一种用于高分五号影像的自动质检方法技术

本发明专利技术公开了一种用于高分五号影像的自动质检方法和系统，涉及光学遥感图像处理和图像识别领域。该方法包括；对现待质检的原始影像的海量数据进行初步筛选，去除不满足条件的数据，获得筛选合格数据，根据已有的高分五号影像数据训练后的模型，对筛选合格数据进行提取影像数据特征，并根据影像数据特征进行分类，根据分类结果输出与原始影像相同分辨率的掩膜数据，对掩膜数据进行判断，获得判断结果，实现对云覆盖和强噪声影像的准确识别，完成对高分五号数据的自动化的质检，以一种新的深度卷积神经网络有效提取云和强噪声影像的浅层空间信息和深层语义信息，并在进行有效融合，实现对云覆盖和强噪声影像的准确识别。

【技术实现步骤摘要】
一种用于高分五号影像的自动质检方法
本专利技术涉及光学遥感图像处理和图像识别领域，尤其涉及一种用于高分五号影像的自动质检方法和系统。
技术介绍
卫星数据质检是遥感应用精度的基本保障，而对于数据生产者来说，每天完成数百景影像的质检工作是一项非常艰巨的任务。高分五号数据存在影像尺寸不一致、数据缺失、强噪声、云覆盖等数据的检测需求，其中云覆盖和强噪声影像的识别是最为重要且难度最大的工作。以往国产卫星的质检工作主要通过人工筛查的方式进行，耗时耗力的同时识别精度难以达到定量化的要求。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种用于高分五号影像的自动质检方法和系统。本专利技术解决上述技术问题的技术方案如下：一种用于高分五号影像的自动质检方法，包括：S1，对现待质检的原始影像的海量数据进行初步筛选，去除不满足条件的数据，获得筛选合格数据；S2，根据已有的高分五号影像数据训练后的模型，对所述筛选合格数据进行提取影像数据特征，并根据所述影像数据特征进行分类，根据分类结果输出与所述原始影像相同分辨率的掩膜数据；S3，对所述掩膜数据进行判断，获得判断结果以完成所述原始影像的质检。本专利技术的有益效果是：本方案通过对原始影像初步筛选，将高分五号数据存在影像尺寸不一致、数据缺失等数据进行剔除，为进一步估计数据中存在的强噪声和云覆盖的情况，利用训练后的模型对初步筛选合格数据进行处理输出与所述原始影像相同分辨率的掩膜数据，对所述掩膜数据进行判断，以一种新的深度卷积神经网络有效提取云和强噪声影像的浅层空间信息和深层语义信息，并在注意力机制下进行有效融合，实现对云覆盖和强噪声影像的准确识别，完成对高分五号数据的自动化的质检；其次，基于本专利技术提出的深度学习网络融合了浅层空间和深层语义特征，可以有效改善云识别的提取效果；此外，本专利技术提出的网络属于轻量化网络具有较小的参数量和计算量十分适合海量数据场景下的业务化应用。进一步地，所述S2之前还包括：：S11，通过将多个RCB和ICB卷积进行组合获得骨干网络，所述骨干网络输出特征图层；S12，空间信息提取模块接收所述骨干网络前两层的所述特征图层，对所述特征图层中的空间特征进行增强并通过预设卷积组合输出预设特征；S13，语义信息提取模块接收所述骨干网络最后一层的所述特征图层并进行处理，获得预设特征图并与所述预设特征进行融合，再对融合结果进行采样，并输出掩膜数据，完成所述模型的搭建。采用上述进一步方案的有益效果是：本方案通过包括骨干网络、空间信息提取模块和语义信息提取模块的模型，实现对原始图像的特征提取、分类处理，并输出质检的预测结果，通过该模型在面对不同场景的影像不同的构建规则，仍能够实现将云于其他高亮物很好的区分。进一步地，完成所述模型的搭建之后，还包括：将所述已有的高分五号影像的训练集的切片数据输入到搭建完成的所述模型中进行训练，并通过所述已有的高分五号影像的测试集进行验证，直至训练后的模型达到预设标准，获得所述训练后的所述模型。