可渗透地面面积率的估算方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及地理信息处理技术领域，公开了一种可渗透地面面积率的估算方法、装置、设备及存储介质，能够提高可渗透地面面积率的估算效率及准确率。所述方法包括：通过地图下载区获取高分辨率卫星影像的影响数据；基于影像数据创建可渗透地面面积率估算所需识别要素(可渗透地面、建筑及水体)的训练样本；基于训练样本构建深度学习模型并进行训练，随后根据训练好的模型，对整体影像数据进行分类，提取可渗透地面面积率估算所需识别要素的灰度图像；确定分割阈值，对灰度图像进行密度分割，得到目标要素的图斑栅格数据；根据目标要素的栅格数据估算个目标要素的占比数据，并估算可渗透地面面积率。

【技术实现步骤摘要】
可渗透地面面积率的估算方法、装置、设备及存储介质
本专利技术涉及地理信息处理
，特别是涉及一种可渗透地面面积率的估算方法、装置、设备及存储介质。
技术介绍
城市可渗透地面面积及分布情况对于了解海绵城市发展现状、评价城市环境质量具有重要意义。从国家、省到市层面的相关政策文件及技术标准都提出了城市可渗透地面面积比例的具体要求，这个指标也是考核海绵城市建设的一项重要指标。目前，城市可渗透地面面积的估算研究成果寥寥无几，仅有的成果主要集中在利用多光谱卫星遥感影像数据进行对象切割，识别完全不透水地面(如路面、建筑物、停车场等)或可渗透地面(水体与植被)。现有成果的缺点如下：①精确度低，网络上可快速获取的多光谱卫星遥感影像数据的空间像素分辨率不高(多为19.5米、30米)，在可渗透地面材质的准确圈定中精度较差；②机动性差，多光谱卫星遥感影像数据服务商在提供免费数据服务时，多采用切片服务，切片的空间范围较大(一般为上千平方公里)且相对固定，不利于灵活划定小片区的研究范围。
技术实现思路
本专利技术实施例所要解决的技术问题是：提供一种可渗透地面面积率的估算方法、装置、设备及存储介质，基于高分辨率卫星影像对可渗透地面进行识别，并估算可渗透地面面积率。为了解决上述技术问题，第一方面，本专利技术实施例提供一种可渗透地面面积率的估算方法，所述方法包括：获取高分辨率卫星地图影像的影像数据；根据所述影像数据创建可渗透地面训练样本、建筑训练样本以及水体训练样本；根据所述可渗透地面训练样本构建可渗透地面识别模型；根据所述建筑样本构建建筑识别模型；根据所述水体样本构建水体识别模型；使用所述可渗透地面识别模型对所述影像数据进行识别，提取可渗透地面灰度图像；使用所述建筑识别模型对所述影像数据进行识别，提取建筑灰度图像；使用所述水体识别模型对所述影像数据进行识别，提取水体灰度图像；对所述可渗透地面灰度图像进行密度分割获取可渗透地面图斑栅格数据；对所述建筑灰度图像进行密度分割获取建筑图斑栅格数据；对所述水体灰度图像进行密度分割获取水体图斑栅格数据；根据所述可渗透地面图斑栅格数据、所述建筑图斑栅格数据以及所述水体图斑栅格数据估算可渗透地面面积率。在一个优选方案中，所述根据所述影像数据创建可渗透地面训练样本、建筑训练样本以及水体训练样本，具体包括：可渗透地面训练样本的创建：从所述影像数据中选取第一区域；其中，所述第一区域包括所述影像数据中所有可渗透地面要素类型；根据所述第一区域创建第一ROI图层；其中，所述第一ROI图层勾选了所述第一区域中所有需要识别的可渗透地面要素；根据所述第一ROI图层生成可渗透地面标签栅格，完成所述可渗透地面训练样本的创建；建筑训练样本的创建：从所述影像数据中选取第二区域；其中，所述第二区域包括所述影像数据中所有建筑要素类型；根据所述第二区域创建第二ROI图层；其中，所述第二ROI图层勾选了所述第二区域中所有需要识别的建筑要素；根据所述第二ROI图层生成建筑标签栅格，完成所述建筑训练样本的创建；水体训练样本的创建：从所述影像数据中选取第三区域；其中，所述第三区域包括所述影像数据中所有水体要素类型；根据所述第三区域创建第三ROI图层；其中，所述第三ROI图层勾选了所述第三区域中所有需要识别的水体要素；根据所述第三ROI图层生成水体标签栅格，完成所述水体训练样本的创建。