一种基于遥感影像的目标查找方法技术

本发明专利技术公开了一种基于遥感影像的目标查找方法，该方法包括以下步骤：获取原始遥感影像信息，分解原始遥感影像为重叠的图片切片；分析并获取图片切片信息，基于图片切片信息，建立分布式非关系型数据库；将图片切片信息插入到分布式非关系型数据库；发送图片切片信息到神经网络，神经网络获取并处理图片切片信息，输出图片切片分析结果信息；获取图片切片分析结果信息，保存图片切片分析结果信息到新数组，处理新数组中元素信息，输出合成矩阵；采用最大池算法降采样合成最大值矩阵；识别图像，获取匹配图像。通过采用该方法，一方面提高了查找遥感影像的准确率，另一方面提高了查找遥感影像的效率。

A target searching method based on remote sensing image

【技术实现步骤摘要】
一种基于遥感影像的目标查找方法
本专利技术涉及遥感影像目标查找
，具体来说，涉及一种基于遥感影像的目标查找方法。
技术介绍
从遥感影像中自动检测目标并非一件容易的事情，自动目标识别算法必须能够识别确切形状可能不太清楚的三维物体，而且这些物体可能出现在光照和能见度条件变化很大的任一方向。传统的自动目标识别方法是通过提取轮廓，把目标从周围区域中分离出来，然后根据所描述的特征识别其形状，现有自动目标识别系统必须辅助有大型数据库，在数据库中记录目标不同方位角、俯仰角等多种形态信息。实际上，从图像上获取真实轮廓非常困难，轮廓复原时的误差降低了精确检测目标的概率，再加上光照条件、视角、大气条件等多种因素，都使这一问题变得非常复杂。
技术实现思路
针对相关技术中的上述技术问题，本专利技术提出一种基于遥感影像的目标查找方法，能够克服现有技术的上述不足。为实现上述技术目的，本专利技术的技术方案是这样实现的：一种基于遥感影像的目标查找方法，该方法包括以下步骤：S1：获取原始遥感影像信息，分解原始遥感影像为重叠的图片切片；S2：分析并获取图片切片信息，基于图片切片信息，建立分布式非关系型数据库；S3：将图片切片信息插入到分布式非关系型数据库；S4：发送图片切片信息到神经网络，神经网络获取并处理图片切片信息，输出图片切片分析结果信息；S5：获取图片切片分析结果信息，保存图片切片分析结果信息到新数组，处理新数组中元素信息，输出合成矩阵；S6：采用最大池算法降采样合成最大值矩阵；S7：识别图像，获取匹配图像。进一步的，所述步骤S1包括以下步骤：S11：建立滑动窗口，获取原始遥感影像；S12：分解所述原始遥感影像为若干相同大小的图像瓦片；S13：获取图像瓦片信息，并保存。进一步的，所述步骤S4中神经网络获取并处理图片切片信息的步骤包括以下步骤：S41：获取图像瓦片信息；S42：分析计算图像瓦片权重；S43：查找并标记目标事物。进一步的，所述步骤S5中保存图片切片分析结果信息到新数组，处理新数组中元素信息，输出合成矩阵的步骤包括以下步骤：S51：依据原始瓦片布局格式，保存图片切片结果到网格，合成阵列；S52：获取原始遥感影像标记结果信息；S53：输出阵列。进一步的，所述步骤S6包括以下步骤：S61：设定阵列大小规格，获取标记阵列信息；S62：依据阵列大小规格，划分标记阵列为网格；S63：分析分割网格数据，获取最大值网格；S64：加入最大值网格到最大池阵列。进一步的，所述步骤S7包括以下步骤：S71：获取最大池阵列中数据信息，发送最大池阵列中数据信息到新的神经网络；S72：全连接识别新的神经网络；S73：判断图像匹配度，输出结果。本专利技术的有益效果：通过采用该方法，采用相同的原始影像、相同的计算机硬件设备、网络环境等同等条件下，识别同一个目标在准确率达到95％时，采用此项专利技术所耗费的时间为传统方法的十分之一，即效率提高了9倍。从而一方面提高了查找遥感影像的准确率，另一方面提高了查找遥感影像的效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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专利技术的一些实施例，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。图1是根据本专利技术实施例所述的一种基于遥感影像的目标查找方法的步骤流程图。图2是根据本专利技术实施例所述的一种基于遥感影像的目标查找方法的实际案例识别目标图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，根据本专利技术实施例所述的一种基于遥感影像的目标查找方法，S1：获取原始遥感影像信息，分解原始遥感影像为重叠的图片切片；S2：分析并获取图片切片信息，基于图片切片信息，建立分布式非关系型数据库；S3：将图片切片信息插入到分布式非关系型数据库；S4：发送图片切片信息到神经网络，神经网络获取并处理图片切片信息，输出图片切片分析结果信息；S5：获取图片切片分析结果信息，保存图片切片分析结果信息到新数组，处理新数组中元素信息，输出合成矩阵；S6：采用最大池算法降采样合成最大值矩阵；S7：识别图像，获取匹配图像。步骤S1包括以下步骤：S11：建立滑动窗口，获取原始遥感影像；S12：分解所述原始遥感影像为若干相同大小的图像瓦片；S13：获取图像瓦片信息，并保存。步骤S4中神经网络获取并处理图片切片信息的步骤包括以下步骤：S41：获取图像瓦片信息；S42：分析计算图像瓦片权重；S43：查找并标记目标事物。步骤S5中保存图片切片分析结果信息到新数组，处理新数组中元素信息，输出合成矩阵的步骤包括以下步骤：S51：依据原始瓦片布局格式，保存图片切片结果到网格，合成阵列；S52：获取原始遥感影像标记结果信息；S53：输出阵列。步骤S6包括以下步骤：S61：设定阵列大小规格，获取标记阵列信息；S62：依据阵列大小规格，划分标记阵列为网格；S63：分析分割网格数据，获取最大值网格；S64：加入最大值网格到最大池阵列。步骤S7包括以下步骤：S71：获取最大池阵列中数据信息，发送最大池阵列中数据信息到新的神经网络；S72：全连接识别新的神经网络；S73：判断图像匹配度，输出结果。为了方便理解本专利技术的上述技术方案，以下通过具体使用方式上对本专利技术的上述技术方案进行详细说明。本专利技术采用的点包括如下：1)改良多项式回归经过改良的多项式回归可以处理非线性问题，任一函数都可以分段用多项式来逼近，不论变量与其他自变量的关系如何，总可以用改良多项式回归来进行分析。令x1＝x，x2＝x2，…，xm＝xm则2)聚类聚类的目标是对具有相似特征的观察进行分组。假设需要将数据{Xi}聚为k类，经过聚类之后每个数据所属的类别为{Ti}，而这k个聚类的中心为{μi}。则函数为：3)降维降维是从数据集中删除最不重要的信息(有时是冗余列)。在实践中，经常看到具有数百甚至数千列(也称为要素)的数据集，因此减少总数至关重要。例如，图像可以包含数千个像素，并不是所有像素都对分析很重要，其中许多提供了冗余信息。在这些情况下，需要降维算法以使数据集易于管理。假本文档来自技高网...

