用于草原鼠荒地的无人机遥感影像数据监测系统及方法与流程

1.本发明涉及遥感影像监测技术领域，具体为用于草原鼠荒地的无人机遥感影像数据监测系统及方法。


背景技术：

2.随着深度学习技术的发展和无人机普及面的增加，人们对地面的观测能力得到大步提升。受原利用卫星遥感影像分辨率、获取信息匮乏和价格昂贵等因素的影响，大部分科技工作者在地物监测上受到了很大的制约。而无人机遥感技术所能获取的信息源朝着方便、快捷、费用低等方向发展，其已成为地物科学信息获取、处理和应用的关键载体，在国家生态安全和草牧业发展中扮演着重要的角色。
3.但是现有的基于无人机的遥感图像数据，均是通过无人机中装备的摄像头及高光谱成像仪得到的，而无人机在飞行过程中，往往会受到环境因素的影响(比如风对无人机的飞行状态的影响)，进而会使得无人机在获取遥感图像时的拍摄角度产生偏差，进而使得所得遥感图像的采集角度(采集角度会使得采集数据出现缺情况，比如草对旁边的裸地产生遮挡，使得采集的图像中裸地区域减小)及采集范围(采集角度的变化会使得摄像头的视野不同，同一遥感图像中相同的像素间距对应的实际距离可能会不一样)均会异常，进而影响后续对遥感图像的分割结果，因此，现有的基于无人机遥感影像数据监测系统存在较大的缺陷。


技术实现要素：

4.本发明的目的在于提供用于草原鼠荒地的无人机遥感影像数据监测系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：用于草原鼠荒地的无人机遥感影像数据监测方法，所述方法包括以下步骤：
6.s1、利用无人机中装备的摄像头及高光谱成像仪对草原中目标区域的地物图像进行采集，得到目标区域的原始图像数据及采集相应原始图像数据时的无人机飞行状态信息；根据无人机飞行状态信息对采集的原始图像数据进行预处理，得到预处理图像信息数据；
7.s2、构建目标区域的位置区域模型，位置区域模型中的不同位置点对应唯一的位置坐标；基于深度学习和草原地物定义构建草原地物分割模型，对构建的草原地物分割模型进行训练、验证和测试，经对比分析后采用最优分割模型对预处理图像信息数据进行分割，得到分割结果；将分割结果对应的各个位置坐标分别与所述分割结果所属对象进行绑定；
8.s3、结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得
到目标区域内分割图像的整合数据；
9.s4、通过数据库预置表单查询复检对象集合，将目标区域均匀划分成规格相同的若干复检区域，分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值，并根据分析结果生成目标区域的遥感图像补拍坐标集；遥感图像补拍坐标集包括0个或1个或多个遥感图像补拍坐标，一个遥感图像补拍坐标对应一个复检区域。
10.进一步的，所述s1中目标区域的原始图像数据包括无人机拍摄的目标区域的若干遥感图像；
11.所述无人机飞行状态信息包括无人机所处位置、飞行高度及机身倾角向量(通过无人机上装置的陀螺仪监测得到)；所述飞行高度为无人机所处的海拔高度与目标区域的平均海拔高度之差，所述机身倾角向量表示模长为单位长度，且与机身底面垂直且从高至低的方向构成的向量；
12.所述s1中得到预处理图像信息数据的方法包括以下步骤：
13.s11、获取目标区域的原始图像数据，将原始图像数据中的第i个遥感图像对应的图像数据记为ai；并将无人机获取ai时对应的飞行状态信息记为bi，所述bi＝{b1bi，b2bi，b3bi}，其中，b1bi表示bi中无人机处所位置的经纬坐标，b2bi表示bi中无人机的飞行高度，b3bi表示bi中机身倾角向量；
14.s12、将ai中外圈轮廓对应的像素点作为ai的各个节点；将无人机水平状态飞行时的机身倾角向量，记为标准倾角向量；获取数据库中无人机的飞行高度为b2bi且水平状态飞行时拍摄的画面中第j个节点位置经纬坐标记为(t1
(b2bi，j)
，t2
(b2bi，j)
)，将获取数据库中无人机的飞行高度为b2bi且机身倾角向量为b3bi时拍摄的画面中第j个节点位置经纬坐标记为(t1b3bi
(b2bi，j)
，t2b3bi
(b2bi，j)
)，将无人机的飞行高度为b2bi且机身倾角向量为b3bi时拍摄的画面中第j个节点位置经纬坐标的偏离量(t1b3bi
(b2bi，j)-t1
(b2bi，j)
，t2b3bi
(b2bi，j)-t2
(b2bi，j)
)；
15.s13、获取ai的预处理图像信息数据中第j个节点对应的经纬坐标cij，
