(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 202210379233.1 (22)申请日 2022.04.12 (71)申请人 中国电建集团华 东勘测设计 研究院 有限公司 地址 310014 浙江省杭州市潮王路2 2号 (72)发明人 陈妮　牛振华　杨凯　王正　 王峰利　王静　李健　应丰　 王美林　 (74)专利代理 机构 浙江杭州金通专利事务所有 限公司 3 3100 专利代理师 刘晓春 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/13(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种高分辨率遥感影像人为扰动用地检测 方法 (57)摘要 本发明提供了一种高分辨率遥感影像人为 扰动用地检测方法， 针对人为扰动检测任务中成 像背景复杂、 扰动区域形状特征不明确、 遥感影 像检测精度低等难点提出的技术方案， 实现了人 为扰动的快速检测。 具体而言， 设计了一种基于 目标区域的定位策略， 使用一个稀 疏目标检测模 块自动定位， 并用引入空洞残差块进行多层特征 融合构建新的特征提取网络， 已获得更精确的检 测结果。 本发 明旨在解决常规语义分割在遥感影 像人为扰动用地监测任务中的局限性， 通过实现 全快速检测人为扰动用地， 一定程度上提升行政 部门或技术单位的监管效率并减少由于个人经 验和主观偏差带来的人工错 误检测。 权利要求书1页 说明书4页 附图2页 CN 114863269 A 2022.08.05 CN 114863269 A 1.一种高分辨率遥感影像人为扰动用地检测方法， 其特征在于所述人为扰动用地检测 方法包括利用特 征融合模型调制可变性主干网络， 检测方法包括以下步骤: 步骤(S1)、 读取高分辨 率遥感影 像数据； 步骤(S2)、 数据标准 化处理， 得到标准 化高分辨 率遥感影 像样本； 步骤(S3)、 利用特征融合模型调制 可变形主干网络， 特征融合模型采用ResNet50作为 基础特征提取网络， 引入空洞卷积残差块融合多层特征， 将 conv5移至检测网络提高分类器 性能， 获得步骤(S2)输出的标准 化高分辨 率遥感影 像样本中的人为扰动用地特 征图； 步骤(S4)、 将步骤(S3)的影像特征 图传入RPN层， 进行卷积操作， 生成可能包含人为扰 动用地的候选 框； 步骤(S5)、 将在步骤(S4)产生 的候选框与步骤(S3)中的特征图传入RoIAlign层， 得到 固定尺度的候选 框的映射特 征图； 步骤(S6)、 利用步骤(S5)中优化后的网络 输出人为扰动用地检测成果。 2.根据权利要求1所述的一种高分辨率遥感影像人为扰动用地检测方法， 其特征在于， 步骤(S1)中， 获取的所述高分辨率遥感影像包括全色、 多光谱数据， 其中， 多光谱数据包含 红、 绿、 蓝、 近红四个波段。 3.根据权利要求1所述的一种高分辨率遥感影像人为扰动用地检测方法， 其特征在于， 步骤(S2)中， 所述数据标准化处理包括高分遥感影像的处理、 人为扰动人工标记以及样本 集制作三部分； 高分遥感影像的处理包括正射校正、 图像融合、 中心化处理； 样本集制作具 体包括数据增强和样本分类， 样本被划分为训练集、 验证集和 测试集。 4.根据权利要求1所述的一种高分辨率遥感影像人为扰动用地检测方法， 其特征在于， 步骤(S3)中， 将RetNet50中的conv1 ‑conv4作为特征提取层， 应用于调制可变形主干网络结 构中， conv5和全连接层作为最后的监测 子网络， 提高分类器性能， 从而提升算法整体检测 精度。 5.根据权利要求1所述的一种高分辨率遥感影像人为扰动用地检测方法， 其特征在于， 步骤(S4)中， 具体步骤如下： 在特征图上使用滑动窗口进 行滑动， 遍历特征图上每个像元位 置生成多个预先定义的候选框， 然后对低位特征图分别进行卷积操作， 在每个像元处得到 概率值和候选框偏移值； 最后结合预先定义的候选框， 进行跨边界裁剪、 小候选框移除、 非 极大值抑制后处 理操作， 得到感兴趣的候选 框。 