在一个优选方案中，所述根据所述可渗透地面训练样本构建可渗透地面识别模型，具体包括：创建第一深度学习模型，并设置初始参数；根据所述可渗透地面训练样本训练所述第一深度学习模型；将训练好的第一深度学习模型作为所述可渗透地面识别模型；所述根据所述建筑样本构建建筑识别模型，具体包括：创建第二深度学习模型，并设置初始参数；根据所述建筑训练样本训练所述第二深度学习模型；将训练好的第二深度学习模型作为所述建筑识别模型；所述根据所述水体样本构建水体识别模型，具体包括：创建第三深度学习模型，并设置初始参数；根据所述水体训练样本训练所述第三深度学习模型；将训练好的第三深度学习模型作为所述水体识别模型。在一个优选方案中，所述使用所述可渗透地面识别模型对所述影像数据进行识别，提取可渗透地面灰度图像，具体包括：在遥感图像处理平台的深度学习向导中选择执行分类；在弹出的对话框中选择所述影像数据以及所述可渗透地面识别模型；设置可渗透地面栅格的输出路径，提取所述可渗透地面灰度图像；所述使用所述建筑识别模型对所述影像数据进行识别，提取建筑灰度图像，具体包括：在遥感图像处理平台的深度学习向导中选择执行分类；在弹出的对话框中选择所述影像数据以及所述建筑识别模型；设置建筑栅格的输出路径，提取所述建筑灰度图像；所述使用所述水体识别模型对所述影像数据进行识别，提取水体灰度图像，具体包括：在遥感图像处理平台的深度学习向导中选择执行分类；在弹出的对话框中选择所述影像数据以及所述水体识别模型；设置水体栅格的输出路径，提取所述水体灰度图像。作为一个优选方案，所述对所述可渗透地面灰度图像进行密度分割获取可渗透地面图斑栅格数据，具体包括：通过遥感图像处理平台的密度分割工具，人工拖动分割阈值条判断或者选择自动调整分割阈值对所述可渗透地面灰度图像进行密度分割；将密度分割之后的可渗透地面灰度图像输出保存，得到所述可渗透地面图斑栅格数据；所述对所述建筑灰度图像进行密度分割获取建筑图斑栅格数据，具体包括：通过遥感图像处理平台的密度分割工具，人工拖动分割阈值条判断或者选择自动调整分割阈值对所述建筑灰度图像进行密度分割；将密度分割之后的建筑灰度图像输出保存，得到所述建筑图斑栅格数据；所述对所述水体灰度图像进行密度分割获取水体图斑栅格数据，具体包括：通过遥感图像处理平台的密度分割工具，人工拖动分割阈值条判断或者选择自动调整分割阈值对所述水体灰度图像进行密度分割；将密度分割之后的水体灰度图像输出保存，得到所述水体图斑栅格数据。作为一个优选方案，所述根据所述可渗透地面图斑栅格数据、所述建筑图斑栅格数据以及所述水体图斑栅格数据估算可渗透地面面积率，具体包括：根据所述可渗透地面图斑栅格数据获取可渗透地面占比；根据所述建筑图斑栅格数据获取建筑占比；根据所述水体图斑栅格数据获取水体占比；根据所述可渗透地面占比、所述建筑占比以及所述水体占比估算所述可渗透地面面积率。作为一个优选方案，所述获取高分辨率卫星地图影像的影像数据，具体包括：通过地图下载器框选研究范围；选择下载类型、影像级别以及数据类型；下载数据，获取所述高分辨率卫星地图影像的影像数据。为了解决上述技术问题，第二方面，本专利技术本文档来自技高网...