16.所述cij＝(b1bi1+t01+d1
(b2bi，j，b3bi)
，b1bi2+t02+d2
(b2bi，j，b3bi)
)，
17.d1
(b2bi，j，b3bi)
＝t1b3bi
(b2bi，j)-t1
(b2bi，j)
，
18.d2
(b2bi，j，b3bi)
＝t2b3bi
(b2bi，j)-t2
(b2bi，j)
，
19.其中，t01表示数据库中无人机的飞行高度为b2bi且水平状态下拍摄的画面中，第j个节点位置经度与飞机所处位置经度的差值；b1bi1表示经纬坐标b1bi中的经度，
20.本发明中b1bi1+t01表示数据库中无人机的飞行高度为b2bi且水平状态下拍摄的画面中，飞机所处位置经度为b1bi1时的第j个节点位置经度；
21.t02表示数据库中无人机的飞行高度为b2bi且水平状态下拍摄的画面中，第j个节点位置纬度与飞机所处位置纬度的差值；b1bi2表示经纬坐标b1bi中的纬度；
22.s13、根据ai中各个节点的经纬坐标，在经纬坐标系中对ai进行缩放调节，
23.本发明缩放调节时先获取同一轴线上两个节点之间的调节系数等于相应两个节点实际经纬距离与图像上像素距离之间的比值，缩放调节后图像中相应两个节点间任意两个像素点对应的经纬度距离等于相应的两个像素点距离与相应调节系数的乘积，
24.在经纬坐标中标记出ai图像对应的实际区域，获取ai中不同像素位置分别对应的
经纬坐标，并将ai对应的预处理图像信息数据中不同像素位置对应的图像信息与相应经纬坐标点进行绑定，得到ai的预处理图像信息数据。
25.本发明中相同的飞行高度，用倾斜视角去拍摄画面时，视野区域对应的实际范围是存在差异的，倾斜视角越大，则拍摄的区域范围越大；而在倾斜视角下，草原荒地中草(相对于荒地存在高度差)会对无草荒地造成遮挡，同时也可能会遮住鼠洞，使得无法识别草遮掩的鼠洞信息)。
26.进一步的，所述s2中位置区域模型中的位置坐标为经纬坐标，
27.所述s2中草原地物定义是在数据库中提前预置的，
28.所述s2中通过构建的草原地物分割模型对预处理图像信息数据进行分割时，分别对原始图像数据中每个遥感图像对应的预处理图像信息数据进行分割处理，所述原始图像中不同遥感图像对应的同一经纬坐标相应的分割结果所属对象存在差异。
29.进一步的，所述s3中分析位置区域模型中各个位置坐标受到的信息干扰偏离影响的方法包括以下步骤：
30.s301、获取原始图像数据中每个遥感图像对应的预处理图像信息数据的分割处理结果；
31.s302、将目标区域内的任意一点在经纬坐标系中对应的经纬坐标记为q；获取包含q的各个遥感图像对应的预处理图像信息数据中，q所属分割结果分别对应的所属对象，构建q的分割对象关联集合gq＝{gq1，gq2，...，gqn}，其中gqn表示包含q的第n个遥感图像对应的预处理图像信息数据中，q所属分割结果对应的所属对象；
32.s303、获取包含q的各个遥感图像分别对应的无人机飞行状态信息内的机身倾角向量，构建q的机身倾角关联集合sq＝{sq1，sq2，...，sqn}，其中sqn表示包含q的第n个遥感图像分别对应的无人机飞行状态信息内的机身倾角向量；
33.s304、得到q受到的信息干扰偏离影响值，记为pq，所述pq＝∑
n1＝1n
un1
×
cosθ，
34.θ等于sq内各个元素分别对应元素的合向量与竖直垂线的夹角，
35.un1表示sq中第n1个元素对应的遥感图像内对应的异常位置区域占比，每个遥感图像内异常位置区域占比等于相应遥感图像中异常位置区域在经纬坐标系中的实际区域面积除以相应遥感图像在经纬坐标系中的实际区域面积的商，所述异常位置区域中的每个经纬坐标对应的分割对象关联集合中存在所属分割结果对应的所属对象不相同的元素。
36.进一步的，所述s3中得到目标区域内分割图像的整合数据的方法包括以下步骤：
37.s311、位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象；
38.s312、选取目标区域中对应信息干扰偏离影响值小于等于第一预设值的所有经纬坐标点，并对选取的经纬坐标点进行标记，所述第一预设值为数据库中预置的常数；
39.s313、构建位置特征信息，未标记的经纬坐标点的位置特征信息为相应经纬坐标点的分割对象最佳匹配结果，标记的经纬坐标点的位置特征信息为空集，
40.所述分割对象最佳匹配结果通过获取相应未标记的经纬坐标点的分割对象关联集合中各个元素对应的分割对象的优先级，并选取优先级最高的分割对象得到，所述分割对象的优先级通过数据库预置表单查询获取；