6.根据权利要求1所述的一种高分辨率遥感影像人为扰动用地检测方法， 其特征在于， 步骤(S5)中， RoIAlign算法相对于RoIPooling算法， 将两步量化改为双线性插值， 即每个 ROI框的4个顶点的坐标都由它周围4个网格点的坐标经过线性插值得到， 增加了Bounding   box线框的准确性。 7.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程 序被处理器执行时实现如权利要求1至 6任一项所述的人为扰动用地检测方法的步骤。 8.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所述的人为 扰动用地检测方法的步骤。权　利　要　求　书 1/1 页 2 CN 114863269 A 2一种高分辨 率遥感影像人为扰动用地检测方 法 技术领域 [0001]本发明涉及 一种高分辨率遥感影像人为扰动用地检测方法。 适用于生产建设项目 水土保持监管技 术领域。 背景技术 [0002]随着工业化、 城镇化、 现代化进程的加快， 各类基础设施建设和资源开发活动规模 空前巨大， 对地表扰动的情况也越来越严重， 人为水土流 失问题比较突出， 由此造成的水土 流失情况呈逐步上升趋势。 为防止和有效的减少人为因素造成的水土流失， 需要加强对生 产建设活动的监 督管理， 督 促从事生产建 设项目活动的建 设单位遵守水土保持法律法规。 [0003]为加强生产建设项目水土保持工作的监督管理， 遥感监管成为目前可以实现生产 建设项目全覆盖监管的有效途径， 但如何利用高分遥感数据快速检测人为扰动用地还未能 实现， 因此迫切需要解决这 一技术难题。 发明内容 [0004]针对现有技术的不足， 本发明的目的是提供一种高分辨率遥感影像人为扰动用地 检测方法， 以实现对人为扰动用地的快速检测。 为此， 本发明采用以下技 术方案： [0005]一种高分辨 率遥感影 像人为扰动用地检测方法， 包括以下步骤： [0006]步骤(S1)、 读取高分辨 率遥感影 像数据； [0007]步骤(S2)、 数据标准 化处理， 得到标准 化高分辨 率遥感影 像样本； [0008]步骤(S3)、 利用特征融合模型调制可变形主干网络， 特征融合模型采用  ResNet50 作为基础特征提取网络， 引入空洞 卷积残差块融合多层特征， 将conv5  移至检测网络提高 分类器性能， 获得步骤(S2)输出的标准化高分辨率遥感影像样本中的人为扰动用地特征 图； [0009]步骤(S4)、 将步骤(S3)的影像特征图传入RPN层， 进行卷积操作， 生成可能包含人 为扰动用地的候选 框； [0010]步骤(S5)、 将在步骤(S4)产生的候选框与步骤(S 3)中的特征图传入RoIAlign  层， 得到固定尺度的候选 框的映射特 征图； [0011]步骤(S6)、 利用步骤(S5)中优化后的方法输出 人为扰动用地检测成果。 [0012]进一步的， 步骤(S1)中， 所述 的获取的高分辨率遥感影像包括全色、 多光谱数据， 其中， 多光谱数据包 含红、 绿、 蓝、 近红四个波段。 [0013]进一步的， 步骤(S2)中， 所述数据标准化 处理包括高分遥感影像的处理、 人为扰动 人工标记以及样 本集制作三部分组成。 高分遥感影像的处理包括正射校正、 图像融合、 中心 化处理。 样本集制作具体包括数据增强和样本分类， 样本被划分为训练集、 验证集和测试 集， 保证各样本的随机性以及相互独立 性。 [0014]进一步的， 步骤(S3)中， 可参见图1， 将RetNet50中的conv1 ‑conv4作为特征提取 层， 应用于调制可变形主干网络中， conv5和全连接层作为最后的监测 子网络， 提高分类器说　明　书 1/4 页 3 CN 114863269 A 3