本申请实施例涉及遥感，特别是涉及一种城市园林绿地的提取及分类方法、装置、设备及存储介质。
背景技术：
1、城市园林绿地是指为改善城市生态，保护城市环境，供居民外游憩，美化市容，以栽植树木花草为主要内容的土地，是城镇和居民点用地的重要组成部分。城市园林绿地的提取及分类是政府部门计算各类城市绿化指标、促进城市绿化建设工作和改善居民生活环境的重要工作，而城市园林绿地分类及属性补充工作对于形成完整的城市绿地空间数据库、提升城市园林绿化行业数字化和精细化管理水平更是起着必不可少的作用。
2、然而目前常用的绿地提取方法较为粗略，且提取后的绿地所含属性信息过少，已然无法支撑各类城市绿化统计及指标计算工作。
技术实现思路
1、本发明提供了一种城市园林绿地的提取及分类方法、装置、计算机设备及存储介质，通过神经网络算法结合多源数据对绿地图斑进行细致的分类并添加属性信息，提升识别效率的同时，使其能够支持各类城市绿化统计及指标计算工作。
2、第一方面，本发明提供了一种城市园林绿地的提取及分类方法，包括如下步骤：
3、获取遥感影像数据；
4、通过预训练的图斑识别神经网络模型，对所述遥感影像数据进行植被面图斑识别提取，获取绿地图斑数据；
5、根据多源地理信息数据，对所述绿地图斑数据进行分类，获取绿地提取结果，其中，所述多源地理信息数据包括土地利用现状数据和兴趣点数据，所述绿地提取结果包括绿地图斑、绿地分类和地类标识码信息。
6、进一步地，获取绿地提取结果后，还包括如下步骤：
7、根据所述兴趣点数据及预设的半径值，建立缓冲区面集合，其中，所述缓冲区面集合包括缓冲区面子集；
8、根据绿地提取结果中的空间叠加关系和地类标识码，将所述绿地图斑与所述缓冲区面子集进行匹配，获取目标区面；
9、获取所述目标区面的兴趣点类型数据，若所述目标区面存在与该绿地图斑想通的兴趣点类型时，则获取该相同的兴趣点类型名称；
10、获取该绿地图斑对应的绿地名称数据，其中，所述绿地名称数据包括该相同的兴趣点类型名称。
11、进一步地，获取绿地提取结果后，包括如下步骤：
12、对所述绿地图斑进行要素转点，获取点坐标值；
13、根据所述点坐标值，通过地理编码引擎进行逆地址匹配，获取初始匹配结果，所述初始匹配结果包括准确率；
14、根据预设准确率阈值，获取不低于所述预设准确率阈值的初始匹配结果，并将该初始匹配结果所对应的地址值确认为该绿地图斑的地址值。
15、进一步地，所述图斑识别神经网络模型的预训练过程，包括如下步骤：
16、构建植被遥感影像样本库，并根据所述植被遥感影像样本库数据，获取训练集和测试集；
17、根据deeplabv3+模型和编码器-解码器结构，搭建所述图斑识别神经网络模型结构；
18、通过所述训练集对所述图斑识别神经网络模型进行训练，并通过所述测试集对所述图斑识别神经网络模型的泛化能力进行评价，确定该图斑识别神经网络模型的最优参数；
19、将所述最优参数对应的图斑识别神经网络模型，确认为所述预训练的图斑识别神经网络模型。
20、进一步地，所述构建植被遥感影像样本库，包括如下步骤：
21、获取历史植被面矢量数据和同时期遥感影像数据；
22、遍历所述历史植被面矢量数据，并根据当前植被面矢量数据，对同时期遥感影像数据进行裁剪，获取植被遥感影像数据；
23、对所述植被遥感影像数据进行数据增强处理，获取植被遥感影像样本库。
24、进一步地，对所述绿地图斑数据进行分类，所述分类结果包括如下至少一种：
25、区域绿地、公园绿地、广场用地、防护绿地、附属绿地。
26、第二方面，本发明还提供了一种城市园林绿地的提取及分类装置，包括：
27、数据获取模块，用于获取遥感影像数据；
28、绿地图斑数据获取模块，用于通过预训练的图斑识别神经网络模型，对所述遥感影像数据进行植被面图斑识别提取，获取绿地图斑数据；
29、提取结果获取模块，用于根据多源地理信息数据，对所述绿地图斑数据进行分类，获取绿地提取结果，其中，所述多源地理信息数据包括土地利用现状数据和兴趣点数据，所述绿地提取结果包括绿地图斑、绿地分类和地类标识码信息。
30、进一步地，所述提取结果获取模块，还包括：
31、缓冲区建立单元，用于根据所述兴趣点数据及预设的半径值，建立缓冲区面集合，其中，所述缓冲区面集合包括缓冲区面子集；
32、目标区面获取单元，用于根据绿地提取结果中的空间叠加关系和地类标识码，将所述绿地图斑与所述缓冲区面子集进行匹配，获取目标区面；
33、兴趣点类型获取单元，用于获取所述目标区面的兴趣点类型数据，若所述目标区面存在与该绿地图斑想通的兴趣点类型时，则获取该相同的兴趣点类型名称；
34、绿地名称获取单元，用于获取该绿地图斑对应的绿地名称数据，其中，所述绿地名称数据包括该相同的兴趣点类型名称。
35、第三方面，本发明还提供一种计算机设备，包括：
36、至少一个存储器以及至少一个处理器；
37、所述存储器，用于存储一个或多个程序；
38、当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如第一方面所述的一种城市园林绿地的提取及分类方法的步骤。
39、第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的一种城市园林绿地的提取及分类方法的步骤。
40、本发明通过获取遥感影像数据，并通过预训练的图斑识别神经网络模型，对所述遥感影像数据进行植被面图斑识别提取，获取绿地图斑数据，再根据多源地理信息数据，对所述绿地图斑数据进行分类，获取绿地提取结果，其中，所述多源地理信息数据包括土地利用现状数据和兴趣点数据，所述绿地提取结果包括绿地图斑、绿地分类和地类标识码信息。本申请通过神经网络模型提升了绿地图斑的识别提取效率，并通过多源数据对绿地进行进一步的分类和属性补充，使其能够支撑各类城市绿化统计及指标计算工作。
41、为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
1.一种城市园林绿地的提取及分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种城市园林绿地的提取及分类方法，其特征在于，获取绿地提取结果后，还包括如下步骤：
3.根据权利要求1所述的一种城市园林绿地的提取及分类方法，其特征在于，获取绿地提取结果后，包括如下步骤：
4.根据权利要求1所述的一种城市园林绿地的提取及分类方法，其特征在于，所述图斑识别神经网络模型的预训练过程，包括如下步骤：
5.根据权利要求4所述的一种城市园林绿地的提取及分类方法，其特征在于，所述构建植被遥感影像样本库，包括如下步骤：
6.根据权利要求1所述的一种城市园林绿地的提取及分类方法，其特征在于，对所述绿地图斑数据进行分类，所述分类结果包括如下至少一种：
7.一种城市园林绿地的提取及分类装置，其特征在于，包括：
8.根据权利要求7所述的一种城市园林绿地的提取及分类装置，其特征在于，所述提取结果获取模块，还包括：
9.一种计算机设备，其特征在于，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存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的一种城市园林绿地的提取及分类方法的步骤。