41.s314、将位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割
图像的整合数据。
42.进一步的，所述s4中分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值的方法包括以下步骤：
43.s41、获取目标区域对应的若干复检区域中，每个复检区域在整合数据中对应分割对象关联集合与复检对象集合的交集结果，将交集为空集的标记点记为第一类型标记点，将交集不为空集的标记点记为第二类型标记点；
44.s42、得到每个复检区域受复检对象集合内所有元素对应复检对象影响后的补拍需求特征值，记为r，所述r等于相应复检区域内第二类型标记点所占区域面积与复检区域总面积的比值；
45.s43、获取复检区域中各个第一类型标记点及对应r小于第二预设值的第二标记点中，相应经纬坐标点的分割对象最佳匹配结果，对整合数据中相应标记点的位置特征信息进行更新；
46.获取复检区域中对应r大于等于第二预设值的所有第二标记点的经纬坐标点，判定相应复检区域需要进行遥感图像补拍，得到相应复检区域的遥感图像补拍坐标，所述遥感图像补拍坐标为相应复检区域内所有第二标记点所围区域的中心点的经纬坐标；
47.对应r值大于等于第二预设值的每个复检区域对应一个遥感图像补拍坐标。
48.本发明对复检区域进行遥感图像补拍是为了后续对整合数据进行更新，填补整合数据中第二类型标记点的位置特征信息，使得采用构建的草原地物分割模型对更新后的整合数据进行分割时的分割结果更加精准。
49.用于草原鼠荒地的无人机遥感影像数据监测系统，所述系统包括以下模块：
50.状态数据采集及处理模块，所述状态数据采集及处理模块利用无人机中装备的摄像头及高光谱成像仪对草原中目标区域的地物图像进行采集，得到目标区域的原始图像数据及采集相应原始图像数据时的无人机飞行状态信息；根据无人机飞行状态信息对采集的原始图像数据进行预处理，得到预处理图像信息数据；
51.模型构建及分析模块，所述模型构建及分析模块构建目标区域的位置区域模型，位置区域模型中的不同位置点对应唯一的位置坐标；基于深度学习和草原地物定义构建草原地物分割模型，对构建的草原地物分割模型进行训练、验证和测试，经对比分析后采用最优分割模型对预处理图像信息数据进行分割，得到分割结果；将分割结果对应的各个位置坐标分别与所述分割结果所属对象进行绑定；
52.分割数据整合模块，所述分割数据整合模块结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；
53.补拍数据分析管理模块，所述补拍数据分析管理模块通过数据库预置表单查询复检对象集合，将目标区域均匀划分成规格相同的若干复检区域，分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值，并根据分析结果生成目标区域的遥感图像补拍坐标集。
54.进一步的，所述分割数据整合模块包括偏离影响分析单元、位置特征分析单元及
数据整合分析单元，
55.所述偏离影响分析单元结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；
56.所述位置特征分析单元结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，
57.所述数据整合分析单元结合构建的位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；
58.所述遥感图像补拍坐标集包括0个或1个或多个遥感图像补拍坐标，一个遥感图像补拍坐标对应一个复检区域。
59.与现有技术相比，本发明所达到的有益效果是：本发明获取基于无人机的遥感图像数据时，考虑到无人机在飞行过程中受到环境因素的影响后，获取遥感图像时拍摄角度产生的偏差；并从所得遥感图像的采集角度及采集范围这两方面进行考虑，判断不同位置对应的遥感图像受到的干扰情况，实现对待补拍区域及位置的筛选，实现对无人机遥感影像数据的有效监管。
附图说明
60.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
61.图1是本发明用于草原鼠荒地的无人机遥感影像数据监测方法的流程示意图；
62.图2是本发明用于草原鼠荒地的无人机遥感影像数据监测系统的结构示意图。
具体实施方式
63.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
