面向多源异构地表要素的遥感智能解译方法、系统、设备及介质技术方案

本发明专利技术公开一种面向多源异构地表要素的遥感智能解译方法、系统、设备及介质，通过构建遥感解译影像可视化场景展示，将获取的遥感影像和解译结果在地图场景中展示，提供遥感解译功能操作界面；根据遥感影像数据特点从数据源划分遥感解译相关信息，从数据结构划分结构化数据；划分后的数据构建影像样本库训练网络预测模型；根据不同的地表要素类型构建样本库训练得到网络预测模型区分不同地表要素特征，实时分类提取遥感影像信息中的地表要素，根据用户请求的解译类型，根据地表要素对遥感影像解译得到二值图片上的建筑物由栅格转为矢量，将矢量结果叠加显示到地图上。能在线识别损毁建筑物及进行损毁评级，可作用于灾害防治，路网建设等领域。建设等领域。建设等领域。

【技术实现步骤摘要】
面向多源异构地表要素的遥感智能解译方法、系统、设备及介质


[0001]本专利技术涉及影像识别、遥感解译领域，具体为通过构建一种针对多源异构遥感解译要素的解译系统，实现对地表多种典型要素的自动化、智能化识别。

技术介绍

[0002]近年来，随着我国卫星遥感技术的飞速发展，遥感卫星广泛应用于多种灵活复杂的对地观测任务，尤其对某些典型地表要素的观测能力达到了空前水平，如地质滑坡、道路、建筑物、植被、水体等。根据自然资源、林业、环保等多个领域中相关部门调研显示，各省级部门每年获得的地表要素遥感影像已经达到几百TB，甚至PB量级，并且仍在逐年增长，这些遥感影像已经成为国土资源调查，城市动态规划，环境变化监测等应用的主要信息来源，同时，遥感影像也可以作用于灾害防治、房屋受损评估、路网建设、铁路运营等应用的多个方面。因此，快速有效地从地表要素中解译出有价值的信息才能满足这些应用日益迫切的需求。
[0003]目前，遥感解译的方式有很多，如公开号CN113033403A，名称“基于影像瓦片的生态保护红线地物目标识别方法及系统”，公开了基于影像瓦片的生态保护红线地物目标识别方法及系统，该方法包括：基于影像瓦片服务，下载目标生态保护红线区域的实时遥感影像瓦片数据，并进行数据拼接；将拼接后的实时遥感影像瓦片数据输入提前训练后的地物目标自动识别模型；地物目标自动识别模型采用多组数据训练，根据所述实时遥感影像和识别出的典型地物目标图斑进行空间展示。
[0004]采用影像瓦片的方式对生态保护红线地物进行目标物的识别，同时通过调用影像瓦片的方式克服了传统方式基于影像实体进行信息提取模式中检索效率低，业务成果与影像叠加展示效率低等弊端，该方法可以较好的提高遥感影像的检索效率，但其基于本地端的方式进行目标物的识别，无法识别损毁特征，如无法实现对滑坡、泥石流等次生灾害的识别，无法实现多端协同，无法实现解译数据共享，同时无法实现在线调用。
[0005]公开号CN114140716A，名称“一种变电工程进度监测影像识别方法”，采集大量影像数据提取影像特征并进行分类，对分类后的子集进行样本训练提取影像特征点，形成可用于深度学习训练的样本库；根据样本库进行模型训练与测试，并进行遥感影像的特征物自动识别；适用于多种传感器及分辨率遥感影像成像质量合格，变化信息数据分别以tif和矢量数据输出。使用变化图斑自动提取算法得到变化二值图、变化图斑矢量和变化图斑属性信息。对分类后的子集进行样本训练提取影像特征点，形成可用于深度学习训练的样本库；根据样本库进行模型训练与测试，并进行遥感影像的特征物自动识别；特征物变化自动检测，变化信息数据分别以tif和矢量数据输出。
[0006]该检测方式较为单一，也没有实现对解译/识别过程中这一垂直领域解译数据的有效管理(该部分数据包括了样本、影像、模型、输出结果等)，其检测模块依赖于计算机软硬件，且其表现形式较为单一，仅仅以输出文件的方式查看效果。
[0007]公开号CN112183416A，名称“一种基于深度学习方法的新增建设用地自动提取方法”，将遥感影像的位深拉伸，对前后时期遥感影像数据和新增建设用地标签数据进行裁切处理，合成训练瓦片样本集合和测试瓦片样本集；构建网络模型；生成新增建设用地训练模型，并对其进行封装；得到栅格概率图；对新增建设用地区域进行伪图斑的去除；得到新增建设用地图斑。构建网络模型，选择TensorFlow+Keras训练框架，基于DeeplabV3+网络模型结构，以EfficientNet网络结构为骨干网络进行改造和设计，形成新的网络模型，对其进行封装，其中，图像增强处理的内容包括辐射、分辨率增强处理；对新增建设用地区域进行伪图斑的去除，去伪之后的栅格结果进行成果矢量化，二值化、矢量抽稀平滑处理，得到最终地图斑。但该申请没有实现对整体场景的布置和满足使用者的需求，没有一个整体化、系统化的建设方法。

