馈模块,用于当存在所述异常区域时,根据所述异常区域对应的异常位置,确定对应的管辖地信息,并基于所述管辖地信息,将包含有所述异常区域的遥感图像进行反馈。
通过采用上述技术方案,通过对待监测区域的遥感图像进行识别,判断出遥感图像中是否存在目标监测区域,当遥感图像中存在目标监测区域时,判断目标监测区域内是否存在异常区域,若目标监测区域内存在异常区域,则根据异常区域对应的异常位置,确定异常位置所对应的管辖地信息,并将包含有异常区域的遥感图像向管辖地相关部门进行反馈,通过对遥感图像对待监测区域是否存在异常区域进行识别和判断,减小了相关监测人员在土地监测过程中的工作负担。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述土地监测的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述土地监测方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过对待监测区域的遥感图像进行识别,判断出遥感图像中是否存在目标监测区域,当遥感图像中存在目标监测区域时,判断目标监测区域内是否存在异常区域,若目标监测区域内存在异常区域,则根据异常区域对应的异常位置,确定异常位置所对应的管辖地信息,并将包含有异常区域的遥感图像向管辖地相关部门进行反馈,通过对遥感图像对待监测区域是否存在异常区域进行识别和判断,减小了相关监测人员在土地监测过程中的工作负担。
2.通过遥感图像对目标监测区域的边界范围进行确定,再对边界范围内是否存在独立区域进行判断,当存在独立区域时,表明目标监测区域存在异常区域,当不存在独立区域时,表明目标监测区域不存在异常区域,基于目标监测区域的边界范围,对目标监测区域内是否存在异常区域进行判断,提高了判断结果的准确性。
附图说明
图1是本申请实施例中一种土地监测方法的流程示意图;
图2是本申请实施例中一种土地监测装置的结构示意图;
图3是本申请实施例中一种电子设备的结构示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了减轻监测人员在土地监测过程中的工作负担,本申请实施例,通过对待监测区域的遥感图像进行识别,判断出遥感图像中是否存在目标监测区域,当遥感图像中存在目标监测区域时,判断目标监测区域内是否存在异常区域,若目标监测区域内存在异常区域,则根据异常区域对应的异常位置,确定异常位置所对应的管辖地信息,并将包含有异常区域的遥感图像向管辖地相关部门进行反馈,通过对遥感图像对待监测区域是否存在异常区域进行识别和判断,减小了相关监测人员在土地监测过程中的工作负担。
具体的,本申请实施例提供了一种土地监测方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制。
参考图1,图1是本申请实施例中一种土地监测方法的流程示意图,该方法包括步骤S110、步骤S120、步骤S130以及步骤S140,其中:
步骤S110:获取待监测区域的遥感图像。
具体的,待监测区域为需要进行土地监测的区域。遥感图像为高分遥感图像,高分遥感图像又称高分辨率遥感图像,就是对遥感数据的质量和数量要求较高的遥感图像,高分遥感图像的主要特征包括地物文理信息丰富、成像光谱波段多以及重访时间短。例如,卫星影像的地面分辨率由10m、5m、2m、1m、甚至到0.6m ,分辨率逐步提高,通过高分遥感图像便于进行土地利用、城市规划以及环境监测工作,通过高分遥感图像便于掌握更便利、更详细的数据。卫星影像可由装载在卫星上的遥感器获取。
步骤S120:根据遥感图像,判断待监测区域是否存在目标监测区域。
具体的,目标监测区域可以为耕地区域,也可以为绿化区域,在本申请实施例中不做具体限定。当目标监测区域为耕地区域时,从遥感图像中对目标监测区域进行识别时,即从遥感图像中对耕地区域进行识别时,可通过将遥感图像输入训练好的第一区域识别模型中,以对目标监测区域进行识别,其中,第一区域识别模型的训练过程包括:获取多张样本遥感图像,其中,每一样本遥感图像中都对应有人工标注,人工标注的形式可以为将样本遥感图像中的耕地区域进行标记,对样本遥感图像进行人工标记的形式在本申请实施例中不做具体限定,只要能够对遥感图像中的耕地区域进行识别即可。由于农作物会随着季节的变化而变化,因此耕地区域对应的遥感图像也会随着季节的变化而变化,所以多张样本遥感图像中需至少包括四个季节对应的耕地区域,以便提高第一区域识别模型的准确度,将获取到的多张样本遥感图像导入待训练的区域识别模型中,得到识别结果,将生成的识别结果与样本遥感图像对应的人工标注进行对比,生成匹配度,当匹配度高于预设标准值时,确定待训练的区域识别模型训练结束,得到训练好的第一区域识别模型。