64.请参阅图1，本发明提供技术方案：用于草原鼠荒地的无人机遥感影像数据监测方法，所述方法包括以下步骤：
65.s1、利用无人机中装备的摄像头及高光谱成像仪对草原中目标区域的地物图像进行采集，得到目标区域的原始图像数据及采集相应原始图像数据时的无人机飞行状态信息；根据无人机飞行状态信息对采集的原始图像数据进行预处理，得到预处理图像信息数据；
66.所述s1中目标区域的原始图像数据包括无人机拍摄的目标区域的若干遥感图像；
67.所述无人机飞行状态信息包括无人机所处位置、飞行高度及机身倾角向量；
68.本发明中机身倾角向量是通过无人机上装置的陀螺仪监测得到的，
69.本实施例中无人机上的摄像头指向垂直于无人机底部所处的平面；
70.所述飞行高度为无人机所处的海拔高度与目标区域的平均海拔高度之差，所述机身倾角向量表示模长为单位长度，且与机身底面垂直且从高至低的方向构成的向量；
71.所述s1中得到预处理图像信息数据的方法包括以下步骤：
72.s11、获取目标区域的原始图像数据，将原始图像数据中的第i个遥感图像对应的图像数据记为ai；并将无人机获取ai时对应的飞行状态信息记为bi，所述bi＝{b1bi，b2bi，b3bi}，其中，b1bi表示bi中无人机处所位置的经纬坐标，b2bi表示bi中无人机的飞行高度，b3bi表示bi中机身倾角向量；
73.s12、将ai中外圈轮廓对应的像素点作为ai的各个节点；将无人机水平状态飞行时的机身倾角向量，记为标准倾角向量；获取数据库中无人机的飞行高度为b2bi且水平状态飞行时拍摄的画面中第j个节点位置经纬坐标记为(t1
(b2bi，j)
，t2
(b2bi，j)
)，将获取数据库中无人机的飞行高度为b2bi且机身倾角向量为b3bi时拍摄的画面中第j个节点位置经纬坐标记为(t1b3bi
(b2bi，j)
，t2b3bi
(b2bi，j)
)，将无人机的飞行高度为b2bi且机身倾角向量为b3bi时拍摄的画面中第j个节点位置经纬坐标的偏离量(t1b3bi
(b2bi，j)-t1
(b2bi，j)
，t2b3bi
(b2bi，j)-t2
(b2bi，j)
)；
74.s13、获取ai的预处理图像信息数据中第j个节点对应的经纬坐标cij，
75.所述cij＝(b1bi1+t01+d1
(b2bi，j，b3bi)
，b1bi2+t02+d2
(b2bi，j，b3bi)
)，
76.d1
(b2bi，j，b3bi)
＝t1b3bi
(b2bi，j)-t1
(b2bi，j)
，
77.d2
(b2bi，j，b3bi)
＝t2b3bi
(b2bi，j)-t2
(b2bi，j)
，
78.其中，t01表示数据库中无人机的飞行高度为b2bi且水平状态下拍摄的画面中，第j个节点位置经度与飞机所处位置经度的差值；b1bi1表示经纬坐标b1bi中的经度，
79.t02表示数据库中无人机的飞行高度为b2bi且水平状态下拍摄的画面中，第j个节点位置纬度与飞机所处位置纬度的差值；b1bi2表示经纬坐标b1bi中的纬度；
80.本实施例中当经纬坐标超出取值范围内时，则自动对其进行调整，得到相应位置在取值范围内对应的经纬坐标，例如：若计算参照点时，zai中的经度值为181度，则同一位置点调整后的经纬坐标中经度为-179度；
81.s13、根据ai中各个节点的经纬坐标，在经纬坐标系中对ai进行缩放调节，在经纬坐标中标记出ai图像对应的实际区域，获取ai中不同像素位置分别对应的经纬坐标，并将ai对应的预处理图像信息数据中不同像素位置对应的图像信息与相应经纬坐标点进行绑定，得到ai的预处理图像信息数据。
82.本发明中相同的飞行高度，用倾斜视角去拍摄画面时，视野区域对应的实际范围是存在差异的，倾斜视角越大，则拍摄的区域范围越大；而在倾斜视角下，草原荒地中草(相对于荒地存在高度差)会对无草荒地造成遮挡，同时也可能会遮住鼠洞，使得无法识别草遮掩的鼠洞信息；
83.s2、构建目标区域的位置区域模型，位置区域模型中的不同位置点对应唯一的位置坐标；基于深度学习和草原地物定义构建草原地物分割模型，对构建的草原地物分割模型进行训练、验证和测试，经对比分析后采用最优分割模型对预处理图像信息数据进行分割，得到分割结果；将分割结果对应的各个位置坐标分别与所述分割结果所属对象进行绑定；
84.所述s2中位置区域模型中的位置坐标为经纬坐标，
85.所述s2中草原地物定义是在数据库中提前预置的，
86.本实施例中草原地物定义包括植被、裸土、土丘及鼠洞；
