一种遥感影像样本库的建立与更新方法技术

本发明专利技术公开一种遥感影像样本库的建立与更新方法，包括：在接收到建立遥感影像样本库的操作指令时，按照第一预设规则建立遥感影像样本库；在接收到从遥感影像样本数据库中提取指令时，根据提取需求，判断遥本库中是否存在满足第一预设条件的样本数据；在样本库中不存在满足第一预设条件的样本数据的情况下，接收对遥感影像数据中第一对象的标注，根据标注，使用迭代训练与预设的方法提取遥感影像数据中第二对象，以更新样本库；在样本库中的存在满足第一预设条件的样本数据的情况下，提取样本库中的样本数据，进行模型训练、遥感影像数据预测和优化处理，按照第二预设规则提取增量样本，将增量样本更新至样本库中。

【技术实现步骤摘要】
一种遥感影像样本库的建立与更新方法
本专利技术涉及人工智能
，具体涉及一种遥感影像样本库的建立与更新方法。
技术介绍
近年来随着深度学习技术的快速发展，特别是在遥感影像信息提取等领域取得了长足进步，而深度学习对应的深度神经网络(DeepNeuralNetWorks，DNN)工作的前提是网络得到充分的训练，在对深度神经网络进行训练时需要大量的样本作为训练数据。样本标注是深度学习中训练数据的重要部分，在对遥感影像进行标注时，需要对遥感影像中的各类地物样本进行标注，并集合起来构建成一个样本库。样本库中存放各类地物的标注矢量数据和基期影像文件，在使用时可以根据样本类型从样本库中调用相应的数据，以便于对DNN进行训练。但是，相关技术中对样本进行标注通常依赖于人工标注，需要消耗大量的人力物力，标注效率较低，效果不理想；传统的样本组织管理方式没有使用到空间数据库，不便于样本数据管理和使用。
技术实现思路
有鉴于此，本专利技术提供了一种遥感影像样本库的建立与更新方法，以解决相关技术中依赖于人工标注遥感影像数据中的样本，标注效率低，效果不理想的问题。为实现上述专利技术目的，根据本专利技术的一个方面，提供了一种遥感影像样本库的建立与更新方法，包括：(1)在接收到建立遥感影像样本库的操作指令时，根据第一预设规则建立所述遥感影像样本库；(2)在接收到从所述遥感影像样本数据库中提取指令时，根据提取需求，判断样本库中是否存在满足第一预设条件的样本数据；(3)在所述遥感影像样本库中不存在满足第一预设条件的样本数据的情况下，接收对遥感影像数据中第一对象的标注，根据所述标注，使用迭代训练与预设的方法提取遥感影像数据中第二对象，以更新所述遥感影像样本库；(4)在所述遥感影像样本库中的存在满足第一预设条件的样本数据的情况下，提取所述遥感影像样本库中的样本数据，进行模型训练、遥感影像数据预测和优化处理，按照第二预设规则提取增量样本，将所述增量样本更新至所述样本库中。在一种可选方式中，所述根据第一预设规则建立所述遥感影像样本库，包括：(S1)将所述遥感影像样本库保存为空间数据库；(S2)将所述空间数据库中的数据表结构设计为：影像ID、影像来源、影像地理位置、影像波段数、影像分辨率、成像时间、样本种类等；其中，所述第一预设规则为按照需求将样本数据按照预设分幅格式或者第一预设大小数据块保存样本数据，所述按照标准分幅保存的样本数据为根据深度学习应用需求生产的样本数据，所述第一预设大小数据块保存样本数据为直接使用样本数据进行训练。在一种可选方式中，所述根据提取需求，判断样本库中是否存在满足第一预设条件的样本数据，包括：根据所述样本种类判断样本库中是否存在符合深度学习模型训练需求的样本数据；所述第一预设条件为所述样本库中样本数据的数量和质量是否符合深度学习模型训练需求。