步骤S130:当存在目标监测区域时,判断目标监测区域内是否存在异常区域。
具体的,异常区域可以为住房区域和工厂区域,由于人们对土地使用权的认知较少,因此在农村经常出现私自买卖耕地的现象,被私自售卖的耕地常用作房屋或厂房的建设,因此为了减少对耕地滥用的情况,需要开展土地监测工作。住房区域和工厂区域,相较于耕地区域和绿化区域而言,属于异常区域。
当目标监测区域为耕地区域,异常区域为住房区域时,判断耕地区域内是否存在住房区域时,可通过对耕地区域进行识别后,生成耕地区域图像,再将耕地区域图像导入训练好的第二区域识别模型中,以对耕地区域图像中出现的住房区域进行识别,第二区域识别模型的训练过程,可参考上述对第一区域识别模型进行训练的过程,第二区域识别模型训练过程用到的样本图像为包含有标注的住房遥感图像。
步骤S140:当存在异常区域时,根据异常区域对应的异常位置,确定对应的管辖地信息,并基于管辖地信息,将包含有异常区域的遥感图像进行反馈。
具体的,可通过遥感图像中异常区域的经纬度,对异常位置进行确定,再通过异常位置,确定异常位置的所属区域,根据所属区域确定对应的管辖地,还可以通过对遥感图像中出现的标志物进行识别,以通过识别出的标注物对管辖地进行确定,标志物可以为管辖地的旅游景点。
管辖地信息包括与土地监测的相关部门,通过将包含有异常区域的遥感图像向相关部门进行反馈,便于相关部门对异常区域的实际情况进行核实。
本申请实施例中,通过对待监测区域的遥感图像进行识别,判断出遥感图像中是否存在目标监测区域,当遥感图像中存在目标监测区域时,判断目标监测区域内是否存在异常区域,若目标监测区域内存在异常区域,则根据异常区域对应的异常位置,确定异常位置所对应的管辖地信息,并将包含有异常区域的遥感图像向管辖地相关部门进行反馈,通过对遥感图像对待监测区域是否存在异常区域进行识别和判断,减小了相关监测人员在土地监测过程中的工作负担。
进一步的,步骤S130中,当存在目标监测区域时,判断目标监测区域内是否存在异常区域,具体可以包括步骤S1301(附图未示出)、步骤S1302(附图未示出)、步骤S1303(附图未示出)及步骤S1304(附图未示出),其中:
步骤S1301:根据遥感图像,识别目标监测区域的边界范围。
具体的,目标监测区域的边界范围由目标监测区域对应的边界信息进行确定,其中,边界信息为多个边界点坐标,通过将多个边界点坐标依次相连,形成边界范围。目标监测区域的边界范围能够将目标监测区域进行包围。
步骤S1302:判断边界范围内是否存在独立区域。
具体的,独立区域的边界范围,与目标监测区域的边界范围不存在交集。判断边界范围内是否存在独立区域时,可通过对包含有目标监测区域的遥感图像进行识别,也可以通过将独立区域对应的边界信息与目标监测区域对应的边界信息进行对比,具体的判断方式在本申请实施例中不做具体限定,只要能够对目标监测区域内是否存在独立区域进行判断即可。
步骤S1303:当存在独立区域时,确定目标监测区域存在异常区域;
步骤S1304:当不存在独立区域时,确定目标监测区域不存在异常区域。
具体的,当目标监测区域为耕地区域,独立区域为住房区域时,目标监测区域内存在独立区域,即耕地区域内存在住房区域,根据用地相关规定,当耕地区域内存在住房区域时可能存在土地滥用的情况,因此将耕地区域内的住房区域确定为异常区域。
本申请实施例中,通过遥感图像对目标监测区域的边界范围进行确定,再对边界范围内是否存在独立区域进行判断,当存在独立区域时,表明目标监测区域存在异常区域,当不存在独立区域时,表明目标监测区域不存在异常区域,基于目标监测区域的边界范围,对目标监测区域内是否存在异常区域进行判断,提高了判断结果的准确性。
进一步的,为了提高确定异常区域时的准确性,本申请实施例还包括:步骤Sa1(附图未示出)、步骤Sa2(附图未示出)及步骤Sa3(附图未示出),其中:
步骤Sa1:判断目标监测区域的边界范围外是否存在边界独立区域。
具体的,边界独立区域为位于目标监测区域的边界范围之外的独立区域。判断是否存在边界独立区域时,可通过目标监测区域对应的遥感图像进行确定,将除目标监测区域之外的其他区域的边界信息进行确定,判断剩余区域的边界信息进行识别,判断其他区域的边界信息是否能够构成封闭范围,当其他区域的边界信息能够成封闭范围时,确定目标监测区域的边界范围外存在边界独立区域。
步骤Sa2:当目标监测区域的边界范围外存在边界独立区域时,确定边界独立区域对应的独立面积。