87.所述s2中通过构建的草原地物分割模型对预处理图像信息数据进行分割时，分别
对原始图像数据中每个遥感图像对应的预处理图像信息数据进行分割处理，所述原始图像中不同遥感图像对应的同一经纬坐标相应的分割结果所属对象存在差异。
88.s3、结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；
89.所述s3中分析位置区域模型中各个位置坐标受到的信息干扰偏离影响的方法包括以下步骤：
90.s301、获取原始图像数据中每个遥感图像对应的预处理图像信息数据的分割处理结果；
91.s302、将目标区域内的任意一点在经纬坐标系中对应的经纬坐标记为q；获取包含q的各个遥感图像对应的预处理图像信息数据中，q所属分割结果分别对应的所属对象，构建q的分割对象关联集合gq＝{gq1，gq2，...，gqn}，其中gqn表示包含q的第n个遥感图像对应的预处理图像信息数据中，q所属分割结果对应的所属对象；
92.s303、获取包含q的各个遥感图像分别对应的无人机飞行状态信息内的机身倾角向量，构建q的机身倾角关联集合sq＝{sq1，sq2，...，sqn}，其中sqn表示包含q的第n个遥感图像分别对应的无人机飞行状态信息内的机身倾角向量；
93.s304、得到q受到的信息干扰偏离影响值，记为pq，所述pq＝∑
n1＝1n
un1
×
cosθ，
94.θ等于sq内各个元素分别对应元素的合向量与竖直垂线的夹角，
95.un1表示sq中第n1个元素对应的遥感图像内对应的异常位置区域占比，每个遥感图像内异常位置区域占比等于相应遥感图像中异常位置区域在经纬坐标系中的实际区域面积除以相应遥感图像在经纬坐标系中的实际区域面积的商，所述异常位置区域中的每个经纬坐标对应的分割对象关联集合中存在所属分割结果对应的所属对象不相同的元素。
96.所述s3中得到目标区域内分割图像的整合数据的方法包括以下步骤：
97.s311、位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象；
98.s312、选取目标区域中对应信息干扰偏离影响值小于等于第一预设值的所有经纬坐标点，并对选取的经纬坐标点进行标记，所述第一预设值为数据库中预置的常数；
99.s313、构建位置特征信息，未标记的经纬坐标点的位置特征信息为相应经纬坐标点的分割对象最佳匹配结果，标记的经纬坐标点的位置特征信息为空集，
100.所述分割对象最佳匹配结果通过获取相应未标记的经纬坐标点的分割对象关联集合中各个元素对应的分割对象的优先级，并选取优先级最高的分割对象得到，所述分割对象的优先级通过数据库预置表单查询获取；
101.本实施例中分割对象裸土的优先级高于分割对象植被的优先级；
102.s314、将位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据。
103.s4、通过数据库预置表单查询复检对象集合，将目标区域均匀划分成规格相同的若干复检区域，分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值，并根据分析结果生成目标
区域的遥感图像补拍坐标集；遥感图像补拍坐标集包括0个或1个或多个遥感图像补拍坐标，一个遥感图像补拍坐标对应一个复检区域；
104.所述s4中分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值的方法包括以下步骤：
105.s41、获取目标区域对应的若干复检区域中，每个复检区域在整合数据中对应分割对象关联集合与复检对象集合的交集结果，将交集为空集的标记点记为第一类型标记点，将交集不为空集的标记点记为第二类型标记点；
106.s42、得到每个复检区域受复检对象集合内所有元素对应复检对象影响后的补拍需求特征值，记为r，所述r等于相应复检区域内第二类型标记点所占区域面积与复检区域总面积的比值；
107.s43、获取复检区域中各个第一类型标记点及对应r小于第二预设值的第二标记点中，相应经纬坐标点的分割对象最佳匹配结果，对整合数据中相应标记点的位置特征信息进行更新；
108.获取复检区域中对应r大于等于第二预设值的所有第二标记点的经纬坐标点，判定相应复检区域需要进行遥感图像补拍，得到相应复检区域的遥感图像补拍坐标，所述遥感图像补拍坐标为相应复检区域内所有第二标记点所围区域的中心点的经纬坐标；
109.对应r值大于等于第二预设值的每个复检区域对应一个遥感图像补拍坐标。
