一种人机协同的遥感影像智能解译方法技术

本发明专利技术提供了一种人机协同的遥感影像智能解译方法，包括：训练人机协同遥感影像解译模型；获取遥感影像；根据人机协同遥感影像解译模型对遥感影像进行遥感影像解译，得到遥感影像解译内容，基于人机协同的方式训练人机协同遥感影像解译模型，该人机协同遥感影像解译模型的训练方式融合了基于深度学习训练目标模型和生成对抗式神经网络的人机协同训练目标模型的方法，使得在利用该人机协同遥感影像解译模型对遥感影像进行解译时，有益于对遥感影像进行快速，精准，多目标同时检测的解译。多目标同时检测的解译。多目标同时检测的解译。

【技术实现步骤摘要】
一种人机协同的遥感影像智能解译方法


[0001]本专利技术涉及到图像数据处理领域，尤其涉及一种人机协同的遥感影像智能解译方法。

技术介绍

[0002]近半个世纪以来，随着卫星遥感技术、计算机技术的飞速发展，遥感行业应用大规模普及，对智能化遥感信息提取技术提出了前所未有的需求。智能化遥感信息提取技术是传统的计算机视觉、计算机模式识别技术和新兴的基于对象影像分析技术、时空大数据以及人工智能技术在遥感影像分析领域的综合集成和应用。遥感影像作为三维世界的二维投影，包含的信息是不完备、不确定的，因此需要对遥感影像中的内容进行遥感影像解译，但现有的遥感影像解译方法在对遥感影像解译时解译速度较慢且解译精准度较差，有些解译方法仍需要人工识别进行辅助解译，因此，有必要提出一种人机协同的遥感影像智能解译方法，用于解决现有的遥感影像解译方法在对遥感影像解译时解译速度较慢且解译精准度较差，有些解译方法仍需要人工识别进行辅助解译的问题。