具体的,确定独立面积时,可通过独立区域对应的多个边界点,将独立区域划分为多个局部常规面积,例如三角形面积和长方形面积,通过将多个局部常规面积进行计算,确定出独立面积。
步骤Sa3:当独立面积低于预设阈值时,确定边界独立区域为异常区域。
具体的,预设阈值可以根据用户需求进行修改,在本申请实施例中不做具体限定。当独立面积过大时,对应的独立区域为异常区域的概率会降低。
本申请实施例中,通过对目标监测区域边界范围之外,是否存在边界独立区域进行判断,当存在边界独立区域时,确定边界独立区域对应的独立面积,当独立面积低于预设阈值时,将边界独立区域确定为异常区域,通过独立面积对异常区域进行判断,提高了确定异常区域时的准确性。
进一步的,步骤Sa3中确定边界独立区域为异常区域,之前还包括步骤Sb1(附图未示出)、步骤Sb2(附图未示出)、步骤Sb3(附图未示出)及步骤Sb4(附图未示出),其中:
步骤Sb1:确定边界独立区域的边界位置。
具体的,边界独立区域对应的边界位置,用于表征边界独立区域,确定边界位置时,可通过从多个边界点中随机选择一个边界点作为边界位置,也可以通过多个边界点,确定出中心点,将确定出来的中心点作为边界位置,其中,中心点的确定方式为以中心点为圆心,以预设距离为半径,确定中心圆,落在中心圆上的边界点数量超过所有边界点数量的80%。
步骤Sb2:根据边界位置,确定遥感图像的相邻遥感图像。
具体的,初始相邻遥感图像为与当前遥感图像存在相同边界线的遥感图像,相邻遥感图像的数量至少有三个,根据边界位置便于从多个初始相邻遥感图像中,进行选择。
根据边界位置,从多个相邻遥感图像中进行选择时,可通过计算边界位置到遥感图像每个边界线的距离,将最短距离对应的边界线确定为目标边界线,并将拥有目标边界线的初始相邻遥感图像确定为相邻遥感图像。
步骤Sb3:根据相邻遥感图像,判断边界独立区域是否完整。
步骤Sb4:当边界独立区域完整时,确定边界独立区域为异常区域。
具体的,由于遥感图像所展示的画面有限,因此在遥感图像中确定出的独立区域可能是完整的,也可能由于展示画面有限,进而独立区域不是完整的。当边界独立区域完整时,相邻遥感图像中不再存在与边界独立区域相对应的区域,当边界独立区域不完整时,相邻遥感图像中存在与边界独立区域相对应的区域,并且边界独立区域和相邻遥感图像中存在的与其相对应的区域,构成一个完整区域。
根据相邻遥感图像对边界独立区域是否独立进行判断时,可通过对相邻遥感图像进行区域识别,当相邻遥感图像中存在与边界独立区域相同的区域时,确定该区域的边界信息,当该区域的边界信息与边界独立区域对应的边界信息对应的边界线有重合时,确定边界独立区域不完整;当该区域的边界信息与边界独立区域对应的边界信息对应的边界线没有重合时,确定边界独立区域完整。
本申请实施例中,通过对边界独立区域的边界位置进行确定,再通过确定出的边界位置,对遥感图像的相邻遥感图像进行确定,最后基于相邻遥感图像对边界独立区域是否完整进行确定,并将边界独立区域完整时,将边界独立区域确定为异常区域,通过相邻遥感图像对边界独立区域的完整性进行判断,在对边界独立区域是否为异常区域进行判断,提高了确定边界独立区域是否为异常区域时的准确性。
进一步的,本申请实施例提供了一种土地监测方法,还包括步骤Sc1(附图未示出)和步骤Sc2(附图未示出),其中:
步骤Sc1:当边界独立区域不完整时,根据相邻遥感图像,确定边界独立区域对应的剩余区域的面积。
具体的,当剩余区域的边界信息与边界独立区域对应的边界信息对应的边界线有重合时,确定边界独立区域不完整。剩余区域的面积可通过将剩余区域中的多个边界点坐标进行确定,再根据多个边界点坐标将剩余区域划分为多个局部剩余区域,通过对多个局部剩余区域的面积进行计算,确定剩余区域的面积。
步骤Sc2:当剩余区域和边界独立区域的面积之和低于预设阈值时,确定边界独立区域与剩余区域为异常区域。
具体的,预设阈值可以根据用户需求进行修改,在本申请实施例中不作具体限定,根据历史监测数据,异常区域的面积一般较小,因此当剩余面积与边界独立区域面积较大时,边界独立区域与剩余区域为异常区域的几率可能会降低。
本申请实施例中,在边界独立区域不完整时,根据相邻遥感图像,将边界独立区域对应的剩余区域进行确定,并计算出剩余区域的面积,当剩余区域的面积和边界独立区域的面积之和未超过预设阈值时,将边界独立区域和剩余区域确定为异常区域,通过面积之和对异常区域进行确定,提高了确定异常区域时的准确性。
进一步的,为了提高对遥感图像进行识别时的准确性,本申请实施例还包括步骤Sd1(附图未示出)、步骤Sd2(附图未示出)及步骤Sd3(附图未示出),其中:
步骤Sd1:根据待监测区域的遥感图像,判断遥感图像中是否存在阴影区域。
