[发明专利]一种遥感影像深度学习样本智能采集方法及设备

说明书

本发明涉及遥感影像采集领域，公开了一种遥感影像深度学习样本智能采集方法及设备，包括获取遥感影像数据，判断遥感影像数据是否有对应时相的遥感影像目标标注数据；利用图像分割能量模型生成遥感影像目标标注数据；判断遥感影像数据和遥感影像目标标注数据的空间坐标系是否一致；裁剪遥感影像数据和遥感影像目标标注数据，遥感影像目标标注数据的像素值按照分类体系规则化、并标注类别编码；对遥感影像初始样本数据集进行筛选、并进行规则化命名；根据样本存储结构将规范样本集存入样本数据库中。本发明针对各种类型的遥感影像数据和标注数据，能够进行规范处理，并且生成规则分类的、易统一管理的遥感影像深度学习样本集。

技术领域

本发明涉及遥感影像采集处理技术领域，具体地涉及一种遥感影像深度学习样本智能采集方法及设备。

背景技术

近年来，随着全国卫星数量不断增多，遥感技术得到了快速发展，遥感影像种类日益丰富，更新速度加快，影像数据量也呈爆发式增长，遥感技术进入了大数据时代。然而传统的遥感解译、信息提取通常效率较低，无法满足大数据应用，因此，如何在遥感大数据中快速智能的进行信息的识别和提取也成为了遥感技术领域的新发展方向。

与此同时，以深度学习为核心的人工智能研究迅猛发展，计算机视觉领域也出现了各种图像处理深度学习算法，各种图像识别、信息提取的算法也越来越多地被应用到遥感影像的处理提取中，在遥感影像大数据的影像分类、目标识别、变化发现等方面取得了很大的进步，推动了遥感影像智能信息提取的发展。

在深度学习中，需要大量的训练样本来学习数据特征，获取最优的模型参数，以保证结果模型的精度。然而当前遥感数据尺度多样，种类繁多，遥感数据的解译标注信息也多种多样，样本的要求也随模型、提取类别的要求不尽相同，样本的制作过程中需要对数据进行各种规范处理，样本采集制作过程繁杂。

发明内容

本发明提供一种遥感影像深度学习样本智能采集方法及设备，从而解决现有技术的上述问题。

第一方面，本发明提供了一种遥感影像深度学习样本智能采集方法，包括以下步骤：

S1)获取遥感影像数据，判断遥感影像数据是否有对应时相的遥感影像目标标注数据，如果没有对应时相的遥感影像目标标注数据，则转入步骤S2)；如果有对应时相的遥感影像目标标注数据，则转入步骤S3)；

S2)进行半自动交互标注采集，在作业视窗内通过人工交互对遥感影像数据选取部分目标区域绘制前景种子线，将前景种子线作为前景示例；建立图像分割能量模型，利用前景示例对图像分割能量模型进行参数估计；利用图像分割能量模型对遥感影像数据进行推断，生成遥感影像目标标注数据；

S3)判断遥感影像数据的空间坐标系和遥感影像目标标注数据的空间坐标系是否一致，若是，则转入步骤S4)；若否，则根据遥感影像数据的空间坐标系对遥感影像目标标注数据进行地理参考修改或空间投影修改，保证样本数据空间一致，转入步骤S4)；

S4)设置样本尺寸和样本数据格式，计算样本采集步长，根据样本尺寸和样本采集步长分别对遥感影像数据和遥感影像目标标注数据进行裁剪、并判断遥感影像目标标注数据是否为矢量形式，若是，则对遥感影像目标标注数据进行栅格化，栅格化后的遥感影像目标标注数据的像素值按照分类体系规则化、并标注类别编码；若否，直接对遥感影像目标标注数据的像素值按照分类体系规则化、并标注类别编码；得到一组遥感影像样本对数据，重复本步骤直到遥感影像数据和遥感影像目标标注数据均裁剪完成，获得遥感影像初始样本数据集；进入步骤S5)；

S5)对遥感影像初始样本数据集进行筛选，去除遥感影像初始样本数据集中样本像素占比低的样本数据，获得筛选后的样本数据集；

S6)对筛选后的样本数据集进行规则化命名，得到规范样本集；

S7)根据样本存储结构将规范样本集存入样本数据库中。