【技术保护点】
1.一种基于遥感影像的目标查找方法，其特征在于，包括以下步骤：/nS1：获取原始遥感影像信息，分解原始遥感影像为重叠的图片切片；/nS2：分析并获取图片切片信息，基于图片切片信息，建立分布式非关系型数据库；/nS3：将图片切片信息插入到分布式非关系型数据库；/nS4：发送图片切片信息到神经网络，神经网络获取并处理图片切片信息，输出图片切片分析结果信息；/nS5：获取图片切片分析结果信息，保存图片切片分析结果信息到新数组，处理新数组中元素信息，输出合成矩阵；/nS6：采用最大池算法降采样合成最大值矩阵；/nS7：识别图像，获取匹配图像。/n

【技术特征摘要】
1.一种基于遥感影像的目标查找方法，其特征在于，包括以下步骤：
S1：获取原始遥感影像信息，分解原始遥感影像为重叠的图片切片；
S2：分析并获取图片切片信息，基于图片切片信息，建立分布式非关系型数据库；
S3：将图片切片信息插入到分布式非关系型数据库；
S4：发送图片切片信息到神经网络，神经网络获取并处理图片切片信息，输出图片切片分析结果信息；
S5：获取图片切片分析结果信息，保存图片切片分析结果信息到新数组，处理新数组中元素信息，输出合成矩阵；
S6：采用最大池算法降采样合成最大值矩阵；
S7：识别图像，获取匹配图像。


2.根据权利要求1所述的一种基于遥感影像的目标查找方法，其特征在于，所述步骤S1包括以下步骤：
S11：建立滑动窗口，获取原始遥感影像；
S12：分解所述原始遥感影像为若干相同大小的图像瓦片；
S13：获取图像瓦片信息，并保存。


3.根据权利要求1所述的一种基于遥感影像的目标查找方法，其特征在于，所述步骤S4中神经网络获取并处理图片切片信息的步骤包括以下步骤：
S41：获取图像瓦...

【专利技术属性】
技术研发人员：丁晖，杜毅，于洋，刘志远，宋宇阳，薛庆瑞，孙峂，辛静，石小娜，张永旺，王子辰，许兴家，
申请(专利权)人：北京航天世景信息技术有限公司，
类型：发明
国别省市：北京;11