雷达遥感数据的标注方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了雷达遥感数据的标注方法、装置、电子设备和存储介质，涉及大数据、深度学习技术领域。具体方案为：获取雷达遥感数据及对应的光学遥感数据；对雷达遥感数据进行彩色合成，生成对应的彩色图像，并对光学遥感数据进行地物类型识别，确定光学遥感数据中每个第二像素点对应的地物类型，再根据每个第二像素点对应的地物类型、每个第二像素点的位置信息及各第三像素点的位置信息，对彩色图像中各第三像素点进行地物类型标注，确定彩色图像中各第三像素点对应的地物类型标注标签。由此，利用与雷达遥感数据对应的光学遥感数据的地物类型识别结果，对雷达遥感数据对应的彩色图像中每个像素点进行地物类型标注，标注准确性高、成本低。

【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；第一生成模块，用于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；第一确定模块，用于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；以及第二确定模块，用于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，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的雷达遥感数据的标注方法。根据本申请另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的雷达遥感数据的标注方法。上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1为本申请实施例提供的一种雷达遥感数据的标注方法的流程示意图；图2为本申请实施例提供的另一种雷达遥感数据的标注方法的流程示意图；图3为本申请实施例提供的另一种雷达遥感数据的标注方法的流程示意图；图4为本申请实施例提供的另一种雷达遥感数据的标注方法的流程示意图；图5为本申请实施例提供的另一种雷达遥感数据的标注方法的流程示意图；图6为本申请实施例提供的一种雷达遥感数据的标注装置的结构示意图；图7为根据本申请实施例的雷达遥感数据的标注方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。下面参考附图描述本申请实施例的雷达遥感数据的标注方法、装置、电子设备和存储介质。雷达在地物识别时，比如水体识别、森林识别等，可以采用机器学习方法，机器学习方法通常是对标注数据进行学习。但是，在像素点的维度进行人工标注，人工操作难度大大增加，而且容易造成边界误标注问题。本申请实施例的雷达遥感数据的标注方法，通过利用与雷达遥感数据对应的光学遥感数据的地物类型识别结果，对雷达遥感数据对应的彩色图像中的每个像素点进行地物类型标注，实现了像素级标注，且标注准确性高、人工成本低。图1为本申请实施例提供的一种雷达遥感数据的标注方法的流程示意图。本申请实施例的雷达遥感数据的标注方法，可由本申请实施例提供的雷达遥感数据的标注装置执行，该装置可配置于电子设备中，以实现对雷达遥感数据对应的彩色图像进行像素级标注。该方法也可在云端运行。如图1所示，该雷达遥感数据的标注方法包括：步骤101，获取雷达遥感数据及对应的光学遥感数据，其中，雷达遥感数据中包含各第一像素点的位置信息、光学遥感数据中包含各第二像素点的位置信息。本实施例中，雷达遥感数据是采用雷达设备发送电磁波，然后接收辐射和散射回波信号以形成的影像数据；光学遥感数据是借助空间相机、扫描仪、成像光谱仪器等光学遥感设备对地球表面实时探测和扫描得到的影像数据。其中，光学遥感设备和雷达设备可以采用卫星、空间站等设备作为空间载体。目前许多单位可以提供经过一定预处理的光学遥感数据和雷达遥感数据，因此可以直接从提供方下载雷达遥感数据及对应的光学遥感数据。其中，雷达遥感数据中包含各第一像素点的位置信息，光学遥感数据中包含各第二像素点的位置信息。这里的像素点的位置信息可以是经纬度信息。或者，也可以直接从集成了遥感数据并提供一定数量的工具进行数据处理的地理信息处理系统，获取雷达遥感数据及对应的光学遥感数据。比如，可以使用裁剪工具直接在地理信息系统上剪裁出一个区域，以得到该区域的雷达遥感数据及对应的光学遥感数据。本实施例中，获取的雷达遥感数据及对应的光学遥感数据拍摄时间接近、且雷达遥感数据对应的地理区域与光学遥感数据对应的地理区域相同，或者雷达遥感数据对应的地理区域包含在光学遥感数据对应的地理区域中。可以理解的是，由于同一地区不同时间建筑物、水体等可能会发生变化，因此获取的雷达遥感数据及对应的光学遥感数据拍摄时间接近，目的是为了提高标注的准确性。比如，获取拍摄时间为t1，地理区域A和B的一组雷达遥感数据，与该雷达遥感数据对应的光学遥感数据为，拍摄时间与t1最接近，地理区域A和B的一组光学遥感数据，也可是包含了地理区域A和B及其他区域的一组光学遥感数据。在具体实现时，雷达遥感数据可以是哨兵-1号雷达遥感数据，光学遥感数据可以为哨兵-2号多光谱光学遥感数据。步骤102，对雷达遥感数据进行彩色合成，以生成对应的彩色图像。由于雷达遥感数据比较复杂，在使用机器学习方法进行地物类型识别时，直本文档来自技高网...

【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