技术实现思路

[0003]本专利技术提供一种人机协同的遥感影像智能解译方法，用于解决现有的遥感影像解译方法在对遥感影像解译时解译速度较慢且解译精准度较差，有些解译方法仍需要人工识别进行辅助解译的问题。
[0004]一种人机协同的遥感影像智能解译方法，包括：
[0005]训练人机协同遥感影像解译模型；
[0006]获取遥感影像；
[0007]根据所述人机协同遥感影像解译模型对所述遥感影像进行遥感影像解译，得到遥感影像解译内容。
[0008]作为本专利技术的一种实施例，训练人机协同遥感影像解译模型包括如下步骤：
[0009]步骤1：获取遥感影像特征信息；
[0010]步骤2：合并遥感影像特征信息，得到遥感影像合并特征信息；
[0011]步骤3：根据Gan网络中的生成器和遥感影像合并特征信息生成原始遥感影像像素图；
[0012]步骤4：根据Gan网络中的判别器判别原始遥感影像像素图的真实性，得到原始遥感影像像素图的判别结果；
[0013]步骤5：将原始遥感影像像素图输入至预设的初始遥感影像解译模型的分类网络中进行遥感影像解译，得到初始遥感影像解译内容；
[0014]步骤6：基于遥感影像特征信息、原始遥感影像像素图的判别结果和初始遥感影像解译内容训练预设的初始遥感影像解译模型的分类网络，得到初始智能遥感影像解译模型；
[0015]步骤7：获取第二遥感影像，将第二遥感影像输入至初始智能遥感影像解译模型中进行遥感影像解译，得到第二遥感影像解译内容；
[0016]步骤8：工作人员对第二遥感影像解译内容的正确性进行检验，得到第二遥感影像解译内容正确性检验结果；
[0017]步骤9：基于第二遥感影像解译内容和第二遥感影像解译内容正确性检验结果训练初始智能遥感影像解译模型的分类网络，得到人机协同遥感影像解译模型。
[0018]作为本专利技术的一种实施例，获取遥感影像特征信息包括：
[0019]获取遥感影像中目标物类别的特征信息、与遥感影像中目标物类别的特征信息对应的分辨率特征信息和遥感影像中不同目标物类别在遥感影像中呈现的几何结构特征信息。
[0020]作为本专利技术的一种实施例，基于遥感影像特征信息、原始遥感影像像素图的判别结果和初始遥感影像解译内容训练预设的初始遥感影像解译模型的分类网络，得到初始智能遥感影像解译模型，包括：
[0021]基于原始遥感影像像素图的判别结果和原始遥感影像像素图中数据的真实性标签计算第一遥感影像判别损失；
[0022]基于初始遥感影像解译内容和遥感影像特征信息计算第一遥感影像解译损失；
[0023]根据第一遥感影像判别损失和第一遥感影像解译损失，确定第一遥感影像解译总损失；
[0024]若第一遥感影像总损失不满足预设第一训练条件时，更新预设的初始遥感影像解译模型的分类网络、Gan网络中的生成器和Gan网络中的判别器中的网络参数；
[0025]基于更新后的预设的初始遥感影像解译模型的分类网络、Gan网络中的生成器和Gan网络中的判别器更新遥感影像解译总损失，直至第一遥感影像总损失满足预设第一训练条件后，将当前的预设的初始遥感影像解译模型作为初始智能遥感影像解译模型。
[0026]作为本专利技术的一种实施例，基于第二遥感影像解译内容和第二遥感影像解译内容正确性检验结果训练初始智能遥感影像解译模型的分类网络，得到人机协同遥感影像解译模型，包括：
[0027]基于第二遥感影像解译内容和第二遥感影像解译内容正确性检验结果计算第二遥感影像解译损失；
[0028]若第二遥感影像解译损失不满足预设第二训练条件时，更新初始智能遥感影像解译模型的分类网络中的网络参数；
[0029]基于更新后的初始智能遥感影像解译模型的分类网络更新第二遥感影像解译损失，直至第二遥感影像解译损失满足预设第二训练条件后，将当前的初始智能遥感影像解译模型作为人机协同遥感影像解译模型。
[0030]作为本专利技术的一种实施例，获取遥感影像的方式包括卫星航拍和无人机航拍。
[0031]作为本专利技术的一种实施例，根据人机协同遥感影像解译模型对遥感影像进行遥感影像解译，得到遥感影像解译内容，包括如下步骤：
[0032]步骤1：将遥感影像输入至人机协同遥感影像解译模型；
[0033]步骤2：获取遥感影像中目标物类别的特征信息、遥感影像的分辨率特征信息、遥感影像中不同目标物类别在遥感影像中呈现的几何结构特征信息和遥感影像中不同目标
物的位置分布信息；
[0034]步骤3：基于遥感影像的分辨率特征信息与遥感影像中目标物类别的特征信息将遥感影像划分为多个解译区域；
[0035]步骤4：通过人机协同遥感影像解译模型对多个解译区域分别进行遥感影像解译，得到多个第一遥感影像解译内容；
[0036]步骤5：基于遥感影像中目标物类别的特征信息和遥感影像中不同目标物类别在遥感影像中呈现的几何结构特征信息，通过人机协同遥感影像解译模型分别对多个第一遥感影像解译内容进行几何结构调整，得到多个第二遥感影像解译内容；
[0037]步骤6：将多个第二遥感影像解译内容根据遥感影像中不同目标物的位置分布信息进行遥感影像解译内容融合，得到第三遥感影像解译内容；
[0038]步骤7：基于遥感影像的分辨率特征信息和遥感影像中不同目标物类别在遥感影像中呈现的几何结构特征信息，通过人机协同遥感影像解译模型对第三遥感影像解译内容进行优化补充调整，得到遥感影像解译内容。
[0039]作为本专利技术的一种实施例，优化补充调整包括对第三遥感影像解译内容中的不同目标物的尺寸进行测量以及对第三遥感影像解译内容中不同目标物进行尺寸比例标注和对第三遥感影像解译内容进行中值滤波处理。
[0040]作为本专利技术的一种实施例，一种人机协同的遥感影像智能解译方法还包括：
[0041]根据人机协同遥感影像解译模型对遥感影像进行第一遥感影像解译，得到第一遥感影像解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人机协同的遥感影像智能解译方法，其特征在于，包括：训练人机协同遥感影像解译模型；获取遥感影像；根据所述人机协同遥感影像解译模型对所述遥感影像进行遥感影像解译，得到遥感影像解译内容。2.根据权利要求1所述的一种人机协同的遥感影像智能解译方法，其特征在于，所述训练人机协同遥感影像解译模型包括如下步骤：步骤1：获取遥感影像特征信息；步骤2：合并遥感影像特征信息，得到遥感影像合并特征信息；步骤3：根据Gan网络中的生成器和所述遥感影像合并特征信息生成原始遥感影像像素图；步骤4：根据Gan网络中的判别器判别所述原始遥感影像像素图的真实性，得到原始遥感影像像素图的判别结果；步骤5：将所述原始遥感影像像素图输入至预设的初始遥感影像解译模型的分类网络中进行遥感影像解译，得到初始遥感影像解译内容；步骤6：基于所述遥感影像特征信息、所述原始遥感影像像素图的判别结果和所述初始遥感影像解译内容训练所述预设的初始遥感影像解译模型的分类网络，得到初始智能遥感影像解译模型；步骤7：获取第二遥感影像，将所述第二遥感影像输入至所述初始智能遥感影像解译模型中进行遥感影像解译，得到第二遥感影像解译内容；步骤8：工作人员对所述第二遥感影像解译内容的正确性进行检验，得到第二遥感影像解译内容正确性检验结果；步骤9：基于所述第二遥感影像解译内容和所述第二遥感影像解译内容正确性检验结果训练所述初始智能遥感影像解译模型的分类网络，得到人机协同遥感影像解译模型。3.根据权利要求2所述的一种人机协同的遥感影像智能解译方法，其特征在于，所述获取遥感影像特征信息包括：获取遥感影像中目标物类别的特征信息、与所述遥感影像中目标物类别的特征信息对应的分辨率特征信息和遥感影像中不同目标物类别在遥感影像中呈现的几何结构特征信息。4.根据权利要2所述的一种人机协同的遥感影像智能解译方法，其特征在于，所述基于所述遥感影像特征信息、所述原始遥感影像像素图的判别结果和所述初始遥感影像解译内容训练所述预设的初始遥感影像解译模型的分类网络，得到初始智能遥感影像解译模型，包括：基于所述原始遥感影像像素图的判别结果和所述原始遥感影像像素图中数据的真实性标签计算第一遥感影像判别损失；基于所述初始遥感影像解译内容和所述遥感影像特征信息计算第一遥感影像解译损失；根据所述第一遥感影像判别损失和所述第一遥感影像解译损失，确定第一遥感影像解译总损失；
若所述第一遥感影像总损失不满足预设第一训练条件时，更新所述预设的初始遥感影像解译模型的分类网络、所述Gan网络中的生成器和所述Gan网络中的判别器中的网络参数；基于更新后的预设的初始遥感影像解译模型的分类网络、Gan网络中的生成器和Gan网络中的判别器更新所述遥感影像解译总损失，直至所述第一遥感影像总损失满足预设第一训练条件后，将当前的预设的初始遥感影像解译模型作为所述初始智能遥感影像解译模型。5.根据权利要2所述的一种人机协同的遥感影像智能解译方法，其特征在于，所述基于所述第二遥感影像解译内容和所述第二遥感影像解译内容正确性检验结果训练所述初始智能遥感影像解译模型的分类网络，得到人机协同遥感影像解译模型，包括：基于所述第二遥感影像解译内容和所述第二遥感影像解译内容正确性检验结果计算第二遥感影像解译损失；若所述第二遥感影像解译损失不满足预设第二训练条件时，更新所述初始智能遥感影像解译模型的分类网络中的网络参数；基于更新后的初始智能遥感影像解译模型的分类网络更新所述第二遥感影像解译损失，直至所述第二遥感影像解译损失满足预设第二训练条件后，将当前的初始智能遥感影像解译模型作为人机协同遥感影像解译模型。6.根据权利要求1所述的一种人机协同的遥感影像智能解译方法，其特征在于，获取遥感影像的方式包括卫星航拍和无人机航拍。7.根据权利要1所述的一种人机协同的遥感影像智能解译方法，其特征在于，所述根据所述人机协同遥感影像解译模型对所述遥感影像进行遥感影像解译，得到遥感影像解译内容，包括如下步骤：步骤1：将所述遥感影像输入至所述人机协同遥感影像解译模型；步骤2：获取遥感影像中目标物类别的特征信息、遥感影像的分辨率特征信息、遥感影像中不同目标物类别在遥感影像中呈现的几何结构特征信息和遥感影像中不同目标物的位置分布信息；步骤3：基于所述遥感影像的分辨率特征信息与所述遥感影像中目标物类别的特征信息将所述遥感影像划分为多个解译区域；步骤4：通过所述人机协同遥感影像解译模型对多个所述解译区域分别进行遥感影像解译，得到多个第一遥感影像解译内容；步骤5：基于所述遥感影像中目标物类别的特征信息和所述遥感影像中不同目标物类别在遥感影像中呈现的几何结构...

【专利技术属性】
技术研发人员：王淑娟，
申请(专利权)人：江苏星月测绘科技股份有限公司，
类型：发明
国别省市：