【技术保护点】
1.一种可渗透地面面积率的估算方法，其特征在于，包括：/n获取高分辨率卫星地图影像的影像数据；/n根据所述影像数据创建可渗透地面训练样本、建筑训练样本以及水体训练样本；/n根据所述可渗透地面训练样本构建可渗透地面识别模型；根据所述建筑样本构建建筑识别模型；根据所述水体样本构建水体识别模型；/n使用所述可渗透地面识别模型对所述影像数据进行识别，提取可渗透地面灰度图像；使用所述建筑识别模型对所述影像数据进行识别，提取建筑灰度图像；使用所述水体识别模型对所述影像数据进行识别，提取水体灰度图像；/n对所述可渗透地面灰度图像进行密度分割获取可渗透地面图斑栅格数据；对所述建筑灰度图像进行密度分割获取建筑图斑栅格数据；对所述水体灰度图像进行密度分割获取水体图斑栅格数据；/n根据所述可渗透地面图斑栅格数据、所述建筑图斑栅格数据以及所述水体图斑栅格数据估算可渗透地面面积率。/n

【技术特征摘要】
1.一种可渗透地面面积率的估算方法，其特征在于，包括：
获取高分辨率卫星地图影像的影像数据；
根据所述影像数据创建可渗透地面训练样本、建筑训练样本以及水体训练样本；
根据所述可渗透地面训练样本构建可渗透地面识别模型；根据所述建筑样本构建建筑识别模型；根据所述水体样本构建水体识别模型；
使用所述可渗透地面识别模型对所述影像数据进行识别，提取可渗透地面灰度图像；使用所述建筑识别模型对所述影像数据进行识别，提取建筑灰度图像；使用所述水体识别模型对所述影像数据进行识别，提取水体灰度图像；
对所述可渗透地面灰度图像进行密度分割获取可渗透地面图斑栅格数据；对所述建筑灰度图像进行密度分割获取建筑图斑栅格数据；对所述水体灰度图像进行密度分割获取水体图斑栅格数据；
根据所述可渗透地面图斑栅格数据、所述建筑图斑栅格数据以及所述水体图斑栅格数据估算可渗透地面面积率。


2.根据权利要求1所述的可渗透地面面积率的估算方法，其特征在于，所述根据所述影像数据创建可渗透地面训练样本、建筑训练样本以及水体训练样本，具体包括：
可渗透地面训练样本的创建：
从所述影像数据中选取第一区域；其中，所述第一区域包括所述影像数据中所有可渗透地面要素类型；
根据所述第一区域创建第一ROI图层；其中，所述第一ROI图层勾选了所述第一区域中所有需要识别的可渗透地面要素；
根据所述第一ROI图层生成可渗透地面标签栅格，完成所述可渗透地面训练样本的创建；
建筑训练样本的创建：
从所述影像数据中选取第二区域；其中，所述第二区域包括所述影像数据中所有建筑要素类型；
根据所述第二区域创建第二ROI图层；其中，所述第二ROI图层勾选了所述第二区域中所有需要识别的建筑要素；
根据所述第二ROI图层生成建筑标签栅格，完成所述建筑训练样本的创建；
水体训练样本的创建：
从所述影像数据中选取第三区域；其中，所述第三区域包括所述影像数据中所有水体要素类型；
根据所述第三区域创建第三ROI图层；其中，所述第三ROI图层勾选了所述第三区域中所有需要识别的水体要素；
根据所述第三ROI图层生成水体标签栅格，完成所述水体训练样本的创建。


3.根据权利要求1所述的可渗透地面面积率的估算方法，其特征在于，所述根据所述可渗透地面训练样本构建可渗透地面识别模型，具体包括：
创建第一深度学习模型，并设置初始参数；
根据所述可渗透地面训练样本训练所述第一深度学习模型；
将训练好的第一深度学习模型作为所述可渗透地面识别模型；
所述根据所述建筑样本构建建筑识别模型，具体包括：
创建第二深度学习模型，并设置初始参数；
根据所述建筑训练样本训练所述第二深度学习模型；
将训练好的第二深度学习模型作为所述建筑识别模型；
所述根据所述水体样本构建水体识别模型，具体包括：
创建第三深度学习模型，并设置初始参数；
根据所述水体训练样本训练所述第三深度学习模型；
将训练好的第三深度学习模型作为所述水体识别模型。


4.根据权利要求1所述的可渗透地面面积率的估算方法，其特征在于，所述使用所述可渗透地面识别模型对所述影像数据进行识别，提取可渗透地面灰度图像，具体包括：
在遥感图像处理平台的深度学习向导中选择执行分类；
在弹出的对话框中选择所述影像数据以及所述可渗透地面识别模型；
设置可渗透地面栅格的输出路径，提取所述可渗透地面灰度图像；
所述使用所述建筑识别模型对所述影像数据进行识别，提取建筑灰度图像，具体包括：
在遥感图像处理平台的深度学习向导中选择执行分类；
在弹出的对话框中选择所述影像数据以及所述建筑识别模型；
设置建筑栅格的输出路径，提取所述建筑灰度图像；...

【专利技术属性】
技术研发人员：胡珊，岳晓琴，李骁，周晓穗，于萍萍，李飘燕，李浚宏，彭晋兴，胡均，
申请(专利权)人：广州市城市规划设计所，
类型：发明
国别省市：广东;44