110.如图2所示，用于草原鼠荒地的无人机遥感影像数据监测系统，所述系统包括以下模块：
111.状态数据采集及处理模块，所述状态数据采集及处理模块利用无人机中装备的摄像头及高光谱成像仪对草原中目标区域的地物图像进行采集，得到目标区域的原始图像数据及采集相应原始图像数据时的无人机飞行状态信息；根据无人机飞行状态信息对采集的原始图像数据进行预处理，得到预处理图像信息数据；
112.模型构建及分析模块，所述模型构建及分析模块构建目标区域的位置区域模型，位置区域模型中的不同位置点对应唯一的位置坐标；基于深度学习和草原地物定义构建草原地物分割模型，对构建的草原地物分割模型进行训练、验证和测试，经对比分析后采用最优分割模型对预处理图像信息数据进行分割，得到分割结果；将分割结果对应的各个位置坐标分别与所述分割结果所属对象进行绑定；
113.分割数据整合模块，所述分割数据整合模块结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；
114.补拍数据分析管理模块，所述补拍数据分析管理模块通过数据库预置表单查询复检对象集合，将目标区域均匀划分成规格相同的若干复检区域，分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值，并根据分析结果生成目标区域的遥感图像补拍坐标集。
115.所述分割数据整合模块包括偏离影响分析单元、位置特征分析单元及数据整合分析单元，
116.所述偏离影响分析单元结合预处理图像信息数据，分析位置区域模型中各个位置
坐标受到的信息干扰偏离影响；
117.所述位置特征分析单元结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，
118.所述数据整合分析单元结合构建的位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；
119.所述遥感图像补拍坐标集包括0个或1个或多个遥感图像补拍坐标，一个遥感图像补拍坐标对应一个复检区域。
120.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
121.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.用于草原鼠荒地的无人机遥感影像数据监测方法，其特征在于，所述方法包括以下步骤：s1、利用无人机中装备的摄像头及高光谱成像仪对草原中目标区域的地物图像进行采集，得到目标区域的原始图像数据及采集相应原始图像数据时的无人机飞行状态信息；根据无人机飞行状态信息对采集的原始图像数据进行预处理，得到预处理图像信息数据；s2、构建目标区域的位置区域模型，位置区域模型中的不同位置点对应唯一的位置坐标；基于深度学习和草原地物定义构建草原地物分割模型，对构建的草原地物分割模型进行训练、验证和测试，经对比分析后采用最优分割模型对预处理图像信息数据进行分割，得到分割结果；将分割结果对应的各个位置坐标分别与所述分割结果所属对象进行绑定；s3、结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；s4、通过数据库预置表单查询复检对象集合，将目标区域均匀划分成规格相同的若干复检区域，分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值，并根据分析结果生成目标区域的遥感图像补拍坐标集；遥感图像补拍坐标集包括0个或1个或多个遥感图像补拍坐标，一个遥感图像补拍坐标对应一个复检区域。2.根据权利要求1所述的用于草原鼠荒地的无人机遥感影像数据监测方法，其特征在于：所述s1中目标区域的原始图像数据包括无人机拍摄的目标区域的若干遥感图像；所述无人机飞行状态信息包括无人机所处位置、飞行高度及机身倾角向量；所述飞行高度为无人机所处的海拔高度与目标区域的平均海拔高度之差，所述机身倾角向量表示模长为单位长度，且与机身底面垂直且从高至低的方向构成的向量；所述s1中得到预处理图像信息数据的方法包括以下步骤：s11、获取目标区域的原始图像数据，将原始图像数据中的第i个遥感图像对应的图像数据记为ai；并将无人机获取ai时对应的飞行状态信息记为bi，所述bi＝{b1bi，b2bi，b3bi}，其中，b1bi表示bi中无人机处所位置的经纬坐标，b2bi表示bi中无人机的飞行高度，b3bi表示bi中机身倾角向量；s12、将ai中外圈轮廓对应的像素点作为ai的各个节点；将无人机水平状态飞行时的机身倾角向量，记为标准倾角向量；获取数据库中无人机的飞行高度为b2bi且水平状态飞行时拍摄的画面中第j个节点位置经纬坐标记为(t1