在一种可选方式中，所述接收对所述遥感影像数据中的第一对象的标注，根据所述标注，使用迭代训练与预设的方法提取遥感影像数据中第二对象；包括：(T1)获取经过预处理的遥感影像数据；(T2)对所述遥感影像数据中的目标遥感影像数据中的目标对象进行标注得到样本数据；(T3)根据样本数据进行模型训练，得到初级预测模型；(T4)对所述目标遥感影像数据以外的遥感影像数据逐一执行预测和优化处理，将满足第二预设条件的预测样本数据和对应的遥感影像数据训练初级预测模型；(T5)不断重复步骤T4，直至满足第三预设条件，得到优化预测模型；(T6)利用训练好的优化预测模型预测遥感影像，得到样本标记数据；其中，第一对象为标注得到的样本数据，第二对象为第一对象以外的未标注的样本数据。在一种可选方式中，所述预处理包括以下处理中的至少一种：正射校正、影像融合、位深变换、影像匀色和影像镶嵌。在一种可选方式中，所述预测和优化处理，将满足第二预设条件的预测标注数据和对应的遥感影像数据训练初级预测模型，包括：(M1)根据所述预测样本数据的属性信息，构建所述预测样本数据的类型规则集，所述属性信息包括以下信息中的至少一种：所述预测样本数据对应的所述遥感影像数据的遥感指数、样本形状、结构、纹理、样本空间拓扑关系；(M2)依据所述规则集计算所述预测样本数据的置信度；(M3)根据所述置信度筛选所述预测样本数据。在一种可选方式中，所述根据所述预测样本数据的属性信息，构建所述预测样本数据的类型规则集，所述方法还包括：在所述目标对象为第一类对象的情况下，接收对所述目标对象的轮廓的第一处理，删除所述预测样本数据中的离散点和空洞；或者，在所述目标对象为第二类对象的情况下，接收对所述目标对象的轮廓的第二处理。在一种可选方式中，所述第一处理包括：轮廓腐蚀膨胀操作和轮廓平滑操作；所述第二处理包括：轮廓腐蚀膨胀操作和轮廓优化操作。在一种可选方式中，所述轮廓腐蚀膨胀操作包括：使用特点大小的算子卷积处理所述预测样本数据，完成所述预测样本开运算；所述轮廓平滑操作包括：断开所述预测样本对应的轮廓中的连接小于或等于第一预设阈值的连接，并删除所述预测样本对应的轮廓中凸出度小于第二预设阈值的凸出部分。在一种可选方式中，所述方法还包括：在所述地理区域内存在土地利用现状矢量图的情况下，将所述土地利用现状矢量图和对应的遥感影像数据添加至样本库中。在一种可选方式中，所述土地利用现状矢量图为预设时间段内的土地利用矢量图，所述预设时间段为位于获取所述遥感影像数据的时刻之前，且与获取所述遥感影像的时刻间隔在预设间隔内的时间段。在一种可选方式中，所述提取所述样本库中的样本数据，包括：在所述样本数据为第一类标注样本数据的情况下，根据所述标注样本数据对应的遥感影像数据的地理空间位置裁切所述标注样本数据对应的遥感影像数据，生成相同大小的遥感影像块；所述第一类标注样本数据为所述样本数据对应的目标对象在遥感影像数据中分布小于或等于第三预设阈值的标注样本数据；或者，在所述样本数据为第二类标注样本数据的情况下，按照从左到右、从上到下的顺序裁切所述第一标注样本数据对应的遥感影像数据，生成相同大小的遥感影像块；所述第二类标注样本数据为所述标注样本数据对应的目标对象在遥感影像数据中分布大于或等于第四预设阈值的标注样本数据。在一种可选方式中，所述提取所述遥感影像样本库中的样本数据，进行模型训练、遥感影像数据预测和优化处理，按照第二预设规则提取增量样本，将所述增量样本更新至所述样本库中，包括：(N1)根据所述样本数据进行模型训练，得到预测模型；(N2)使用上述预测模型对为未标记的遥感影像进行预测和优化处理，得到符合第四预设条件的预测样本数据；(N3)将上述预测样本数据中精度满足预设精度的样本数据更新到样本库中。本专利技术提供的一种遥感影像样本库的建立与更新方法，解决了相关技术中人工标注遥感影像数据，标注效率低，标注结果不准确，效果不理想的问题；提高了本文档来自技高网...