技术实现思路

[0008]有鉴于此，基于遥感解译数据量大，数据类型多，地表要素复杂多变等情形，本申请提出一种面向多源异构地表要素的遥感智能解译方法，弥补传统遥感解译方式过度依赖计算机软硬件环境的问题，解决了传统在线解译系统无法实现解译数据这一垂直领域数据的管理问题，满足对多源异构典型地表要素的解译需求，为遥感影像自动解译技术的研究提供样本数据和参考，可作用于灾害防治，路网建设、土地调查等多个领域。
[0009]本专利专利技术针对现有技术存在的上述不足，提供一种集遥感解译数据存储、管理、在线应用等于一体的智能化解决方案。
[0010]根据本申请的一个方面，提供一种面向多源异构地表要素的遥感智能解译系统，构建遥感解译影像场景展示，将获取的遥感影像和解译结果在地图场景中展示，提供遥感解译功能操作界面；根据遥感影像数据特点从数据源划分遥感解译相关信息，从数据结构划分结构化数据；划分后的数据构建影像样本库训练网络预测模型；根据不同的地表要素类型构建样本库训练得到网络预测模型区分不同地表要素特征，实时分类提取遥感影像信息中的地表要素，根据用户请求的解译类型，根据地表要素对遥感影像解译得到的栅格转为矢量，将矢量结果叠加显示到地图上。
[0011]进一步优选，根据遥感影像数据特点划分进一步包括：基于数据结构类型对遥感解译数据进行结构划分，将遥感解译数据从数据源上划分为遥感解译相关信息、待解译遥感影像、解译提取结果；从数据结构上分为结构化文本信息和非结构化对象数据，对于非结构化数据保存其元数据。
[0012]进一步优选，所述将矢量结果叠加显示到地图上包括，Web端向Flask服务器发送采集的遥感影像坐标信息，服务器调用Router路由器转发坐标信息到检查算法模型进行裁剪、格网处理、地质灾害解译处理，处理结果转换模块进行栅格矢量化后得到的JSON结果，通过路由器返回对应Flask服务器,将结果信息发送到Web端。
[0013]进一步优选，基于数据结构类型对遥感解译数据进行结构划分进一步包括：部署PostgreSQL及PostGIS插件将结构化数据存储在数据库中，通过数据库二维逻辑表存储包括遥感影像元数据、预测模型元数据、解译标志数据、资料数据；采用集群模式部署MinIO对象存储类型；利用SpringBoot及Mybatis操作数据表中的数据以及调用MinIOSDK操作对象数据。
[0014]进一步优选，所述构建遥感解译影像场景展示进一步包括，影像场景模块获取指定区域离线瓦片地图Mbtiles及遥感影像数据，对遥感影像进行几何校正、辐射定标、Flaash大气校正；发布瓦片地图服务；部署Tomcat；配置Geoserver；地图服务器；启动GeoServer发布基于WMS的遥感影像数据；基于Cesium.js引擎及Vue框架构建场景及组件化模块；配置Nginx将前端页面发布至服务器中，同时利用Nginx做反向代理。
[0015]进一步优选，对遥感影像信息中的地表要素进行分类提取进一步包括：对遥感影像信息中的地表要素进行分类提取进一步包括：根据不同的地表要素类型确定不同的样本构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向多源异构地表要素的遥感智能解译方法，其特征在于，构建遥感解译影像场景展示，将获取的遥感影像和解译结果在地图场景中展示，提供遥感解译功能操作界面；根据不同的地表要素类型对获取的遥感影像数据特点从数据源划分为遥感解译相关信息，从数据结构划分为结构化数据；根据划分后的遥感影像数据构建影像样本库，训练网络预测模型；通过训练得到的网络预测模型区分不同地表要素特征，实时分类提取遥感影像信息中的地表要素，在遥感影像解译阶段完成对检测算法的封装和后端服务的集成，根据用户请求的解译类型，根据地表要素对遥感影像解译得到的结果转换为矢量，将矢量叠加显示到地图上。