采用上述进一步方案的有益效果是：本方案已有的高分五号影像的训练集的切片数据输入到搭建完成的所述模型中进行训练，并通过测试集进行验证，直至训练后的模型达到预设标准，获得训练后的模型，实现了模型的识别精度能够达到要求，进一步能够准确地识别出云影像。进一步地，所述S3具体包括：对所述掩膜数据中的数值根据预设方法进行判断，并对判断结果进行归类，完成质检；其中所述预设方法包括：如果所述掩膜数据的数值均为2，则为强噪声不合格数据；如果所述掩膜数据的数值均为1的像元数超过预设云覆盖阈值，则为不合格数据；如果所述掩膜数据的数值均为1的像元数低于所述预设云覆盖阈值，则为合格数据。采用上述进一步方案的有益效果是：本方案通过对掩膜数据中数据不同值表示的不同含义，进一步做出判断，并对判断结果进行归类，实现了根据掩膜数据获得影像质检的分类，实现对云覆盖和强噪声影像的准确识别。进一步地，所述S12具体包括：空间信息提取模块接收所述骨干网络前两层的所述特征图层，前两层的所述特征图层的特征图首先通过一个空间注意力层，生成一个权重图层，所述权重图层与原始输入的所述特征图相乘，最后将相乘后的获得的预设特征通过预设卷积组合输出；所述S13具体包括：语义信息提取模块接收所述骨干网络最后一层的所述特征图层，最后一层的所述特征图层的特征图首先通过预设卷积组合进行降维，将降维后的所述特征图再输入到一个池化金字塔结构中，分别通过多个倍数形成多尺度特征图，经过上采样将所述多尺度特征图进行组合，最后通过一个通道注意力机制后，输出1/2原始影像尺寸的预设特征图；将所述预设特征图与所述预设特征进行融合，在上采样至原始图片尺寸，将上采样后的数据通过softmax输出掩膜数据，完成所述模型的搭建。进一步地，所述S11之前还包括：在已进行初步筛选的所述已有的高分五号影像中挑选云覆盖影像，对云覆盖和强噪声的像元进行标记，将标记后的影像划分为训练集和测试集；对所述训练集和测试集均切割为多个预设大小的切片，并对所述多个预设大小的切片进行归一化处理。采用上述进一步方案的有益效果是：本方案通过对训练模型的数据，在进行初步筛选后，再进行云覆盖和强噪声的像元进行标记，将标记后的影像划分为训练集和测试集，对所述训练集和测试集均切割为多个预设大小的切片，并对所述多个预设大小的切片进行归一化处理，实现数据的预处理，结合人为提取规则和光谱维度的特征，使得特征提取效果更加准确。本专利技术解决上述技术问题的另一种技术方案如下：一种用于高分五号影像的自动质检系统，包括：筛选模块、影像数据处理模块和判断模块；所述筛选模块用于对现待质检的原始影像的海量数据进行初步筛选，去除不满足条件的数据，获得筛选合格数据；所述影像数据处理模块用于根据已有的高分五号影像数据训练后的模型，对所述筛选合格数据进行提取影像数据特征，并根据所述影像数据特征进行分类，根据分类结果输出与所述原始影像相同分辨率的掩膜数据；所述判断模块用于对所述掩膜数据进行判断，获得判断结果以完成所述原始影像的质检。本专利技术的有益效果是：本方案通过对原始影像初步筛选，将高分五号数据存在影像尺寸不一致、数据缺失等数据进行剔除，为进一步估计数据中存在的强噪声和云覆盖的情况，利用训练后的模型对初步筛选合格数据进行处理输出与所述原始影像相同分辨率的掩膜数据，对所述掩膜数据进行判断，以一种新的深度卷积神经网络有效提取云和强噪声影像的浅层空间信息和深层语义信息，并在注意力机制下进行有效融合，实现对云覆盖和强噪声影像的准确识别，完成对高分五号数据的自动化的质检；其次，基于本专利技术提出的深度学习网络融合了浅层空间和深层语义特征，可以有效改善云识别的提取效果；此外，本专利技术提出的网络属于轻量化网络具有较小的参数量和计算量十分适合海量数据场景下的业务化应用。进一步地，还包括：模型搭建模块，包括骨干网本文档来自技高网...