具体的,阴影区域可以为物体遮挡光线留下的阴影,投射在其他物体表面,还可以为由于拍摄时的环境原因,导致物体在图像信息中颜色较深,例如阴天和雾霾天。
从遥感图像中对阴影区域进行识别时,可通过将待识别的遥感图像导入预先训练好的阴影识别模型中,阴影识别模型的训练过程为获取大量含有阴影区域标签的样本图像,将大量样本图像导入待训练的阴影识别模型中进行训练,得到识别结果,若待识别的遥感图像中存在阴影区域,则识别结果中会进行标记,通过识别结果便于对遥感图像中是否存在阴影区域进行判断。
步骤Sd2:当存在阴影区域时,记录遥感图像对应的位置信息。
具体的,若待识别的遥感图像中存在阴影区域,则对遥感图像对应的位置信息进行确定,其中,遥感图像的位置信息为遥感图像的顶点经纬度,通过顶点经纬度便于对遥感图像所拍摄的位置信息进行确定。
步骤Sd3:经过预设时间段后,根据遥感图像对应的位置信息,从遥感图像库中确定对应的新遥感图像,并将新遥感图像确定为遥感图像。
具体的,预设时间段可以一天、三天或五天,具体的预设时间段在本申请实施例中不做具体限定,可以根据用户需求进行修改。遥感图像库中存放有不同时刻的遥感图像,例如,当基于生成时间为2022年5月20日的遥感图像进行土地监测时,确定出待监测区域的遥感图像中存在阴雾霾天气而造成的阴影区域,则将阴影区域的位置信息进行确定后,可以从遥感图像库中获取生成时间为2022年5月21日的遥感图像,并根据阴影区域的位置信息,确定新的遥感图像。
本申请实施例中,在获取到待监测区域的遥感图像后,判断遥感图像中是否存在阴影区域,在检测到存在阴影区域后,将阴影区域的位置信息进行识别和确定,并在预设时间段后,根据识别到的位置信息从遥感图像库中,确定出与阴影区域的位置信息对应的新遥感图像,通过对获取到的遥感图像进行阴影区域识别,便于根据遥感图像对异常区域进行识别。
进一步的,步骤Sd3中,根据遥感图像对应的位置信息,从遥感图像库中确定对应的新遥感图像,具体可以包括步骤Sd31(附图未示出)、步骤Sd32(附图未示出)及步骤Sd33(附图未示出),其中:
步骤Sd31:确定阴影区域对应的经纬度信息。
具体的,阴影区域对应的经纬度信息为阴影区域的边界点对应的经纬度信息,通过区域识别模型,对阴影区域的边界线进行识别,从阴影区域的边界线中按照预设间距,对多个边界点进行确定。
步骤Sd32:根据经纬度信息,从遥感图像库中确定与经纬度信息对应的遥感区域图像。
步骤Sd33:根据遥感区域图像更新遥感图像,生成新遥感图像。
具体的,根据阴影区域的多个边界点的经纬度,便于从遥感图像库中将阴影区域对应的新局部区域进行确定,更新遥感图像时,可通过将新局部区域将阴影区域进行覆盖,以完成遥感图像的更新。
本申请实施例中,通过阴影区域对应边界点的经纬度,便于从遥感图像库中选择与阴影区域对应的信局部区域,将新局部区域将阴影区域进行覆盖,以实现对遥感图像进行更新,提高了更新遥感图像的准确度。
上述实施例从方法流程的角度介绍一种土地监测的方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种土地监测的装置,具体详见下述实施例。
本申请实施例提供一种土地监测的装置,如图2所示,该装置具体可以包括获取遥感图像模块210、目标判断模块220、异常判断模块230及信息反馈模块240,其中:
获取遥感图像模块210,用于获取待监测区域的遥感图像;
目标判断模块220,用于根据遥感图像,判断待监测区域是否存在目标监测区域;
异常判断模块230,用于当存在目标监测区域时,判断目标监测区域内是否存在异常区域;
信息反馈模块240,用于当存在异常区域时,根据异常区域对应的异常位置,确定对应的管辖地信息,并基于管辖地信息,将包含有异常区域的遥感图像进行反馈。
在一种可能实现的方式中,目标判断模块220包括:
识别边界范围单元,用于根据遥感图像,识别目标监测区域的边界范围;
独立区域判断单元,用于判断边界范围内是否存在独立区域;
异常区域第一判断单元,用于当存在独立区域时,确定目标监测区域存在异常区域;
异常区域第二判断单元,用于当不存在独立区域时,确定目标监测区域不存在异常区域。
在一种可能实现的方式中,该装置还包括:
边界独立区域判断模块,用于判断所述目标监测区域的边界范围外是否存在边界独立区域;
独立面积确定模块,用于当目标监测区域的边界范围外存在边界独立区域时,确定边界独立区域对应的独立面积;
边界异常确定模块,用于当独立面积低于预设阈值时,确定边界独立区域为异常区域。
在一种可能实现的方式中,该装置还包括:
边界位置确定模块,用于确定边界独立区域的边界位置;
