基于细粒度特征约束的城中村识别方法、装置及电子设备

专利主权项内容

1.基于细粒度特征约束的城中村识别方法，其特征在于，包括：收集样本数据，构建数据库；样本数据包括遥感数据、道路数据、建成区数据与NDVI专题数据；对样本数据进行预处理，包括道路数据简化、遥感数据分区、构建基本分析单元，NDVI数据阈值分割；选择训练样本数据和测试样本数据，将训练样本数据分为城中村与非城中村样本，利用训练样本数据生成城中村识别的随机森林分类模型，利用测试样本数据验证模型的识别城中村的准确率，通过多次训练测试筛选出拟合最好的随机森林分类模型；对训练样本数据进行特征提取，得到建筑物特征信息，计算Building-Green指标，使用随机森林分类模型对样本数据提取的指标训练得到分类模型；根据Building-Green指标，在滑动窗口内提取细粒度特征，分类得到城中村像元，将超像素单元内城中村像元大于等于设定值的超像素单元识别为城中村；根据分类模型提取结果，对城中村样本细分剔除样本数据中非城中村像元，在滑动窗口内提取精细特征，包括建筑物的光谱特征、纹理特征与结构特征；将精细特征横向拼接，使用随机森林分类器进行特征分类后将结果赋给窗口像素；对基本分析单元影像进行超像素分割，通过超像素块对精细特征提取结果进行约束，根据超像素块的像素个数与识别为城中村的像素数，计算超像素块内城中村像元总数；根据超像素单元内城中村像素总数的占比，得到目标城中村。