一种洪积扇提取方法、装置及计算机制造方法及图纸

本发明专利技术提供一种洪积扇提取方法、装置及计算机，所述方法包括：获取至少一个历史样本数据，对至少一个所述历史样本数据进行处理，得到二值分类图；根据所述二值分类图构建训练样本集；使用所述训练样本集对预设样本模型进行训练，得到训练模型；将至少一个待提取的样本数据输入至所述训练模型进行处理，得到所述待提取的样本数据是否为洪积扇的判断结果。本发明专利技术不需要大量的洪积扇样本数据的前提下，可以实现对高原地区洪积扇进行准确分类。实现对高原地区洪积扇进行准确分类。实现对高原地区洪积扇进行准确分类。

【技术实现步骤摘要】
一种洪积扇提取方法、装置及计算机


[0001]本专利技术涉及遥感图像智能识别
，特别是指一种洪积扇提取方法、装置及计算机。

技术介绍

[0002]洪积扇是河流出山口处的扇形堆积体，在世界各地不同的气候条件环境以及构造环境中均有分布。青藏高原地区洪积扇多分布于山前，山中土石随河流、洪水涌出山口，随着水流减缓，土石泥沙逐渐沉积，形成近于扇形的形态。洪积扇水土条件较好，适于种植、放牧，是农牧业生产的重要场所，多有村落分布，但是，仍处于发育阶段的现代洪积扇，规模较小、植被稀少，一旦发生灾害，对人类生产生活和工程建设的破坏性较强。
[0003]与此同时，许多洪积扇都曾经发生过较为严重的洪水，并造成了损失。发生在洪积扇上的洪水灾害的主要特点是流量的不确定性较大，在实际风险评估中需要格外关注。
[0004]一旦洪积扇沉积物的数量和类型、坡面的地形或扇体本身的水分状况发生变化，就可能会导致灾害发生，例如，夏季暴雨会导致洪水发生，加之洪积扇上植被稀少，径流速度快，会使得洪积扇的沉积物和碎屑被搬运，对周边城市与乡村的建筑物造成较大危害，特别是之前降水使土壤达到饱和状态时，这种现象就会加剧，甚至使城镇街道变为天然河床。
[0005]因此，明确洪积扇的位置和范围对于风险分析有重要意义。
[0006]目前，国内针对洪积扇的提取通常选取遥感数据作为唯一数据源，尚未充分利用研究区的先验知识，无法从洪积扇的形成方面提取相关信息作为遥感提取的支撑信息。