相邻遥感图像确定模块,用于根据边界位置,确定遥感图像的相邻遥感图像;
边界完整判断模块,用于根据相邻遥感图像,判断边界独立区域是否完整;
确定边界独立异常模块,用于当独立边界区域完整时,确定边界独立区域为异常区域。
在一种可能实现的方式中,该装置还包括:
确定剩余面积模块,用于当边界独立区域不完整时,根据相邻遥感图像,确定边界独立区域对应的剩余区域的面积;
面积异常确定模块,用于当剩余区域和边界独立区域的面积之和低于预设阈值时,确定边界独立区域与所述剩余区域为异常区域。
在一种可能实现的方式中,该装置还包括:
阴影判断模块,用于根据待监测区域的遥感图像,判断遥感图像中是否存在阴影区域;
阴影位置确定模块,用于当存在阴影区域时,记录遥感图像对应的位置信息;
更新图像模块,用于经过预设时间段后,根据遥感图像对应的位置信息,从遥感图像库中确定对应的新遥感图像,并将新遥感图像确定为遥感图像。
在一种可能实现的方式中,更新图像模块包括:
确定经纬度单元,用于确定阴影区域对应的经纬度信息;
对应图像确定单元,用于根据经纬度信息,从遥感图像库中确定与经纬度信息对应的遥感区域图像;
确定新遥感图像单元,用于根据遥感区域图像更新遥感图像,生成新遥感图像。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器401来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例中通过对待监测区域的遥感图像进行识别,判断出遥感图像中是否存在目标监测区域,当遥感图像中存在目标监测区域时,判断目标监测区域内是否存在异常区域,若目标监测区域内存在异常区域,则根据异常区域对应的异常位置,确定异常位置所对应的管辖地信息,并将包含有异常区域的遥感图像向管辖地相关部门进行反馈,通过对遥感图像对待监测区域是否存在异常区域进行识别和判断,减小了相关监测人员在土地监测过程中的工作负担。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种土地监测方法,其特征在于,包括:
获取待监测区域的遥感图像;
根据所述遥感图像,判断所述待监测区域是否存在目标监测区域;
当存在所述目标监测区域时,判断所述目标监测区域内是否存在异常区域;
当存在所述异常区域时,根据所述异常区域对应的异常位置,确定对应的管辖地信息,并基于所述管辖地信息,将包含有所述异常区域的遥感图像进行反馈。
2.根据权利要求1所述的一种土地监测方法,其特征在于,所述判断所述目标监测区域内是否存在异常区域,包括:
根据所述遥感图像,识别所述目标监测区域的边界范围;
判断所述边界范围内是否存在独立区域;
当存在所述独立区域时,确定所述目标监测区域存在异常区域;
当不存在所述独立区域时,确定所述目标监测区域不存在异常区域。
3.根据权利要求2所述的一种土地监测方法,其特征在于,还包括:
判断所述目标监测区域的边界范围外是否存在边界独立区域;
若是,则确定所述边界独立区域对应的独立面积;
当所述独立面积低于预设阈值时,确定所述边界独立区域为异常区域。
4.根据权利要求3所述的一种土地监测方法,其特征在于,所述确定所述目标监测区域不存在异常区域,之前还包括:
确定所述边界独立区域的边界位置;
根据所述边界位置,确定所述遥感图像的相邻遥感图像;
根据所述相邻遥感图像,判断所述边界独立区域是否完整;
当所述独立边界区域完整时,确定所述边界独立区域为异常区域。
5.根据权利要求4所述的一种土地监测方法,其特征在于,还包括:
当所述边界独立区域不完整时,根据所述相邻遥感图像,确定所述边界独立区域对应的剩余区域的面积;
当所述剩余区域和所述边界独立区域的面积之和低于预设阈值时,确定所述边界独立区域与所述剩余区域为异常区域。
6.根据权利要求1所述的一种土地监测方法,其特征在于,所述获取待监测区域的遥感图像,之后还包括:
根据所述待监测区域的遥感图像,判断所述遥感图像中是否存在阴影区域;
当存在阴影区域时,记录所述遥感图像对应的位置信息;
经过预设时间段后,根据所述遥感图像对应的位置信息,从遥感图像库中确定对应的新遥感图像,并将所述新遥感图像确定为所述遥感图像。
7.根据权利要求6所述的一种土地监测方法,其特征在于,所述根据所述遥感图像对应的位置信息,从遥感图像库中确定对应的新遥感图像,包括:
确定所述阴影区域对应的经纬度信息;
根据所述经纬度信息,从遥感图像库中确定与所述经纬度信息对应的遥感区域图像;
根据所述遥感区域图像更新所述遥感图像,生成新遥感图像。
8.一种土地监测装置,其特征在于,包括:
获取遥感图像模块,用于获取待监测区域的遥感图像;
