【技术实现步骤摘要】
基于高光谱数据和倾斜三维数据的地理实体语义建模方法
[0001]本专利技术提供了一种自然与人文地理领域中自然资源行业的三维语义建模方法,涉及采用 高光谱的语义标注,尤其涉及基于高光谱数据和倾斜三维数据的地理实体语义建模方法,属 于地理景观语义标引领域。
技术介绍
[0002]高光谱数据属于地物二维影像+一维光谱的三维立方数据结构,现有技术采用遥感技术对 地物,尤其是农作物的生长,抗灾害,以及土壤成分进行分类研究,大都采用反演手段计算出所 需要的光学和化学物质参量,未关注如何利用高光谱的数据对地理实体进行语义分类。
[0003]对于高光谱的数据处理,现有技术往往是对同一类地理分类比如农作物进行采集,从而 能够容易对采集图像整体进行处理,但是当研究范围扩展到更大的地理区域时,各类地理实 体难以呈现在遥感影像上,因此无法从整体上进行特征波段提取。并且如果采用RNN、CNN、 SVM或其他改进的的算法则需要不同的样本进行学习计算,提取精度不足71%同时还极大地 加重了算法负担。
[0004]此外遥感高光谱由于受到大气环境的制约,需要采用复杂的校正算法,从而提高了数据 处理的成本与最终的语义标注的效率,同时校正的算法多样,也不能确定哪一种算法更符合 遥感影像采集时的具体情况,因此面对复杂多变的复杂采集环境以一些未知的不可控因素, 需要考虑一种绕开大气环境制约的高光谱采集方法。
[0005]无人机的使用使得大气环境的因素大为降低,由于120m的限高规定,因此在大多数云层的 高度地域200m的前提下,使用无 ...
【技术保护点】
【技术特征摘要】
1.基于高光谱数据和倾斜三维数据的地理实体语义建模方法,其特征在于,包括如下步骤:S1选定预设的大气环境下,采集典型地理实体分类下的近地面高光谱R
li
,i表示不同地理实体分类的编号,并对采集到的近地面高光谱进行分类内部光谱融合处理,获得融合光谱R
ci
,同时还采集与所述近地面高光谱对应的同一地理区域的遥感高光谱R
p
;S2对各地理实体分类下的融合光谱R
ci
进行提取各地理实体分类的最佳波段组合,并通过波段裁剪与拼接形成最佳波段组合的近地面组合高光谱R
i
;S3对遥感高光谱进行像素元逐个扫描,对于每一个被扫描的像素元的高光谱与各地理实体分类的最佳组合波段光谱进行比对,从而确定当前扫描的像素元所属的地理实体分类,并将所识别的类型与地理实体分类字段进行映射,形成语义体系,从而当扫描完毕之后完成采集的遥感高光谱中遥感影像的地理实体语义的标注;其中,在S1采集典型地理实体分类下的近地面高光谱R
li
的同时进行的还包括如下P1
‑
1具体步骤:采用搭载倾斜摄影装置的无人机对遥感高光谱所在的区域进行像素元逐个扫描,获得多幅倾斜影像,记录每一个像素元扫描时无人机所处在真实地理坐标系E下的坐标,并计算出各个角度倾斜影像中每个像素元的空间坐标,以及相应的地面投影坐标;在步骤S3完成之后还包括如下步骤:P1
‑
2,根据S3所完成的地理实体语义体系,将对应所述每个像素元的地面投影坐标与语义体系中的地理实体分类之间建立映射关系;P1
‑
3通过自动化建模将倾斜摄影数据形成倾斜三维单体集合的三维模型,此时三维模型中所有像素对应的在同一个E下的地面投影坐标即为P1
‑
2中所述每个像素元的地面投影坐标,因此三维模型中所有像素地面投影坐标与语义体系中的地理实体分类之间存在与P1
‑
2中相同的映射关系;P1
‑
4选择P1
‑
3中三维模型中的任一点,获取与该任一点对应的在语义体系中的地理实体分类,并将分类信息显示在该任一点的附近模型空间位置,并可以随时选择消失该分类信息。2.根据权利要求1所述的方法,其特征在于,P1
