【技术实现步骤摘要】
一种岩土体分类模型构建方法及岩土体分类方法
[0001]本专利技术涉及遥感图像处理
，具体而言，涉及一种岩土体分类模型构建方法及岩土体分类方法。
技术介绍
[0002]岩性分类是遥感地质环境图像处理领域的重要方向，其在多应用领域能够提供帮助。
[0003]现有技术中，多采用1:5万地质图数据和机器学习对遥感图像进行岩性分类，但是1:5万地质图数据一般都是涉密的，而且全国1:5万地质图的绘制情况是不完整的，因此，存在许多1:5万空白区，导致以1:5万的大比例尺地质图数据进行遥感岩性分类时覆盖区岩性信息弱、岩性类间相似度高、类内差异性大的问题，同时机器学习一般是基于大量样本上学习的数据驱动方法，然而，在许多情况下，纯数据驱动的方法可能达到机器学习的极限，例如没有足够的数据来训练性能良好和足够一般化的模型，导致利用机器学习得到的分类结果不准确。
技术实现思路
[0004]本专利技术解决的问题是如何提高岩土体分类的准确度。
[0005]为解决上述问题，本专利技术提供了一种岩土体分类模型构建方法及
【技术保护点】
【技术特征摘要】
1.一种岩土体分类模型构建方法，其特征在于，包括：获取研究区的遥感影像、第一地质图数据和第二地质图数据；根据所述第一地质图数据对所述遥感影像进行配准处理和标注处理，得到第一影像数据和第一标注结果，根据所述第二地质图数据对所述遥感影像进行配准处理和标注处理，得到第二影像数据和所述第二地质图数据，其中，所述第一地质图数据的比例尺大于所述第二地质图数据的比例尺，所述第一影像数据和所述第一标注结果与所述第一地质图数据的比例尺相同，所述第二影像数据和所述第二标注结果与所述第二地质图数据的比例尺相同；将所述第一标注结果和所述第二标注结果进行归并，得到与所述第一标注结果比例尺相同的第三标注结果；构建初始基模型和初始集成模型，以所述第一影像数据、所述第一标注结果、所述第二影像数据和所述第二标注结果为数据集训练所述初始基模型，得到所述基模型，所述基模型用于输出不同比例尺的分类结果，将所述基模型的分类结果进行归并，以归并后的所述分类结果、所述基模型输出的大比例尺的分类结果和所述第三标注结果为数据集训练所述初始集成模型，得到所述集成模型，所述集成模型用于输出最终分类结果；根据所述基模型和所述集成模型构建岩土体分类模型。2.根据权利要求1所述的岩土体分类模型构建方法，其特征在于，所述将所述第一标注结果和所述第二标注结果进行归并，得到与所述第一标注结果比例尺相同的第三标注结果包括:将所述第一地质图数据和所述第二地质图数据进行叠置分析，得到所述第一地质图数据和所述第二地质图数据的对应关系；根据所述对应关系，将所述第一标注结果和所述第二标注结果进行归并，得到第三标注结果。3.根据权利要求2所述的岩土体分类模型构建方法，其特征在于，所述以所述第一影像数据、所述第一标注结果、所述第二影像数据和所述第二标注结果为数据集训练所述初始基模型，得到所述基模型包括：将所述第一影像数据输入所述初始基模型，得到第一预测结果；根据所述第一预测结果和所述第一标注结果，得到第一损失；将所述第二影像数据输入所述初始基模型，得到第二预测结果；根据所述第二预测结果和所述第二标注结果，得到第二损失。4.根据权利要求3所述的岩土体分类模型构建方法，其特征在于，所述以所述第一影像数据、所述第一标注结果、所述第二影像数据和所述第二标注结果为数据集训练所述初始基模型，得到所述基模型还包括：根据所述对应关系，对所述第一预测结果和所述第二预测结果进行归并，得到第三预测结果，其中，所述第三预测结果的比例尺与所述第二预测结果的比例尺相同；根据所述第三预测结果和所述第二标注结果，得到第三损失。5.根据权利要求4所述的岩土体分类模型构建方法，其特征在于，所述以所述第一影像数据、所述第一标注结果、所述第二影像数据和所述第二标注结果为数据集训练所述初始基模型，得到所述基模型还包括：
根据所述第一损失、所述第二损失和所述第三损失得到加权损失，根据所述加权损失更新所述初始基模型，得到所述基模型。6.根据权利要求4所述的岩土体分类模型构建方法，其特征在于，所述基模型输出的所述分类结果包括第一结果和第二结果，所述第一结果的比例尺大于所...
【专利技术属性】
技术研发人员：李显巨，陈伟涛，张过，王力哲，陈刚，胡康，
申请(专利权)人：中国地质大学武汉，
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。