目标判断模块,用于根据所述遥感图像,判断所述待监测区域是否存在目标监测区域;
异常判断模块,用于当存在所述目标监测区域时,判断所述目标监测区域内是否存在异常区域;
信息反馈模块,用于当存在所述异常区域时,根据所述异常区域对应的异常位置,确定对应的管辖地信息,并基于所述管辖地信息,将包含有所述异常区域的遥感图像进行反馈。
9.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中所述至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1-7中任一项所述土地监测的方法。
10.一种计算机可读存储介质,其特征在于,包括:存储有能够被处理器加载并执行如权利要求1-7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211258950.5A CN115457408A (zh) | 2022-10-14 | 2022-10-14 | 一种土地监测方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211258950.5A CN115457408A (zh) | 2022-10-14 | 2022-10-14 | 一种土地监测方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115457408A true CN115457408A (zh) | 2022-12-09 |
Family
ID=84310798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211258950.5A Pending CN115457408A (zh) | 2022-10-14 | 2022-10-14 | 一种土地监测方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457408A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051998A (zh) * | 2023-01-18 | 2023-05-02 | 广州市绿之城园林绿化工程有限公司 | 一种自然保护区界桩监测方法及系统 |
CN116206215A (zh) * | 2023-03-17 | 2023-06-02 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
-
2022
- 2022-10-14 CN CN202211258950.5A patent/CN115457408A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116051998A (zh) * | 2023-01-18 | 2023-05-02 | 广州市绿之城园林绿化工程有限公司 | 一种自然保护区界桩监测方法及系统 |
CN116051998B (zh) * | 2023-01-18 | 2023-10-10 | 广州市绿之城园林绿化工程有限公司 | 一种自然保护区界桩监测方法及系统 |
CN116206215A (zh) * | 2023-03-17 | 2023-06-02 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
CN116206215B (zh) * | 2023-03-17 | 2023-09-29 | 银河航天(北京)网络技术有限公司 | 一种森林土地状态的监测方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Streltsov et al. | Estimating residential building energy consumption using overhead imagery | |
CN115457408A (zh) | 一种土地监测方法、装置、电子设备及介质 | |
US10115165B2 (en) | Management of tax information based on topographical information | |
CN110956412B (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
