【技术实现步骤摘要】
遥感图像识别方法、装置、设备和计算机可读存储介质
[0001]本申请涉及图像处理
,具体涉及一种遥感图像识别方法、装置、设备和计算机可读存储介质。
技术介绍
[0002]遥感影像地物复杂多样,同一地物的图上表现可能差异很大,不同地物的图上表现也可能比较相似,这给遥感影像的识别带来了巨大挑战。
[0003]在遥感影像上有些地物形状规则,边界清晰,易于分割,比如建筑、道路等,而有些生长类地物如林地、草地等或者受到生长类地物影响较大的地物如沙地、裸地、盐碱地等随着时间、季节等种种原因无论是形态还是稀疏程度都会发生较大变化,导致遥感影像中不同地物通常交错分布,遥感影像不同地物的边界模糊,遥感影像中的地物识别变得相对困难;当前遥感影像中不同地物识别,通过采用深度学习网络,而深度学习网络训练学习的样本是人工标注,通过深度学习网络遥感影像地物识别效果虽好,但是不能彻底做到每个像素准确区分,遥感图像识别准确率不高。
技术实现思路
[0004]本申请提供一种遥感图像识别方法、装置、设备和计算机可读存储介质,旨在解决现有的遥感图像识别不可以针对像素点分析,识别准确性低的技术问题。
[0005]一方面,本申请提供一种遥感图像识别方法,所述方法包括:
[0006]获取待处理的初始遥感图像;
[0007]将所述初始遥感图像输入预设的第一图像预测模型和预设的第二图像预测模型,获得第一遥感预测图和第二遥感预测图;
[0008]对所述初始遥感图像进行聚类分析,获得聚类遥感图像;
...
【技术保护点】
【技术特征摘要】
1.一种遥感图像识别方法,其特征在于,所述方法包括:获取待处理的初始遥感图像;将所述初始遥感图像输入预设的第一图像预测模型和预设的第二图像预测模型,获得第一遥感预测图和第二遥感预测图;对所述初始遥感图像进行聚类分析,获得聚类遥感图像;将所述第一遥感预测图、所述第二遥感预测图和所述聚类遥感图像融合识别,获得所述初始遥感图像中包含的目标地物。2.根据权利要求1所述的遥感图像识别方法,其特征在于,所述将所述初始遥感图像输入预设的第一图像预测模型和预设的第二图像预测模型,获得第一遥感预测图和第二遥感预测图之前,所述方法包括:获取海量遥感影像,将所述海量遥感影像中的各帧样本遥感图像添加标记作为图像训练样本,汇总所述图像训练样本形成图像训练样本集;从所述图像训练样本集中抽取图像训练样本,通过所述图像训练样本对第一编码器和第一解码器进行迭代训练,获得预设的第一图像预测模型;从所述图像训练样本集中抽取图像训练样本,通过所述图像训练样本对第二编码器和第二解码器进行迭代训练,获得预设的第二图像预测模型。3.根据权利要求1所述的遥感图像识别方法,其特征在于,所述将所述第一遥感预测图、所述第二遥感预测图和所述聚类遥感图像融合识别,获得所述初始遥感图像中包含的目标地物,包括:将所述第一遥感预测图和所述第二遥感预测图进行融合膨胀处理,获得目标遥感预测图;将所述目标遥感预测图和所述聚类遥感图像进行融合识别,获得所述初始遥感图像中包含的目标地物。4.根据权利要求3所述的遥感图像识别方法,其特征在于,所述将所述第一遥感预测图和所述第二遥感预测图进行融合膨胀处理,获得目标遥感预测图,包括:提取所述第一遥感预测图的第一特征数据,提取所述第二遥感预测图的第二特征数据,将所述第一特征数据和所述第二特征数据进行编码转化后相加,获得编码特征数据;按照预设的最大值自变量函数处理所述编码特征数据,将处理后的编码特征数据进行融合,获得目标遥感预测图。5.根据权利要求4所述的遥感图像识别方法,其特征在于,所述按照预设的最大值自变量函数处理所述编码特征数据,将处理后的编码特征数据进行融合,获得目标遥感预测图,包括:按照预设的最大值自变量函数处理所述编码特征数据,获取所述处理后的编码特征数据对应的分类标记;将所述分类标记预设的标准结构元素与所述分类标记对应区域中的各个像素点进行比对;若所述像素点与所述标准结构元素相同,则保留所述像素点;若所述像素点与所述标准结构元素不同,则以所述像素点为中心按照所述标准结构元素膨胀处理,形成膨胀处理的像素点;将保留的像素点和膨胀处理的像素点进行汇总,获得目标遥感预测图。
6.根据权利要求3所述的遥感图像识别方法,其特征在于,所述将所述目标遥感预测图和所述聚类遥感图像进行融合识别,获得所述初始遥感图像中包含的目标地物,包括:获取所述目标遥感预测图对应第一矩阵的第一下标,获取所述聚类遥感...
【专利技术属性】
技术研发人员:曾小辉,宗迎仙,王龙,沈建华,徐健,
申请(专利权)人:正泰集团研发中心上海有限公司,
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。