应用于图像分析的测绘数据处理方法及系统技术方案

本发明专利技术提供的应用于图像分析的测绘数据处理方法及系统，涉及人工智能技术领域。在本发明专利技术中，提取到待分析测绘图像；通过进行网络优化操作，以形成优化图像分析网络；利用优化图像分析网络，分析出至少两个还原绘图图像中各个图像像素的分析可能性参；依据至少两个还原绘图图像中各个图像像素的分析可能性参数，在至少两个还原绘图图像中，选择出目标还原绘图图像；对目标还原绘图图像中的待定图像种类信息进行标记，以标记为待分析测绘图像的目标图像种类信息。基于上述内容，可以在一定程度上提高测绘图像分析的可靠度。上提高测绘图像分析的可靠度。上提高测绘图像分析的可靠度。

【技术实现步骤摘要】
应用于图像分析的测绘数据处理方法及系统


[0001]本专利技术涉及人工智能
，具体而言，涉及一种应用于图像分析的测绘数据处理方法及系统。

技术介绍

[0002]在测绘领域中，图像采集是重要的举措之一。对于采集到的图像，基于一些需求，需要对图像进行分析，以确定出图像的种类（如异常种类或变形种类、相应区域的种类等）。但是，在现有技术中，在进行测绘图像分析的过程中，存在着可靠度不高的问题。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种应用于图像分析的测绘数据处理方法及系统，以在一定程度上提高测绘图像分析的可靠度。
[0004]为实现上述目的，本专利技术实施例采用如下技术方案：一种应用于图像分析的测绘数据处理方法，包括：提取到待分析测绘图像，所述待分析测绘图像基于对目标区域进行的目标图像测绘操作以形成；通过进行网络优化操作，以形成优化图像分析网络；利用优化图像分析网络，分析出至少两个还原绘图图像中各个图像像素的分析可能性参数，所述还原绘图图像包括所述待分析测绘图像和待定图像种类信息；依据所述至少两个还原绘图图像中各个图像像素的分析可能性参数，在所述至少两个还原绘图图像中，选择出目标还原绘图图像；对所述目标还原绘图图像中的待定图像种类信息进行标记，以标记为所述待分析测绘图像的目标图像种类信息，所述目标图像种类信息用于反映所述待分析测绘图像的图像种类。
[0005]在一些优选的实施例中，在上述应用于图像分析的测绘数据处理方法中，所述利用优化图像分析网络，分析出至少两个还原绘图图像中各个图像像素的分析可能性参数的步骤，包括：对所述待分析测绘图像和所述待定图像种类信息进行数据融合操作，以形成所述至少两个还原绘图图像中的一个还原绘图图像；以及，对所述一个还原绘图图像进行加载，以加载到所述优化图像分析网络中，利用所述优化图像分析网络，挖掘出所述一个还原绘图图像的关键信息特征表示，并依据所述一个还原绘图图像的关键信息特征表示，分析出所述一个还原绘图图像中各个图像像素的分析可能性参数；或者对所述待分析测绘图像进行加载，以加载到所述优化图像分析网络中，利用所述优化图像分析网络，挖掘出所述待分析测绘图像的关键信息特征表示；以及，利用所述优化图像分析网络，对所述待分析测绘图像的关键信息特征表示和所述待定图像种类信息的关键信息特征表示进行聚合操作，以形成所述至少两个还原绘图图像中的一个还原绘图图像
的关键信息特征表示；以及，利用所述优化图像分析网络，依据所述一个还原绘图图像的关键信息特征表示，分析出所述一个还原绘图图像中各个图像像素的分析可能性参数。
[0006]在一些优选的实施例中，在上述应用于图像分析的测绘数据处理方法中，所述通过进行网络优化操作，以形成优化图像分析网络的步骤，包括：提取到多个初级示例性测绘图像；针对任意一个初级示例性测绘图像，利用初级候选神经网络，分析出所述任意一个初级示例性测绘图像中各个图像像素的分析可能性参数；依据所述多个初级示例性测绘图像中各个图像像素的分析可能性参数，将所述初级候选神经网络进行网络优化操作，以形成初级优化神经网络，所述初级优化神经网络包括初级关键信息挖掘子网络；利用所述初级关键信息挖掘子网络，挖掘出所述任意一个初级示例性测绘图像对应的图像关键信息特征表示；依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，将所述初级关键信息挖掘子网络进行网络优化操作，以形成所述初级关键信息挖掘子网络对应的高级关键信息挖掘子网络；依据所述高级关键信息挖掘子网络，形成对应的优化图像分析网络。