【技术保护点】
1.一种遥感影像样本库的建立与更新方法，其特征在于，包括：/n(1)在接收到建立遥感影像样本库的操作指令时，根据第一预设规则建立所述遥感影像样本库；/n(2)在接收到从所述遥感影像样本数据库中提取指令时，根据提取需求，判断样本库中是否存在满足第一预设条件的样本数据；/n(3)在所述遥感影像样本库中不存在满足第一预设条件的样本数据的情况下，接收对遥感影像数据中第一对象的标注，根据所述标注，使用迭代训练与预设的方法提取遥感影像数据中第二对象，以更新所述遥感影像样本库；/n(4)在所述遥感影像样本库中的存在满足第一预设条件的样本数据的情况下，提取所述遥感影像样本库中的样本数据，进行模型训练、遥感影像数据预测和优化处理，按照第二预设规则提取增量样本，将所述增量样本更新至所述样本库中。/n

【技术特征摘要】
1.一种遥感影像样本库的建立与更新方法，其特征在于，包括：
(1)在接收到建立遥感影像样本库的操作指令时，根据第一预设规则建立所述遥感影像样本库；
(2)在接收到从所述遥感影像样本数据库中提取指令时，根据提取需求，判断样本库中是否存在满足第一预设条件的样本数据；
(3)在所述遥感影像样本库中不存在满足第一预设条件的样本数据的情况下，接收对遥感影像数据中第一对象的标注，根据所述标注，使用迭代训练与预设的方法提取遥感影像数据中第二对象，以更新所述遥感影像样本库；
(4)在所述遥感影像样本库中的存在满足第一预设条件的样本数据的情况下，提取所述遥感影像样本库中的样本数据，进行模型训练、遥感影像数据预测和优化处理，按照第二预设规则提取增量样本，将所述增量样本更新至所述样本库中。


2.根据权利要求1所述的方法，其特征在于，所述根据第一预设规则建立所述遥感影像样本库，包括：
(S1)将所述遥感影像样本库保存为空间数据库；
(S2)将所述空间数据库中的数据表结构设计为：影像ID、影像来源、影像地理位置、影像波段数、影像分辨率、成像时间、样本种类等；
其中，所述第一预设规则为按照需求将样本数据按照预设分幅格式或者第一预设大小数据块保存样本数据，所述按照标准分幅保存的样本数据为根据深度学习应用需求生产的样本数据，所述第一预设大小数据块保存样本数据为直接使用样本数据进行训练。


3.根据权利要求1所述的方法，其特征在于，所述根据提取需求，判断样本库中是否存在满足第一预设条件的样本数据，包括：
根据所述样本种类判断样本库中是否存在符合深度学习模型训练需求的样本数据；所述第一预设条件为所述样本库中样本数据的数量和质量是否符合深度学习模型训练需求。


4.根据权利要求1所述的方法，其特征在于，所述接收对所述遥感影像数据中的第一对象的标注，根据所述标注，使用迭代训练与预设的方法提取遥感影像数据中第二对象；包括：
(T1)获取经过预处理的遥感影像数据；
(T2)对所述遥感影像数据中的目标遥感影像数据中的目标对象进行标注得到样本数据；
(T3)根据样本数据进行模型训练，得到初级预测模型；
(T4)对所述目标遥感影像数据以外的遥感影像数据逐一执行预测和优化处理，将满足第二预设条件的预测样本数据和对应的遥感影像数据训练初级预测模型；
(T5)不断重复步骤T4，直至满足第三预设条件，得到优化预测模型；
(T6)利用训练好的优化预测模型预测遥感影像，得到样本标记数据；
其中，第一对象为标注得到的样本数据，第二对象为第一对象以外的未标注的样本数据。


5.根据权利要求4所述的方法，其特征在于，所述预测和优化处理，将满足第二预设条件的预测标注数据和对应的遥感影像数据训练初级预测模型，包括：
(M1)根据所述预测样本数据的属性信息，构建所述预测样本数据的类型规则集，所述属性信息包括以下信息...

【专利技术属性】
技术研发人员：何建军，闫鹏飞，陈婷，苏东卫，乔月霞，闫东阳，
申请(专利权)人：二十一世纪空间技术应用股份有限公司，
类型：发明
国别省市：北京;11