技术摘要：
本发明涉及一种基于遥感成像原理识别地表植被分布方法，包括：通过传感器进行区域探测，获取遥感图像，分割遥感图像获取子图像信息；各个子图像信息利用滤波处理找到子图像收敛点，并确定子图像特征；利用子图像特征建立网络模型，并对各个子图像的网络模型进行训练，  全部
背景技术：
目前,遥感技术已广泛应用于农业、林业、测绘、气象、交通、国土资源勘查等领域， 遥感从广义上说是泛指从远处探测、感知物体或事物的技术，不直接接触物体本身，从远处 通过仪器或传感器探测和接收来自目标物体的信息，经过信息的传输及分析处理，识别物 体属性及分布等特征的技术。 区块链(Blockchain)，是比特币的一个重要概念，它本质上是一个去中心化的数 据库，同时作为比特币的底层技术，是一串使用密码学方法相关联产生的数据块，每一个数 据块中包含了一批次比特币网络交易的信息，用于验证其信息的有效性(防伪)和生成下一 个区块，将区块链技术与遥感成像结合进行区域性地表植被识别监测，能够实现检测的高 效性及监测数据的安全性，监测过程中数据的传输通过物联网自动识别，传输，保证数据传 输的快速性，现有的探测区域内太阳能板的分布大部分是通过无人机进行航拍，然后将拍 摄的图像进行分析，航拍过程中，因像素或天气等因素的影响，造成拍摄画面质量较大，误 差较大，为了能够精确分析地表植被的分布区域及分布特征，进行区域性探测，以便于更好 的进行区域规划，及植被分布或植被生长特性分析，需要开发一款与其相匹配的系统进行 探测，精准的获取太阳能板的分布，但是在进行探测过程中，如何实现精准探测，以及在探 测过程中如何对探测结果进行处理，都是亟不可待要解决的问题。
技术实现要素：
本发明克服了现有技术的不足，提供一种基于遥感成像原理识别地表植被分布方 法。 为达到上述目的，本发明采用的技术方案为：一种基于遥感成像原理识别地表植 被分布方法， 通过传感器进行区域探测，获取遥感图像，分割遥感图像获取子图像信息； 各个子图像信息利用滤波处理找到子图像收敛点，并确定子图像特征； 利用子图像特征建立网络模型，并对各个子图像的网络模型进行训练，训练结果 上传至云端服务器； 各个子图像网络模型训练完成后进行合并，得到遥感图像的网络模型； 根据遥感图像的网络模型分析不同植被的分布区域，建立不同植被的分布特征， 将不同植被的分布区域特征通过网关进行上传； 分析不同植被在区域内的特征指数权重，获取植被分布信息，得到结果信息； 将结果信息通过预定方式进行显示。 优选的，通过传感器进行区域探测，获取遥感图像，具体包括： 4 CN 111598028 A 说　明　书 2/6 页 通过航空多光谱扫描仪向全区域内发射电磁波，接收反射电磁波信号，生成电磁 波信息； 分析电磁波信息，并提取电磁波信息对应的物体信息，形成图像； 根据不同植被的电磁波特性，获取区域内的遥感图像。 优选的，通过航空多光谱扫描仪发射热红外电磁波； 探测物体热辐射能量，显示物体的辐射温度或热场图像； 根据目标物体的热辐射特性，筛选出不同植被对应的热场图像； 对热场图像进行增强处理，得到不同植被的分布区位。 优选的，根据区域内植被分布的特征指数权重值，建立子区域内植被分布梯度，建 立区域内植被的分布曲线； 对每一种植被的分布曲线进行预处理，去除分布曲线上偏差大于预定阈值的点； 将多个分布曲线进行聚合处理，得到区域内所有植被的分布曲线，并进行拟合，得 到完成的分布信息。 优选的，对所述待处理遥感图像进行Tetrolet变换，得到与所述待处理遥感图像 对应的低频系数、高频系数和分布覆盖系数； 按照预置方式对所述高频系数进行去噪； 根据去噪处理后的高频系数、所述低频系数和所述分布覆盖系数进行逆Tetrolet 变换处理，得到降噪后的遥感图像。 优选的，利用均值漂移滤波进行遥感图像的分割，构造聚类有效性指数确定颜色 特征与纹理特征的权值。 本发明第二方面提供了一种基于遥感成像原理识别地表植被分布系统， 该系统包括：存储器、处理器，所述存储器中包括识别地表植被分布的方法程序， 所述识别地表植被的方法程序被所述处理器执行时实现如下步骤： 通过传感器进行区域探测，获取遥感图像，分割遥感图像获取子图像信息； 各个子图像信息利用滤波处理找到子图像收敛点，并确定子图像特征； 利用子图像特征建立网络模型，并对各个子图像的网络模型进行训练，训练结果 上传至云端服务器； 各个子图像网络模型训练完成后进行合并，得到遥感图像的网络模型； 根据遥感图像的网络模型分析不同植被的分布区域，建立不同植被的分布特征， 将不同植被的分布区域特征通过网关进行上传； 分析不同植被在区域内的特征指数权重，获取植被分布信息，得到结果信息； 将结果信息通过预定方式进行显示。 优选的，对网络模型进行训练，得到二分类模型； 通过二分类模型进行植被分布预测，得到多张预测图，多张预测图叠加，合成一张 完成的预测图； 通过U-Net模型将遥感图像进行切割，切割后的图像进行分析处理； 将分析处理后的图像与预测图进行比对，偏差阈值小于预定阈值时，将合成的预 测图作为植被分布图进行分析识别。 优选的，利用均值漂移滤波进行遥感图像的分割，构造聚类有效性指数确定颜色 5 CN 111598028 A 说　明　书 3/6 页 特征与纹理特征的权值。 优选的，根据遥感图像建立目标函数，利用目标函数进行迭代计算，直至达到预设 条件迭代过程收敛，获得所需的遥感图像。 本发明解决了