本申请涉及土地分类的数据处理，尤其涉及一种土地利用类别分类方法、装置及存储介质。
背景技术：
1、人类的生产活动和人口的增长影响着全球土地利用的变化，而土地利用的动态变化又通过改变气候和生态环境来影响和指导人类的生产和生活实践。其中，土地利用地物类别是城市形态的重要指标，是城市二三维形态特征提取的基础，因此，开展土地利用分类研究是进行城市二三维形态特征研究的基础。而当前土地利用类别分类方法中，受参考数据源单一和土地分类算法应用稳定性差影响，导致获取土地利用类别分类结果的精准性差。
技术实现思路
1、本发明提供一种土地利用类别分类方法、装置及存储介质，以至少解决相关技术中受参考数据源单一和土地分类算法应用稳定性差影响，而导致获取土地利用类别分类结果的精准性差的技术问题。本发明的技术方案如下：
2、根据本发明实施例的第一方面，提供了一种土地利用类别分类方法，该方法包括：从机载lidar测量系统的激光雷达扫描仪中获取点云数据，以及从机载数码相机中影像数据；机载数码相机的分辨率高于分辨率阈值；采用多个不同的土地利用分类模型，按照点云数据中各个像素点的第一多维度特征信息和影像数据中各个像素点的第二多维度特征信息之间的特征相似度高于对应的相似度阈值，对各个像素点所属的地物类别进行分类，得到多个第一分类结果；根据多个第一分类结果中各个像素点所属的地物类别的所属频次，对多个第一分类结果中各个像素点所属的地物类别进行评价分析，并将评价结果最高的各个像素点所属的地物类别，确定为各个像素点的第一目标地物类别，得到包括各个像素点所属的各个第一目标地物类别的第二分类结果；按照预设分割尺度，对包括各个像素点的图像进行分割，并以第一多维度特征信息中的高程特征信息和第二多维度特征信息中的光谱特征信息为确定对象轮廓特征的依据，基于预设合并条件，将图像中分割后的分割区域进行合并，得到包括多个目标对象对应的多个轮廓区域的图像；一个轮廓区域包括的多个像素点所属一个目标对象；基于轮廓区域中的像素点所属的目标对象，对第二分类结果中与轮廓区域中的像素点相同的像素点所属的第一目标地物类别进行校正，得到包括各个像素点的第二目标地物类别的第三分类结果。
3、上述预设分割尺度与对象的地物类型对应关联，以实现多尺度分割。
4、具体地，针对不同地物类型的对象同质性的局部方差(local variance, lv)的变化率值(rates of change, roc),来确定预设分割尺度。
5、上述以第一多维度特征信息中的高程特征信息和第二多维度特征信息中的光谱特征信息为确定对象轮廓特征，具体包括：将预设分割尺寸对应的区域中红波段、绿波段、蓝波段相同，且地物与地面的相对高程差之间的差值在预设差值范围内的像素点确定为同一目标对象的像素点，以及将预设分割尺寸对应的区域边界的像素点中与区域边界相邻的像素点中的红波段、绿波段、蓝波段相同，且地物与地面的相对高程差之间的差值在预设差值范围内的像素点确定为所属于同一目标对象，以得到对象轮廓特征。
6、根据本发明实施例的第二方面，提供了一种土地利用类别分类装置，该装置包括：获取单元，用于从机载lidar测量系统的激光雷达扫描仪中获取点云数据，以及从机载数码相机中影像数据；机载数码相机的分辨率高于分辨率阈值；第一分类单元，用于采用多个不同的土地利用分类模型，按照点云数据中各个像素点的第一多维度特征信息和影像数据中各个像素点的第二多维度特征信息之间的特征相似度高于对应的相似度阈值，对各个像素点所属的地物类别进行分类，得到多个第一分类结果；评价单元，用于根据多个第一分类结果中各个像素点所属的地物类别的所属频次，对多个第一分类结果中各个像素点所属的地物类别进行评价分析，并将评价结果最高的各个像素点所属的地物类别，确定为各个像素点的第一目标地物类别，得到包括各个像素点所属的各个第一目标地物类别的第二分类结果；第二分类单元，用于按照预设分割尺度，对包括各个像素点的图像进行分割，并以第一多维度特征信息中的高程特征信息和第二多维度特征信息中的光谱特征信息为确定对象轮廓特征的依据，基于预设合并条件，将图像中分割后的分割区域进行合并，得到包括多个目标对象对应的多个轮廓区域的图像；一个轮廓区域包括的多个像素点所属一个目标对象；第三分类单元，用于基于轮廓区域中的像素点所属的目标对象，对第二分类结果中与轮廓区域中的像素点相同的像素点所属的第一目标地物类别进行校正，得到包括各个像素点的第二目标地物类别的第三分类结果。
7、根据本发明实施例的第三方面，提供了一种土地利用类别分类系统，被配置为执行如第一方面及其任一种可能的实现方式的土地利用类别分类方法。
