【技术实现步骤摘要】
一种航空摄影测量数据的处理方法
[0001]本专利技术涉及航空摄影测量数据处理
，具体涉及一种航空摄影测量数据的处理方法。
技术介绍
[0002]现有的对航空摄影测量数据进行语义分割时，通常采用神经网络方式进行处理。但是由于语义分割网络的标注成本过高，会耗费大量的人力资源；并且在实际使用过程中所获取的航空摄影测量数据场景较为复杂，因此采用人工的方式难以完整准确地标注出神经网络训练时所需的标签数据，导致进行训练后的语义分割处理效果较差，准确率较低。
技术实现思路
[0003]为了解决现有技术中利用单一网络对航空摄影测量数据进行语义分割的准确率较低的问题，本专利技术的目的在于提供一种航空摄影测量数据的处理方法，所采用的技术方案具体如下：本专利技术提供了一种航空摄影测量数据的处理方法包括以下步骤：获得第一训练数据集和第二训练数据集，所述第一训练数据集为多个地形场景下所采集到的多张航空摄影测量数据，所述第二训练数据集为不包含第一训练数据集的航空摄影测量数据的多张航空摄影测量数据；利用第一训练数据集对第一语义分割...
【技术保护点】
【技术特征摘要】
1.一种航空摄影测量数据的处理方法，其特征在于，该方法包括以下步骤：获得第一训练数据集和第二训练数据集，所述第一训练数据集为多个地形场景下所采集到的多张航空摄影测量数据，所述第二训练数据集为不包含第一训练数据集的航空摄影测量数据的多张航空摄影测量数据；利用第一训练数据集对第一语义分割网络进行训练，得到训练好的第一语义分割网络；将第二训练数据集中的各航空摄影测量数据输入到训练好的第一语义分割网络中，得到第二训练数据集中各航空摄影测量数据对应的非完全语义分割图像；所述非完全语义分割图像为仅部分像素点具有对应的语义类别的语义分割图像；对各非完全语义分割图像中的各语义类别进行轮廓提取，得到各语义类别对应的各最优轮廓对应的轮廓特征描述向量；将各最优轮廓对应的各轮廓特征描述向量输入到训练好的分类网络中，得到各轮廓特征描述向量对应的分类类别；根据各轮廓特征描述向量对应的分类类别，得到各轮廓特征描述向量对应的预测语义区域轮廓，所述预测语义区域轮廓用于预测轮廓区域内的像素点的语义类别；利用各非完全语义分割图像对应的各语义类别对应的各预测语义区域轮廓，对第二训练数据集中各航空摄影测量数据对应的各像素点的类别进行标注；利用第二训练数据集与第二训练数据集中的各航空摄影测量数据对应的标签数据对第二语义分割网络进行训练，得到训练好的第二语义分割网络，利用训练好的第二语义分割网络对目标航空摄影测量数据进行语义分割。2.根据权利要求1所述的一种航空摄影测量数据的处理方法，其特征在于，所述利用第一训练数据集对第一语义分割网络进行训练，得到训练好的第一语义分割网络，包括：对第一训练数据集中各航空摄影测量数据对应的部分像素点的类别标注，得到第一训练数据集中各航空摄影测量数据对应的标签数据；利用第一训练数据集、第一训练数据集中各航空摄影测量数据对应的标签数据以及交叉熵损失函数对第一语义分割网络进行训练，得到训练好的第一语义分割网络。3.根据权利要求1所述的一种航空摄影测量数据的处理方法，其特征在于，对各非完全语义分割图像中的各语义类别进行轮廓提取，得到各语义类别对应的最优轮廓，包括：对于任一非完全语义分割图像中的任一语义类别：利用不同的初始聚类个数对该非完全语义分割图像中该语义类别的像素点进行聚类，得到各初始聚类个数对应的各聚类集合；对各初始聚类个数对应的各聚类集合进行轮廓提取，得到各初始聚类个数对应的各聚类集合的轮廓；根据各初始聚类个数对应的各聚类集合的轮廓，选择出最优的初始聚类个数取值，记为最优数量；将最优数量对应的各轮廓记为对应的各最优轮廓。4.根据权利要求3所述的一种航空摄影测量数据的处理方法，其特征在于，所述根据各初始聚类个数对应的各聚类集合的轮廓，选择出最优的初始聚类个数取值，包括：计算不同初始聚类个数对应的离散度综合评价指标；根据不同初始聚类个数对应的离散度综合评价指标，构建二维散点图像；将二维散点图像中梯度稳定处对应的初始聚类个数作为最优数量。
5.根据权利要求4所述的一种航空摄影测量数据的处理方法，其特征在于，离散度综合评价指标的计算公式为：其中，为第c个语义类别中K个轮廓的离散度综合评价指标，为第c个语义类别对应的第k个轮廓的离散度，K为初...
【专利技术属性】
技术研发人员：范建峰，高伟，阚晓云，王伟立，熊小龙，曾雄，杨建锋，
申请(专利权)人：湖北晓雲科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。