[0007]在一些优选的实施例中，在上述应用于图像分析的测绘数据处理方法中，所述依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，将所述初级关键信息挖掘子网络进行网络优化操作，以形成所述初级关键信息挖掘子网络对应的高级关键信息挖掘子网络的步骤，包括：依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，分析出各个初级示例性测绘图像对应的网络学习代价参数；依据所述各个初级示例性测绘图像对应的网络学习代价参数，分析出所述初级关键信息挖掘子网络对应的网络学习代价参数；依据所述初级关键信息挖掘子网络对应的网络学习代价参数，将所述初级关键信息挖掘子网络进行网络优化操作，以形成所述初级关键信息挖掘子网络对应的高级关键信息挖掘子网络。
[0008]在一些优选的实施例中，在上述应用于图像分析的测绘数据处理方法中，所述任意一个初级示例性测绘图像为任意一个初始的示例性测绘图像或所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像，所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像属于将所述任意一个初始的示例性测绘图像中的图像像素进行调整后形成的测绘图像；所述依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，分析出各个初级示例性测绘图像对应的网络学习代价参数的步骤，包括：针对所述任意一个初始的示例性测绘图像，依据各个初始的示例性测绘图像的图像关键信息特征表示和所述各个初始的示例性测绘图像对应的示例性调整测绘图像的图像关键信息特征表示，分析出所述任意一个初始的示例性测绘图像的网络学习代价参数；针对所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像，依据所述各个初始的示例性测绘图像的图像关键信息特征表示和所述各个初始的示例性测绘图像
对应的示例性调整测绘图像的图像关键信息特征表示，分析出所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像的网络学习代价参数。
[0009]在一些优选的实施例中，在上述应用于图像分析的测绘数据处理方法中，所述针对所述任意一个初始的示例性测绘图像，依据各个初始的示例性测绘图像的图像关键信息特征表示和所述各个初始的示例性测绘图像对应的示例性调整测绘图像的图像关键信息特征表示，分析出所述任意一个初始的示例性测绘图像的网络学习代价参数的步骤，包括：依据所述任意一个初始的示例性测绘图像的图像关键信息特征表示和所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像的图像关键信息特征表示，计算出所述任意一个初始的示例性测绘图像和所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像之间的第一匹配度表征参数；依据所述任意一个初始的示例性测绘图像的图像关键信息特征表示和其它初始的示例性测绘图像的图像关键信息特征表示，计算出所述任意一个初始的示例性测绘图像与所述其它初始的示例性测绘图像之间的第二匹配度表征参数，所述其它初始的示例性测绘图像为所述各个初始的示例性测绘图像中所述任意一个初始的示例性测绘图像以外的初始的示例性测绘图像；依据所述任意一个初始的示例性测绘图像的图像关键信息特征表示和所述其它初始的示例性测绘图像对应的示例性调整测绘图像的图像关键信息特征表示，计算出所述任意一个初始的示例性测绘图像与所述其它初始的示例性测绘图像对应的示例性调整测绘图像之间的第三匹配度表征参数；依据所述第一匹配度表征参数、所述第二匹配度表征参数和所述第三匹配度表征参数，计算出所述任意一个初始的示例性测绘图像的网络学习代价参数。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于图像分析的测绘数据处理方法，其特征在于，包括：提取到待分析测绘图像，所述待分析测绘图像基于对目标区域进行的目标图像测绘操作以形成；通过进行网络优化操作，以形成优化图像分析网络；利用优化图像分析网络，分析出至少两个还原绘图图像中各个图像像素的分析可能性参数，所述还原绘图图像包括所述待分析测绘图像和待定图像种类信息；依据所述至少两个还原绘图图像中各个图像像素的分析可能性参数，在所述至少两个还原绘图图像中，选择出目标还原绘图图像；对所述目标还原绘图图像中的待定图像种类信息进行标记，以标记为所述待分析测绘图像的目标图像种类信息，所述目标图像种类信息用于反映所述待分析测绘图像的图像种类。2.