2.根据权利要求1所述的方法，其特征在于，根据遥感影像数据特点划分进一步包括：基于数据结构类型对遥感解译数据进行结构划分，将遥感解译数据从数据源上划分为遥感解译相关信息、待解译遥感影像、解译提取结果；从数据结构上划分为结构化文本信息和非结构化对象数据，对非结构化对象数据保存其元数据；对解译全流程的遥感解译数据进行统一管理。3.根据权利要求1所述的方法，其特征在于，所述将矢量结果叠加显示到地图上包括，Web端向Flask服务器发送采集的遥感影像坐标信息，服务器调用路由器Router转发坐标信息到检查模型进行裁剪、格网处理、解译处理，处理结果转换模块进行栅格矢量化后得到的编码格式JSON结果，通过路由器返回对应Flask服务器,将结果信息发送到Web端。4.根据权利要求2所述的方法，其特征在于，基于数据结构类型对遥感解译数据进行结构划分进一步包括：部署关系型数据库管理系统PostgreSQL及PostGIS插件将结构化数据存储在数据库中，通过数据库二维逻辑表存储包括遥感影像元数据、预测模型元数据、解译标志数据、资料数据；采用集群模式部署MinIO对象存储类型；利用后台服务开发框架SpringBoot及持久层框架用于操作数据库Mybatis操作数据库中的数据以及调用对象的开发工具包MinIOSDK操作对象数据。5.根据权利要求1
‑
4其中之一所述的方法，其特征在于，所述构建遥感解译影像场景展示进一步包括，影像场景模块获取指定区域离线瓦片地图Mbtiles及遥感影像数据，对遥感影像进行几何校正、辐射定标、大气校正；发布瓦片地图服务；部署Web服务器Tomcat；配置发布地图数据单元Geoserver；地图服务器；启动GeoServer发布基于Web地图服务WMS的遥感影像数据；基于地图开发引擎Cesium.js及前端开发框架Vue框架构建场景及组件化模块；配置Nginx将前端页面发布至服务器中，同时利用Nginx做反向代理。6.根据权利要求1
‑
4其中之一所述的方法，其特征在于，对遥感影像信息中的地表要素进行分类提取进一步包括：根据不同的地表要素类型确定不同的样本构建区域，对遥感影像数据进行裁剪和影像分块，标注影像样本库，根据样本库基于深度学习框架Pytorch训练神经网络模型，训练后的神经网络模型对遥感影像信息中的地表要素进行分类提取；在线解译遥感影像数据，将解译后的二值图转化为地理数据结构编码格式Geo
‑
Json文件结果发送到前端。7.一种面向多源异构地表要素的遥感智能解译系统，其特征在于，包括，影像场景模块、解译数据管理模块、解译功能模块，影像场景模块构建遥感解译影像场景展示，将获取的遥感影像和解译结果在地图场景中展示，提供遥感解译功能操作界面，其中，通过瓦片服务地图服务器、三维地球框架搭建单元获取瓦片地图、遥感影像，通过发布地图数据单元，
前端开发...

【专利技术属性】
技术研发人员：张敬涵，王思雨，白朋，周晓勇，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：