一种航测影像地物要素的智能解译方法技术

本发明专利技术提供了一种航测影像地物要素的智能解译方法，涉及无人机航测领域，尤其涉及神经网络模型深度学习领域，可应用于实现线状、块状地形要素的自动化提取。其中具体方案包括：S1、获取航测影像数据，并对航测影像数据进行预处理，得到测试样本数据；S2、将测试样本数据输入到第一神经网络模型中，得到输出结果；S3、根据输出结果，采用算法对输出结果进行规则化处理，得到地物要素；解决了以下问题：原始影像尺寸较大无法直接作为训练数据；遮挡物对道路提取存在干扰阻断及道路信息不完整不连通；样本量少，各种影像道路识别准确性低，泛化能力低；水中泥沙含量高造成的水陆边界模糊不清，对于二值化和边缘提取存在影响。对于二值化和边缘提取存在影响。对于二值化和边缘提取存在影响。

【技术实现步骤摘要】
一种航测影像地物要素的智能解译方法


[0001]本专利技术涉及无人机航测领域，尤其涉及神经网络模型深度学习领域。

技术介绍

[0002]现阶段神经网络模型深度学习是人工智能中机器学习发展的新阶段，由于神经网络模型深度学习强大的预训练模型、强大的模型表达能力、强大的计算推理速度，可以有效解决对复杂对象特征的刻画和复杂厂家的关联分析等问题，是目前最佳的对象提取方式。
[0003]同时无人机航测丰富了测量要素种类，但是当前航测成功的要素提取依赖人工识别和回执，效率较低；并且航道测绘单位全面图等长河测量项目的陆域地形更新测绘工作量大，航道岸线要素人工提取的低效作业模式不能满足快速地形图更新的需求。

技术实现思路

[0004]本专利技术提供了一种航测影像地物要素的智能解译方法。
[0005]其中本专利技术解决了现阶段遮挡物对道路提取形成干扰阻断，造成道路信息不完整不连通；样本量不多、来源少导致对影像道路识别准确率降低，泛化能力降低；水中泥沙含量高造成的水陆边界模糊不清，对二值化和边缘提取影响大的问题。<br/>[0006]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航测影像地物要素的智能解译方法，其特征在于，包括：步骤S1、获取航测影像数据，并对所述航测影像数据进行预处理，得到测试样本数据；步骤S2、将所述测试样本数据输入到第一神经网络模型中，得到输出结果；步骤S3、根据所述输出结果，采用算法对所述输出结果进行规则化处理，得到地物要素。2.根据权利要求1所述的方法，其特征在于，其中所述采用算法对所述输出结果进行规则化处理，所述算法包括Marching Cubes算法和Douglas
‑
Peucker算法。3.根据权利要求1所述的方法，其特征在于，其中，获取航测影像数据，并对所述航测影像数据进行预处理，得到测试样本数据，包括：将所述航测影像数据进行裁剪与增强调整，得到所述测试样本数据。4.根据权利要求2中所述的方法，其特征在于，所述Marching Cubes算法包括：粗略调整和细微调整；所述粗略调整是对所述输出结果的面积、长度、角度进行调整；所述细微调整是对所述输出结果的长边和短边的调整。5.一种水沫线的提取方法，其特征在于，包括：获取航测影像数据，并对所述航测影像数据进行预处理，得到测试样本数据；将所述测试样本数据输入到第一神经网络模型中，得到输出结果；根据Flood fill算法对所述输出结果进行空洞填补，得到分割水域；根据Canny算子对所述分割水域进行检测提取，得到水沫线结果。6.根据权利要求5所述的方法，其特征在于，所述Flood fill算法的参数包括起始节点、目标颜色、替换颜色，其中所述Flood fill算法包括确定和所述起始节点相连的节点，通过一条目标颜色的路径相连，将所述目标颜色替换为所述替换颜...

【专利技术属性】
技术研发人员：王勇，袁鹏，余大杰，王俊，唐国民，马随阳，谢齐，孟昌，余永周，望曹俊杰，吕英豪，李金乾，廖阳，
申请(专利权)人：武汉天地鹰测绘科技有限公司，
类型：发明
国别省市：