‑
3具体步骤替换为:在遥感高光谱的遥感影像维中显示P1
‑
1中无人机所扫描的每个像素元的中心点,通过点击任一中心点即可以展示在所述中心点所拍摄的倾斜影像以代替自动化建模,此时采用语义体系而在任一张倾斜影像中通过点击任一点而通过该点地面投影坐标而映射展示得到相应的地理实体分类信息,同样可以随时选择消失该分类信息。3.根据权利要求2所述的方法,其特征在于,在进行P1
‑
3具体步骤替换之前对所有倾斜摄影中道路上的车辆进行删除。4.根据权利要求3所述的方法,其特征在于,具体删除方法是将道路所在的坐标的像素全部填充为预设的颜色像素值。5.根据权利要求1
‑
4中任一项所述的方法,其特征在于,S3中在完成采集的遥感高光谱中遥感影像的地理实体语义的标注之后还包括了:将S2提出的各类地理实体分类的最佳波段组合运用于S3中已语义标注完毕的遥感高光谱中,按照S2的方法获得所述遥感高光谱对应的遥感组合高光谱R'
i
,使用近地面组合高光谱R
i
对遥感组合高光谱R'
i
进行校正处理,获得校正后的遥感组合高光谱R
cor
=f(R'
i
,
R
i
),f(
·
)为校正操作,f(
·
)为将R'
i
的对应特征波段的峰值和/或积分强度进行校正到R
i
的水平,具体使用高斯函数进行每一个波段谱峰进行拟合,实现所述校正。6.基于高光谱数据和倾斜三维数据的地理实体语义建模方法,其特征在于,包括如下步骤:S1
‑
1根据所需要分类的地理实体类型种类数N而配备相应数量的无人机架数kN,k=1,2,3,4,5,在预设的气象条件下,将多架无人机沿着预定的飞行路线对各种类的地理实体进行多个采集点进行高光谱采集;多个采集点进行高光谱采集的同时还包括如下具体步骤:P1
‑
1采用搭载倾斜摄影装置的无人机,设定的视野范围,构建视野范围的最小外接正方形,以所述最小外接正方形为像素元,对遥感高光谱按照规定的扫描方式进行像素元逐个扫描,获得多幅倾斜影像,记录每一个像素元扫描时无人机所处在真实地理坐标系E下的坐标,并计算出各个角度倾斜影像中每个像素元的空间坐标,以及相应的地面投影坐标;S1
‑
2对每一类地理实体的多个采集点采集的高光谱进行预处理,获得典型地理实体分类下的近地面高光谱R
lij
,j为采集点数,且每个采集点采集一个高光谱;所述预处理包括:一阶导数,归一化,多元散射校正,标准正态变量变换,Savitzky
‑
Golay平滑中的至少一者。S1
‑
3对于每一个分类内部,对多个采集点采集的高光谱进行叠加平均处理其中,K
i
为第i类地理实体采集点数,为各光谱R
lij
的各波长处的强度,形成R
ci
,同时采集与所述近地面高光谱对应的同一地理区域的遥感高光谱R
p
;S2
‑
1对各地理实体分类下的融合光谱R
ci
进行提取各地理实体分类的最佳波段组合其中q
i
∈[3,9]为第i类地理实体的最佳波段组合中的波段序号,对于每一个都表示为一个最佳波段组合,其中,最佳波段组合采用如下方式选取:设最佳波段判别指数或其中u,v,x,y,z为第i类地理实体的高光谱波段序号,Q
i
为第i类地理实体的高光谱波段总数,S为通过多个采样点的高光谱各波段计算的标准差,R
uv
、R
xyz
为相应下标为序号的波段之间的相关系数,求和符号分别是对所有可能总数进行取遍求和,取对应的波段组合即三波段、四波段组合作为最佳波段组合;S2
‑
2通过波段裁...
【专利技术属性】
技术研发人员:刘俊伟,郭大海,王志伟,刘亚萍,赵雅新,
申请(专利权)人:上海航遥信息技术有限公司,
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。