8、根据本发明实施例的第四方面，提供了一种计算机设备，包括：处理器和用于存储处理器可执行指令的存储器；其中，处理器被配置为执行可执行指令，以实现如第一方面及其任一种可能的实现方式的土地利用类别分类方法。
9、根据本发明实施例的第五方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，当计算机可读存储介质中的指令由计算机设备的处理器执行时，使得计算机设备能够执行如第一方面及其任一种可能的实现方式的土地利用类别分类方法。
10、根据本申请实施例的第六方面，提供一种计算机程序产品，计算机程序产品包括计算机指令，当计算机指令在计算机设备上运行时，使得计算机设备执行上述第一方面及其任一种可能的实现方式的土地利用类别分类方法。
11、本发明的实施例提供的技术方案至少带来以下有益效果：基于点云数据中各个像素点的第一多维度特征信息和影像数据中各个像素点的第二多维度特征信息多个数据来源的不同维度特征信息之间的特征相似度，来确定地物类别分类，以使各个第一分类结果是基于不同维度的多个数据来源数据得到的，从而保证各个第一分类结果精准性。并且对各个第一分类结果进行评价，以将评价结果最好的地物类别分类结果作为第二分类结果，以减少各个单一分类算法应用过程中的不稳定性对第一分类结果的影响，从而保证第二分类结果更加精准。进一步地，为了避免因考虑的数据维度过于充分，而导致分类结果出现的“椒盐”现象，即，二三维目标地物的分布较为破碎，基于高程特征信息和光谱特征信息两个维度信息，采用面向对象的分类方式，对图像的地物类别作进一步分类，以确定轮廓区域包括的多个像素点所属的目标对象，并基于该目标对象分类结果对第二分类结果中可能出现“椒盐”现象问题进行校正，最终得到更加精准的第三分类结果。因此，通过本申请的土地利用类别分类方法，充分利用多数据源体现的多维度特征优势，以提高分类的颗粒度，并对多种分类算法进行评估，以避免了土地分类算法应用稳定性差对分类结果精准性的影响，同时采用面向对象分类方式对可能出现“椒盐”现象问题进行校正，从而提高土地利用类别分类结果的精准性。
12、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
1.一种土地利用类别分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在所述采用多个不同的土地利用分类模型，按照所述点云数据中各个像素点的第一多维度特征信息和所述影像数据中各个像素点的第二多维度特征信息之间的特征相似度高于对应的相似度阈值，对所述各个像素点所属的地物类别进行分类，得到多个第一分类结果之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述采用多个不同的土地利用分类模型，按照所述点云数据中各个像素点的第一多维度特征信息和所述影像数据中各个像素点的第二多维度特征信息之间的特征相似度高于对应的相似度阈值，对所述各个像素点所属的地物类别进行分类，得到多个第一分类结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述多个不同的土地利用分类模型是不同的机器学习模型；所述方法还包括：
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据所述多个第一分类结果中所述各个像素点所属的地物类别的所属频次，对所述多个第一分类结果中所述各个像素点所属的地物类别进行评价分析，包括：
6.根据权利要求1至4中任一项所述的方法，其特征在于，所述基于所述轮廓区域中的像素点所属的目标对象，对所述第二分类结果中与所述轮廓区域中的像素点相同的像素点所属的第一目标地物类别进行校正，得到包括各个像素点的第二目标地物类别的第三分类结果，包括：
7.根据权利要求1至4中任一项所述的方法，其特征在于，所述预设合并条件包括以下一项或多项：对象异质性最小化或图像的光滑度异质性最小、图像的紧致度异质性最小、图像的形状异质性最小和所有对象的平均异质性达到最小；所述预设分割尺度是根据所分割对象的对象类型确定的。
8.根据权利要求1至4中任一项所述的方法，其特征在于，所述点云数据和所述影像数据分别为校正后的所述点云数据和所述影像数据；所述方法还包括：
9.一种土地利用类别分类装置，其特征在于，所述装置包括：
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，当所述计算机可读存储介质中的指令由处理器执行时，使得能够执行如权利要求1-8中任一项所述的土地利用类别分类方法。