技术实现思路

[0007]本专利技术要解决的技术问题是提供一种洪积扇提取方法、装置及计算机，不需要大量的洪积扇样本数据的前提下，可以实现对高原地区洪积扇进行准确分类。
[0008]为解决上述技术问题，本专利技术的技术方案如下：
[0009]第一方面，一种洪积扇提取方法，所述方法包括：
[0010]获取至少一个历史样本数据，对至少一个所述历史样本数据进行处理，得到二值分类图；
[0011]根据所述二值分类图构建训练样本集；
[0012]使用所述训练样本集对预设样本模型进行训练，得到训练模型；
[0013]将至少一个待提取的样本数据输入至所述训练模型进行处理，得到所述待提取的样本数据是否为洪积扇的判断结果。
[0014]进一步的，获取至少一个历史样本数据，对至少一个所述历史样本数据进行处理，得到二值分类图，包括：
[0015]获取至少一个历史的遥感影像；
[0016]将至少一个历史的遥感影像作为至少一个历史样本数据；
[0017]选取历史样本数据中的地物目标；
[0018]对选取地物目标后的历史样本数据进行标记，以得到标记区域和非标记区域；
[0019]对所述标记区域和非标记区域进行二值化处理，得到所述标记区域和非标记区域分别对应的二值分类图。
[0020]进一步的，根据所述二值分类图构建训练样本集，包括：
[0021]获取所述标记区域和非标记区域中各自对应的至少一个要素特征，及至少一个要素特征在所述标记区域或非标记区域中对应的数据值；
[0022]基于所述数据值以及所述数据值对应的要素特征，构建一个以所述数据值与所述要素特征对应的训练样本集。
[0023]进一步的，所述要素特征包括归一化植被指数、坡度、坡向以及局部二值化特征中的至少一个。
[0024]进一步的，所述训练样本集为文本类结构。
[0025]进一步的，使用所述训练样本集对预设样本模型进行训练，得到训练模型，包括：
[0026]若所述训练样本集中的训练样本有M个特征，则在每个节点分裂时选择个特征，并将个特征作为特征的数量；
[0027]计算每个特征和该特征对应的特征值下的基尼系数；
[0028]选择基尼系数最小值对应的特征和特征值对该节点进行分割，直至所有节点不再分裂为止；
[0029]训练决策树，每个训练样本的类别根据每个决策树的分类结果进行投票，选择出现次数最多的类别作为该训练样本的属性。
[0030]进一步的，所述训练样本集中的训练样本总数≥训练模型中决策树的数量。
[0031]第二方面，一种洪积扇提取装置，包括：
[0032]获取模块，用于获取至少一个历史样本数据，对至少一个所述历史样本数据进行处理，得到二值分类图；
[0033]处理模块，用于根据所述二值分类图构建训练样本集；使用所述训练样本集对预设样本模型进行训练，得到训练模型；将至少一个待提取的样本数据输入至所述训练模型进行处理，得到所述待提取的样本数据是否为洪积扇的判断结果。
[0034]第三方面，一种计算机，包括：
[0035]一个或多个处理器；
[0036]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。
[0037]第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。
[0038]本专利技术的上述方案至少包括以下有益效果：
[0039]本专利技术的上述方案，通过将洪积扇的历史样本数据，建立了区域适配的洪积扇提取模型，不需要大量的洪积扇样本数据，可以对青藏高原地区洪积扇进行准确分类。
附图说明
[0040]图1是本专利技术的实施例提供的洪积扇提取方法的流程示意图。
[0041]图2是本专利技术的实施例提供的洪积扇提取装置示意图。
具体实施方式
[0042]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0043]如图1所示，本专利技术的实施例提出一种洪积扇提取方法，所述方法包括以下步骤：
[0044]步骤11，获取至少一个历史样本数据，对至少一个所述历史样本数据进行处理，得到二值分类图；
[0045]步骤12，根据所述二值分类图构建训练样本集；
[0046]步骤13，使用所述训练样本集对预设样本模型进行训练，得到训练模型；
[0047]步骤14，将至少一个待提取的样本数据输入至所述训练模型进行处理，得到所述待提取的样本数据是否为洪积扇的判断结果。
[0048]具体地说，在地质勘探时，需要对某个区域内的地质特征进行分类。在步骤11中，首先需要获取历史样本数据，这样才能对该区域进行分析和比较，然后使用对这些历史样本数据进行处理，得到一个二值分类图，这个分类图将该区域内的地质特征分为两类，比如说洪积扇和非洪积扇，这个分类图是下一步骤构建训练样本集的基础，而这里提到的训练样本集，指的是从二值分类图中抽取出多个样本数据，并标注它们属于哪一类，然后用这些数据来训练机器学习模型。这些样本数据的数量和质量会影响模型的准确性和稳定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种洪积扇提取方法，其特征在于，所述方法包括：获取至少一个历史样本数据，对至少一个所述历史样本数据进行处理，得到二值分类图；根据所述二值分类图构建训练样本集；使用所述训练样本集对预设样本模型进行训练，得到训练模型；将至少一个待提取的样本数据输入至所述训练模型进行处理，得到所述待提取的样本数据是否为洪积扇的判断结果。2.根据权利要求1所述的洪积扇提取方法，其特征在于，获取至少一个历史样本数据，对至少一个所述历史样本数据进行处理，得到二值分类图，包括：获取至少一个历史的遥感影像；将至少一个历史的遥感影像作为至少一个历史样本数据；选取历史样本数据中的地物目标；对选取地物目标后的历史样本数据进行标记，以得到标记区域和非标记区域；对所述标记区域和非标记区域进行二值化处理，得到所述标记区域和非标记区域分别对应的二值分类图。3.根据权利要求2所述的洪积扇提取方法，其特征在于，根据所述二值分类图构建训练样本集，包括：获取所述标记区域和非标记区域中各自对应的至少一个要素特征，及至少一个要素特征在所述标记区域或非标记区域中对应的数据值；基于所述数据值以及所述数据值对应的要素特征，构建一个以所述数据值与所述要素特征对应的训练样本集。4.根据权利要求3所述的洪积扇提取方法，其特征在于，所述要素特征包括归一化植被指数、坡度、坡向以及局部二值化特征中的至少一个。5.根据权利要求3所述的洪积扇提取方法，其特征在于，所述训练样本集为文本类结构。6.根据权利要求1所述的洪积扇提取方法，...

【专利技术属性】
技术研发人员：吴吉东，宁嘉辰，许映军，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：