(b2bi，j)
，t2
(b2bi，j)
)，将获取数据库中无人机的飞行高度为b2bi且机身倾角向量为b3bi时拍摄的画面中第j个节点位置经纬坐标记为(t1b3bi
(b2bi，j)
，t2b3bi
(b2bi，j)
)，将无人机的飞行高度为b2bi且机身倾角向量为b3bi时拍摄的画面中第j个节点位置经纬坐标的偏离量(t1b3bi
(b2bi，j)-t1
(b2bi，j)
，t2b3bi
(b2bi，j)-t2
(b2bi，j)
)；s13、获取ai的预处理图像信息数据中第j个节点对应的经纬坐标cij，所述cij＝(b1bi1+t01+d1
(b2bi，j，b3bi)
，b1bi2+t02+d2
(b2bi，j，b3bi)
)，d1
(b2bi，j，b3bi)
＝t1b3bi
(b2bi，j)-t1
(b2bi，j)
，d2
(b2bi，j，b3bi)
＝t2b3bi
(b2bi，j)-t2
(b2bi，j)
，
其中，t01表示数据库中无人机的飞行高度为b2bi且水平状态下拍摄的画面中，第j个节点位置经度与飞机所处位置经度的差值；b1bi1表示经纬坐标b1bi中的经度，t02表示数据库中无人机的飞行高度为b2bi且水平状态下拍摄的画面中，第j个节点位置纬度与飞机所处位置纬度的差值；b1bi2表示经纬坐标b1bi中的纬度；s13、根据ai中各个节点的经纬坐标，在经纬坐标系中对ai进行缩放调节，在经纬坐标中标记出ai图像对应的实际区域，获取ai中不同像素位置分别对应的经纬坐标，并将ai对应的预处理图像信息数据中不同像素位置对应的图像信息与相应经纬坐标点进行绑定，得到ai的预处理图像信息数据。3.根据权利要求1所述的用于草原鼠荒地的无人机遥感影像数据监测方法，其特征在于：所述s2中位置区域模型中的位置坐标为经纬坐标，所述s2中草原地物定义是在数据库中提前预置的，所述s2中通过构建的草原地物分割模型对预处理图像信息数据进行分割时，分别对原始图像数据中每个遥感图像对应的预处理图像信息数据进行分割处理，所述原始图像中不同遥感图像对应的同一经纬坐标相应的分割结果所属对象存在差异。4.根据权利要求2所述的用于草原鼠荒地的无人机遥感影像数据监测方法，其特征在于：所述s3中分析位置区域模型中各个位置坐标受到的信息干扰偏离影响的方法包括以下步骤：s301、获取原始图像数据中每个遥感图像对应的预处理图像信息数据的分割处理结果；s302、将目标区域内的任意一点在经纬坐标系中对应的经纬坐标记为q；获取包含q的各个遥感图像对应的预处理图像信息数据中，q所属分割结果分别对应的所属对象，构建q的分割对象关联集合gq＝{gq1，gq2，...，gqn}，其中gqn表示包含q的第n个遥感图像对应的预处理图像信息数据中，q所属分割结果对应的所属对象；s303、获取包含q的各个遥感图像分别对应的无人机飞行状态信息内的机身倾角向量，构建q的机身倾角关联集合sq＝{sq1，sq2，...，sqn}，其中sqn表示包含q的第n个遥感图像分别对应的无人机飞行状态信息内的机身倾角向量；s304、得到q受到的信息干扰偏离影响值，记为pq，所述pq＝∑
n1＝1n
un1
×
cosθ，θ等于sq内各个元素分别对应元素的合向量与竖直垂线的夹角，un1表示sq中第n1个元素对应的遥感图像内对应的异常位置区域占比，每个遥感图像内异常位置区域占比等于相应遥感图像中异常位置区域在经纬坐标系中的实际区域面积除以相应遥感图像在经纬坐标系中的实际区域面积的商，所述异常位置区域中的每个经纬坐标对应的分割对象关联集合中存在所属分割结果对应的所属对象不相同的元素。5.根据权利要求4所述的用于草原鼠荒地的无人机遥感影像数据监测方法，其特征在于：所述s3中得到目标区域内分割图像的整合数据的方法包括以下步骤：s311、位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象；s312、选取目标区域中对应信息干扰偏离影响值小于等于第一预设值的所有经纬坐标点，并对选取的经纬坐标点进行标记，所述第一预设值为数据库中预置的常数；s313、构建位置特征信息，未标记的经纬坐标点的位置特征信息为相应经纬坐标点的
