[发明专利]遥感影像数据的处理方法及装置、存储介质、计算机设备

说明书

本发明公开了一种遥感影像数据的处理方法及装置、存储介质、计算机设备，涉及图像处理技术领域，主要目的在于解决现有遥感影像的标记准确性差的问题。包括：确定待标记的标签特征，并根据所述标签特征解析预设巡航路线中的地理范围目标；启动无人机巡航至所述地理范围目标处时，采集遥感影像数据以及地理图像，按照所述遥感影像数据的属性特征将所述遥感影像数据覆盖处理至所述地理图像上，并根据覆盖处理后的所述地理图像的相似度筛选所述遥感影像数据；基于改进的图像语义分割深度学习模型对筛选后的遥感影像数据进行分类处理，并根据所述标记特征对分类处理得到的遥感影像数据进行标记，得到匹配所述标签特征的遥感影像数据。

技术领域

本发明涉及一种图像处理技术领域，特别是涉及一种遥感影像数据的处理方法及装置、存储介质、计算机设备。

背景技术

遥感影像(RS，Remote Sensing Image)是指记录各种地物电磁波大小的胶片或照片，包括航空像片和卫星相片。在将遥感影像作为处理标的进行勘查处理的过程中，需要将遥感影像的图像数据作为样本数据进行标签，以实现智能的遥感影像识别。其中，在将遥感影像作为样本数据进行训练之前，需要进行标签处理，从而明确不同分类的样本，进行训练。

目前，现有由于遥感影像图像的数量较少，不适合利用大数据标签方式进行标签标注，因此，对遥感影像图像数据进行标签均是通过人为标记的。但是，就算遥感影像图像数据量小，人为标记仍会浪费人力资源，且容易存在标记错误的情况，造成识别精确性较低，使得大大降低遥感影像的标记准确性。

发明内容

有鉴于此，本发明提供一种遥感影像数据的处理方法及装置、存储介质、计算机设备，主要目的在于解决现有遥感影像的标记准确性差的问题。

依据本发明一个方面，提供了一种遥感影像数据的处理方法，包括：

确定待标记的标签特征，并根据所述标签特征解析预设巡航路线中的地理范围目标；

启动无人机巡航至所述地理范围目标处时，采集遥感影像数据以及地理图像；

按照所述遥感影像数据的属性特征将所述遥感影像数据覆盖处理至所述地理图像上，并根据覆盖处理后的所述地理图像的相似度筛选所述遥感影像数据；

基于改进的图像语义分割深度学习模型对筛选后的遥感影像数据进行分类处理，并根据所述标记特征对分类处理得到的遥感影像数据进行标记，得到匹配所述标签特征的遥感影像数据，所述图像语义分割深度学习模型为基于引入超阈值参数进行模型训练得到的。

进一步地，所述确定待标记的标签特征之前，所述方法还包括：

加载已完成训练的图像语义分割深度学习模型确定为待改进的图像语分割深度学习模型，其中，已完成训练的图像语义分割深度学习模型为基于服务端中采集与所述遥感影像数据具有关联关系的样本数据集进行训练得到的；

将已确定的超阈值参数引入所述待改进的图像语分割深度学习模型进行模型训练。

进一步地，所述将已确定的超阈值参数引入所述待改进的图像语分割深度学习模型进行模型训练包括：

将超阈值参数引入所述图像语分割深度学习模型的概率分布中；

基于引入所述超阈值参数的概率分布更新损失函数，并基于更新后的损失函数确定所述图像语分割深度学习模型的预测概率分布，以完成所述图像语分割深度学习模型的模型训练。

进一步地，所述将已确定的超阈值参数引入所述待改进的图像语分割深度学习模型进行模型训练之前，所述方法还包括：

根据所述遥感影像数据的像素特征以及预设超阈值映射关系确定待引入的超阈值参数，所述预设超阈值映射关系用于表征不同像素特征与不同超阈值参数之间的对应关系，所述像素特征包括像素大小、像素分辨率、像素颜色参数中至少一个。