如权利要求1所述的应用于图像分析的测绘数据处理方法，其特征在于，所述利用优化图像分析网络，分析出至少两个还原绘图图像中各个图像像素的分析可能性参数的步骤，包括：对所述待分析测绘图像和所述待定图像种类信息进行数据融合操作，以形成所述至少两个还原绘图图像中的一个还原绘图图像；以及，对所述一个还原绘图图像进行加载，以加载到所述优化图像分析网络中，利用所述优化图像分析网络，挖掘出所述一个还原绘图图像的关键信息特征表示，并依据所述一个还原绘图图像的关键信息特征表示，分析出所述一个还原绘图图像中各个图像像素的分析可能性参数；或者对所述待分析测绘图像进行加载，以加载到所述优化图像分析网络中，利用所述优化图像分析网络，挖掘出所述待分析测绘图像的关键信息特征表示；以及，利用所述优化图像分析网络，对所述待分析测绘图像的关键信息特征表示和所述待定图像种类信息的关键信息特征表示进行聚合操作，以形成所述至少两个还原绘图图像中的一个还原绘图图像的关键信息特征表示；以及，利用所述优化图像分析网络，依据所述一个还原绘图图像的关键信息特征表示，分析出所述一个还原绘图图像中各个图像像素的分析可能性参数。3.如权利要求1或2所述的应用于图像分析的测绘数据处理方法，其特征在于，所述通过进行网络优化操作，以形成优化图像分析网络的步骤，包括：提取到多个初级示例性测绘图像；针对任意一个初级示例性测绘图像，利用初级候选神经网络，分析出所述任意一个初级示例性测绘图像中各个图像像素的分析可能性参数；依据所述多个初级示例性测绘图像中各个图像像素的分析可能性参数，将所述初级候选神经网络进行网络优化操作，以形成初级优化神经网络，所述初级优化神经网络包括初级关键信息挖掘子网络；利用所述初级关键信息挖掘子网络，挖掘出所述任意一个初级示例性测绘图像对应的图像关键信息特征表示；依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，将所述初级关键信息挖掘子网络进行网络优化操作，以形成所述初级关键信息挖掘子网络对应的高级关键信息挖掘子网络；依据所述高级关键信息挖掘子网络，形成对应的优化图像分析网络。
4.如权利要求3所述的应用于图像分析的测绘数据处理方法，其特征在于，所述依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，将所述初级关键信息挖掘子网络进行网络优化操作，以形成所述初级关键信息挖掘子网络对应的高级关键信息挖掘子网络的步骤，包括：依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，分析出各个初级示例性测绘图像对应的网络学习代价参数；依据所述各个初级示例性测绘图像对应的网络学习代价参数，分析出所述初级关键信息挖掘子网络对应的网络学习代价参数；依据所述初级关键信息挖掘子网络对应的网络学习代价参数，将所述初级关键信息挖掘子网络进行网络优化操作，以形成所述初级关键信息挖掘子网络对应的高级关键信息挖掘子网络。5.如权利要求4所述的应用于图像分析的测绘数据处理方法，其特征在于，所述任意一个初级示例性测绘图像为任意一个初始的示例性测绘图像或所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像，所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像属于将所述任意一个初始的示例性测绘图像中的图像像素进行调整后形成的测绘图像；所述依据所述多个初级示例性测绘图像各自对应的图像关键信息特征表示，分析出各个初级示例性测绘图像对应的网络学习代价参数的步骤，包括：针对所述任意一个初始的示例性测绘图像，依据各个初始的示例性测绘图像的图像关键信息特征表示和所述各个初始的示例性测绘图像对应的示例性调整测绘图像的图像关键信息特征表示，分析出所述任意一个初始的示例性测绘图像的网络学习代价参数；针对所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像，依据所述各个初始的示例性测绘图像的图像关键信息特征表示和所述各个初始的示例性测绘图像对应的示例性调整测绘图像的图像关键信息特征表示，分析出所述任意一个初始的示例性测绘图像对应的示例性调整测绘图像的网络学习代价参数。6.如权利要求5所述的应用于图像分析的测绘数据处理方法，其特征在于，所述针对所述任意一个初始的示例性测绘图像，依据各个初始的示例性测绘图像的图像关键信息特征表示和所述各个初始的示例性测绘图像对应的示例性调整测绘图像的图像关键信息特征表示，分析出所述任意一个初始的示例性测绘图像的网络学习...

【专利技术属性】
技术研发人员：高秋阳，张艺馨，徐明星，
申请(专利权)人：江苏追梦信息科技有限公司，
类型：发明
国别省市：