分割对象最佳匹配结果，标记的经纬坐标点的位置特征信息为空集，所述分割对象最佳匹配结果通过获取相应未标记的经纬坐标点的分割对象关联集合中各个元素对应的分割对象的优先级，并选取优先级最高的分割对象得到，所述分割对象的优先级通过数据库预置表单查询获取；s314、将位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据。6.根据权利要求1所述的用于草原鼠荒地的无人机遥感影像数据监测方法，其特征在于：所述s4中分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值的方法包括以下步骤：s41、获取目标区域对应的若干复检区域中，每个复检区域在整合数据中对应分割对象关联集合与复检对象集合的交集结果，将交集为空集的标记点记为第一类型标记点，将交集不为空集的标记点记为第二类型标记点；s42、得到每个复检区域受复检对象集合内所有元素对应复检对象影响后的补拍需求特征值，记为r，所述r等于相应复检区域内第二类型标记点所占区域面积与复检区域总面积的比值；s43、获取复检区域中各个第一类型标记点及对应r小于第二预设值的第二标记点中，相应经纬坐标点的分割对象最佳匹配结果，对整合数据中相应标记点的位置特征信息进行更新；获取复检区域中对应r大于等于第二预设值的所有第二标记点的经纬坐标点，判定相应复检区域需要进行遥感图像补拍，得到相应复检区域的遥感图像补拍坐标，所述遥感图像补拍坐标为相应复检区域内所有第二标记点所围区域的中心点的经纬坐标；对应r值大于等于第二预设值的每个复检区域对应一个遥感图像补拍坐标。7.应用权利要求1-6中任意一项所述的用于草原鼠荒地的无人机遥感影像数据监测方法的用于草原鼠荒地的无人机遥感影像数据监测系统，其特征在于，所述系统包括以下模块：状态数据采集及处理模块，所述状态数据采集及处理模块利用无人机中装备的摄像头及高光谱成像仪对草原中目标区域的地物图像进行采集，得到目标区域的原始图像数据及采集相应原始图像数据时的无人机飞行状态信息；根据无人机飞行状态信息对采集的原始图像数据进行预处理，得到预处理图像信息数据；模型构建及分析模块，所述模型构建及分析模块构建目标区域的位置区域模型，位置区域模型中的不同位置点对应唯一的位置坐标；基于深度学习和草原地物定义构建草原地物分割模型，对构建的草原地物分割模型进行训练、验证和测试，经对比分析后采用最优分割模型对预处理图像信息数据进行分割，得到分割结果；将分割结果对应的各个位置坐标分别与所述分割结果所属对象进行绑定；分割数据整合模块，所述分割数据整合模块结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；补拍数据分析管理模块，所述补拍数据分析管理模块通过数据库预置表单查询复检对
象集合，将目标区域均匀划分成规格相同的若干复检区域，分析在目标区域的每个复检区域内分割图像的整合数据中，复检对象集合内所有元素对应复检对象所属区域集合的信息干扰综合影响值，并根据分析结果生成目标区域的遥感图像补拍坐标集。8.根据权利要求7所述的用于草原鼠荒地的无人机遥感影像数据监测系统，其特征在于：所述分割数据整合模块包括偏离影响分析单元、位置特征分析单元及数据整合分析单元，所述偏离影响分析单元结合预处理图像信息数据，分析位置区域模型中各个位置坐标受到的信息干扰偏离影响；所述位置特征分析单元结合位置区域模型中每个位置坐标受到的信息干扰偏离影响及绑定的分割结果所属对象，构建位置特征信息，所述数据整合分析单元结合构建的位置特征信息，形成位置区域模型中位置坐标与位置特征信息的映射，得到目标区域内分割图像的整合数据；所述遥感图像补拍坐标集包括0个或1个或多个遥感图像补拍坐标，一个遥感图像补拍坐标对应一个复检区域。

技术总结
本发明涉及遥感影像监测技术领域，具体为用于草原鼠荒地的无人机遥感影像数据监测系统及方法，所述系统包括状态数据采集及处理模块，所述状态数据采集及处理模块利用无人机中装备的摄像头及高光谱成像仪对草原中目标区域的地物图像进行采集，得到目标区域的原始图像数据及采集相应原始图像数据时的无人机飞行状态信息；根据无人机飞行状态信息对采集的原始图像数据进行预处理，得到预处理图像信息数据。本发明考虑到无人机在飞行过程中受到环境因素的影响后，获取遥感图像时拍摄角度产生的偏差；并判断不同位置对应的遥感图像受到的干扰情况，实现对待补拍区域及位置的筛选，实现对无人机遥感影像数据的有效监管。现对无人机遥感影像数据的有效监管。现对无人机遥感影像数据的有效监管。


技术研发人员：周俗 王钰 唐明坤 王新 贾玉珍 李洪海
受保护的技术使用者：四川省林业科学研究院
技术研发日：2023.06.14
技术公布日：2023/9/12