【技术保护点】
1.一种用于高分五号影像的自动质检方法，其特征在于，包括：/nS1，对现待质检的原始影像的海量数据进行初步筛选，去除不满足条件的数据，获得筛选合格数据；/nS2，根据已有的高分五号影像数据训练后的模型，对所述筛选合格数据进行提取影像数据特征，并根据所述影像数据特征进行分类，根据分类结果输出与所述原始影像相同分辨率的掩膜数据；/nS3，对所述掩膜数据进行判断，获得判断结果以完成所述原始影像的质检。/n

【技术特征摘要】
1.一种用于高分五号影像的自动质检方法，其特征在于，包括：
S1，对现待质检的原始影像的海量数据进行初步筛选，去除不满足条件的数据，获得筛选合格数据；
S2，根据已有的高分五号影像数据训练后的模型，对所述筛选合格数据进行提取影像数据特征，并根据所述影像数据特征进行分类，根据分类结果输出与所述原始影像相同分辨率的掩膜数据；
S3，对所述掩膜数据进行判断，获得判断结果以完成所述原始影像的质检。


2.根据权利要求1所述的一种用于高分五号影像的自动质检方法，其特征在于，所述S2之前还包括：
S11，通过将多个RCB和ICB卷积进行组合获得骨干网络，所述骨干网络输出特征图层；
S12，空间信息提取模块接收所述骨干网络前两层的所述特征图层，对所述特征图层中的空间特征进行增强并通过预设卷积组合输出预设特征；
S13，语义信息提取模块接收所述骨干网络最后一层的所述特征图层并进行处理，获得预设特征图并与所述预设特征进行融合，再对融合结果进行采样，并输出掩膜数据，完成所述模型的搭建。


3.根据权利要求2所述的一种用于高分五号影像的自动质检方法，其特征在于，完成所述模型的搭建之后，还包括：
将所述已有的高分五号影像的训练集的切片数据输入到搭建完成的所述模型中进行训练，并通过所述已有的高分五号影像的测试集进行验证，直至训练后的模型达到预设标准，获得所述训练后的所述模型。


4.根据权利要求3所述的一种用于高分五号影像的自动质检方法，其特征在于，所述S3具体包括：
对所述掩膜数据中的数值根据预设方法进行判断，并对判断结果进行归类，完成质检；
其中所述预设方法包括：如果所述掩膜数据的数值均为2，则为强噪声不合格数据；如果所述掩膜数据的数值均为1的像元数超过预设云覆盖阈值，则为不合格数据；如果所述掩膜数据的数值均为1的像元数低于所述预设云覆盖阈值，则为合格数据。


5.根据权利要求2-4任一项所述的一种用于高分五号影像的自动质检方法，其特征在于，
所述S12具体包括：空间信息提取模块接收所述骨干网络前两层的所述特征图层，前两层的所述特征图层的特征图首先通过一个空间注意力层，生成一个权重图层，所述权重图层与原始输入的所述特征图相乘，最后将相乘后的获得的预设特征通过预设卷积组合输出；
所述S13具体包括：语义信息提取模块接收所述骨干网络最后一层的所述特征图层，最后一层的所述特征图层的特征图首先通过预设卷积组合进行降维，将降维后的所述特征图再输入到一个池化金字塔结构中，分别通过多个倍数形成多尺度特征图，经过上采样将所述多尺度特征图进行组合，最后通过一个通道注意力机制后，输出1/2原始影像尺寸的预设特征图；
将所述预设特征图与所述预设特征进行融合，在上采样至原始图片尺寸，将上采样后的数据通过softmax输出掩膜数据，完成所述模型的搭建。


6.一种用于高分五号影像的自动质检系...

【专利技术属性】
技术研发人员：于峻川，马燕妮，钟宇峰，黄炜，王石光，郑向向，甘甫平，
申请(专利权)人：中国自然资源航空物探遥感中心，
类型：发明
国别省市：北京;11