【技术实现步骤摘要】
雷达遥感数据的标注方法、装置、电子设备和存储介质
本申请涉及数据处理
,具体涉及大数据、深度学习
,尤其涉及一种雷达遥感数据的标注方法、装置、电子设备和存储介质。
技术介绍
现今遥感应用遍布各个领域,比如在进行地物识别与检测方面有着比较重要的地位。在进行地物识别,比如水体识别时,可以采用雷达卫星进行识别,具体可以通过采用机器学习方法。可见,如何对雷达遥感数据进行成本低、准确性高的标注是非常重要的。
技术实现思路
本申请提供一种雷达遥感数据的标注方法、装置、电子设备和存储介质。根据本申请的一方面,提供了一种雷达遥感数据的标注方法,包括:获取雷达遥感数据及对应的光学遥感数据,其中,所述雷达遥感数据中包含各第一像素点的位置信息、所述光学遥感数据中包含各第二像素点的位置信息;对所述雷达遥感数据进行彩色合成,以生成对应的彩色图像,其中,所述彩色图像中的各第三像素点的位置信息分别与所述各第一像素点的位置信息相同;对所述光学遥感数据进行地物类型识别,以确定所述光学遥感数据中每个第二像素点对应的地物类型;以及根据所述每个第二像素点对应的地物类型、所述每个第二像素点的位置信息及所述各第三像素点的位置信息,对所述彩色图像中各第三像素点进行地物类型标注,以确定所述彩色图像中各第三像素点对应的地物类型标注标签。根据本申请的另一方面,提供了一种雷达遥感数据的标注装置,包括:第一获取模块,用于获取雷达遥感数据及对应的光学遥感数据,其中,所述雷达遥感数 ...
【技术保护点】
1.一种雷达遥感数据的标注方法,包括:/n获取雷达遥感数据及对应的光学遥感数据,其中,所述雷达遥感数据中包含各第一像素点的位置信息、所述光学遥感数据中包含各第二像素点的位置信息;/n对所述雷达遥感数据进行彩色合成,以生成对应的彩色图像,其中,所述彩色图像中的各第三像素点的位置信息分别与所述各第一像素点的位置信息相同;/n对所述光学遥感数据进行地物类型识别,以确定所述光学遥感数据中每个第二像素点对应的地物类型;以及/n根据所述每个第二像素点对应的地物类型、所述每个第二像素点的位置信息及所述各第三像素点的位置信息,对所述彩色图像中各第三像素点进行地物类型标注,以确定所述彩色图像中各第三像素点对应的地物类型标注标签。/n
【技术特征摘要】
1.一种雷达遥感数据的标注方法,包括:
获取雷达遥感数据及对应的光学遥感数据,其中,所述雷达遥感数据中包含各第一像素点的位置信息、所述光学遥感数据中包含各第二像素点的位置信息;
对所述雷达遥感数据进行彩色合成,以生成对应的彩色图像,其中,所述彩色图像中的各第三像素点的位置信息分别与所述各第一像素点的位置信息相同;
对所述光学遥感数据进行地物类型识别,以确定所述光学遥感数据中每个第二像素点对应的地物类型;以及
根据所述每个第二像素点对应的地物类型、所述每个第二像素点的位置信息及所述各第三像素点的位置信息,对所述彩色图像中各第三像素点进行地物类型标注,以确定所述彩色图像中各第三像素点对应的地物类型标注标签。
2.如权利要求1所述的方法,其中,所述对所述雷达遥感数据进行彩色合成,以生成对应的彩色图像,包括:
根据所述雷达遥感数据中每个第一像素点的垂直-垂直极化值,确定所述每个第一像素点在红色分量上的灰度值;
根据所述每个第一像素点的垂直-水平极化值,确定所述每个第一像素点在绿色分量上的灰度值;
根据所述每个第一像素点在红色分量上的灰度值及在绿色分量上的灰度值,确定所述每个第一像素点在蓝色分量上的灰度值;
根据所述每个第一像素点在红色分量上的灰度值、绿色分量上的灰度值、蓝色分量上的灰度值及所述每个第一像素点的位置信息,生成所述彩色图像。
3.如权利要求1所述的方法,其中,所述光学遥感数据中还包括每个所述第二像素点在各个波段的反射系数,所述对所述光学遥感数据进行地物类型识别,以确定所述光学遥感数据中每个第二像素点对应的地物类型,包括:
根据每个所述第二像素点在各个波段的反射系数,计算所述每个第二像素点的综合反射系数;
如果任一第二像素点的综合反射系数大于阈值,则确定所述任一第二像素点对应的地物类型为水体;
否则,确定所述任一第二像素点对应的地物类型为非水体。
4.如权利要求3所述的方法,其中,所述根据所述光学遥感数据中每个第二像素点在各个波段的反射系数,计算所述每个第二像素点的综合反射系数,包括:
获取所述各个波段中每个波段的权重值;
根据所述光学遥感数据中所述每个第二像素点在各个波段的反射系数和所述每个波段对应的权重值,计算所述每个第二像素点的综合反射系数。
5.如权利要求1所述的方法,其中,所述对应的光学遥感数据为多组、且每组光学遥感数据中包含的第二像素点的位置信息相同,所述对所述光学遥感数据进行地物类型识别,以确定所述光学遥感数据中每个第二像素点对应的地物类型,包括:
对所述多组光学遥感数据分别进行地物类型识别,以确定所述每个第二像素点对应的多个候选地物类型;
根据所述每个第二像素点对应的多个候选地物类型中各个候选地物类型的数量,确定每个候选地物类型的权重;
将所述每个第二像素点对应的权重最大的候选地物类型,确定为所述每个第二像素点的目标地物类型。
6.如权利要求1所述的方法,其中,所述对应的光学遥感数据为多组、且每组光学遥感数据中包含的第二像素点的位置信息不同,所述对所述光学遥感数据进行地物类型识别,以确定所述光学遥感数据中每个第二像素点的地物类型,包括:
根据每组光学遥感数据中各第二像素点的位置信息,将所述多组光学遥感数据进行拼接,以生成目标光学遥感数据;
对所述目标光学遥感数据进行地物类型识别,以确定所述目标光学遥感数据中每个第二像素点的地物类型。
7.如权利要求1所述的方法,其中,在所述确定所述彩色图像中各第三像素点对应的地物类型标注标签之后,还包括:
将标注后的所述彩色图像放入地物类型识别训练集;
将所述地物类型识别训练集中的每个彩色图像输入至初始神经网络,以获取所述每个彩色图像中每个第三像素点对应的地物类型预测标签;
根据所述每个第三像素点对应的地物类型预测标签与对应的所述地物类型标注标签的差异,对所述初始神经网络模型进行修正,以生成地物类型识别模型。
8.一种雷达遥感数据的标注装置,包括:
第一获取模块,用于获取雷达遥感数据及对应的光学遥感数据,其中,所述雷达遥感数据中包含各第一像素点的位置信息、所述光学遥感数据中包...
【专利技术属性】
技术研发人员:崔轩,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。