Hagenlocher et al. | Modeling hotspots of climate change in the Sahel using object-based regionalization of multidimensional gridded datasets | |
Kim et al. | Analysis of urbanization characteristics causing farmland loss in a rapid growth area using GIS and RS | |
CN116416626B (zh) | 圆形印章数据的获取方法、装置、设备及存储介质 | |
US20080270031A1 (en) | Geospatial modeling system providing data thinning of geospatial data points and related methods | |
CN111222539A (zh) | 基于多源多时相遥感影像优化和扩充监督分类样本的方法 | |
CN112668461A (zh) | 一种具有野生动物识别的智能监管系统 | |
Xu et al. | Building height calculation for an urban area based on street view images and deep learning | |
Biswas et al. | Estimation of land surface temperature in response to land use/land cover transformation in Kolkata city and its suburban area, India | |
CN109657728B (zh) | 样例生产方法及模型训练方法 | |
CN115984273A (zh) | 道路病害检测方法、装置、计算机设备及可读存储介质 | |
Martínez-López et al. | Free advanced modeling and remote-sensing techniques for wetland watershed delineation and monitoring | |
Qiu et al. | Exploring parameter selection for carbon monitoring based on Landsat-8 imagery of the aboveground forest biomass on Mount Tai | |
CN110826454A (zh) | 一种遥感影像变化检测方法及装置 | |
Ma et al. | Individual structure mapping over six million trees for New York City USA | |
Marx et al. | 3D Participatory sensing with low-cost mobile devices for crop height assessment–a comparison with terrestrial laser scanning data | |
JP7028336B2 (ja) | 学習装置、学習方法および学習プログラム | |
CN116362864A (zh) | 基于水产养殖的贷后风险评估方法及其装置、电子设备 | |
US20230035355A1 (en) | System and method for natural capital measurement | |
Ma et al. | Low‐Altitude Photogrammetry and Remote Sensing in UAV for Improving Mapping Accuracy | |
Lohani et al. | Effect of data density, scan angle, and flying height on the accuracy of building extraction using LiDAR data | |
Bao et al. | An automatic extraction method for individual tree crowns based on self-adaptive mutual information and tile computing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |