基于遥感影像的地理信息提取深度学习训练样本交互制作方法技术

本发明专利技术公开了一种基于遥感影像的地理信息提取深度学习训练样本交互式制作方法。按照要求确定被提取目标的种子点即可流程化获得深度学习模型训练样本集。本发明专利技术用到的漫水填充算法、深度学习训练及推理过程均以单个“图片工作区域”为单位，能够提高制作方法的效率。在深度学习推理阶段对输入图片进行调整，形成多个输入，并对对应的多个输出进行“按位极大值输出”，最大程度的提高目标提取的完整性。最后将漫水填充算法的提取结果和深度学习模型的推理结果相融合，通过人机交互方式进行完善，最大限度地提升了深度学习模型训练样本制作效率，减少人工样本制作的主观性，保证输出结果的质量。结果的质量。结果的质量。

【技术实现步骤摘要】
基于遥感影像的地理信息提取深度学习训练样本交互制作方法
[0001]技术邻域
[0002]本专利技术属于地理信息
，更为具体地讲，涉及一种基于遥感影像的地理信息提取深度学习训练样本交互制作方法。

技术介绍

[0003]星载或机载遥感系统可以快速获取大幅面遥感影像，目前已广泛应用于地理信息系统(GIS)的数据处理与信息更新。
[0004]地理信息作为人类社会交通的主要构成，在国民经济和军事领域扮演着重要的角色，地理信息的获取与更新具有极其重要的政治、军事、经济意义。传统的基于遥感影像的地理信息提取需要专业人员对遥感影像进行人工标注，花费大量的人力、物力和时间，处理效率远远不能满足应用需求。
[0005]随着人工智能(AI)技术发展，采用深度学习方法代替复杂繁琐的人工地理信息标注，可以充分利用遥感影像优势，大幅度提高GIS数据生产效率，满足人类社会活动对地理信息的需求。
[0006]然而在遥感影像AI处理中，一个泛化良好的地理信息提取深度学习模型需要人工制作大量的训练样本，已经成为目前提升遥感影像AI效率及应用的一大难题。全球著本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于遥感影像的地理信息提取深度学习训练样本交互制作方法，其特征在于，包括以下步骤：(1)、在遥感影像上选取处理影像区域作为图片工作区域(2)、使用漫水填充算法提取图片工作区域内的二值图；(3)、使用带有预训练权重的深度学习模型提取图片工作区域内的二值图；(4)、对两个二值图进行融合，得到被提取目标的二值图；(5)、通过人机交互的方式完善被提取目标的二值图并添加到训练样本集合；(6)、用训练样本集合对步骤(3)使用的深度学习模型进行训练，更新该模型的权重参数；(7)、重复步骤(1)
‑
(6)，不断添加训练样本到训练样本集合中，最终完成训练样本交互式制作。2.根据权利要求1所述的基于遥感影像的地理信息提取深度学习训练样本交互制作方法，其特征在于，所述在遥感影像上选取处理影像区域作为图片工作区域为：1.1)、通过人机交互方式在遥感影像上选取被提取目标上的一像素点作为种子点；1.2)、以种子点为中心截取N
×
M像素的矩形区域作为被处理影像区域即图片工作区域。3.根据权利要求1所述的基于遥感影像的地理信息提取深度学习训练样本交互制作方法，其特征在于，所述使用漫水填充算法提取图片工作区域内的二值图为：2.1)、对图片工作区域的像素进行均值滤波与图像锐化；2.2)、与步骤(1)中所选取种子的相同位置，选取步骤2.1)处理后的图片工作区域内的点作为漫水填充算法的颜色种子点，使用漫水填充算...

【专利技术属性】
技术研发人员：童玲，王玉川，文江，李海嘉，
申请(专利权)人：四川睿迈威科技有限责任公司，
类型：发明
国别省市：