本发明专利技术提供了一种地质岩性的解译方法、装置及存储介质，涉及遥感图像处理技术领域，地质岩性的解译方法包括：获取遥感影像信息，得到目标影像和已知岩性类型标签的背景影像；将目标影像、背景影像及岩性类型标签输入到解译模型中，得到目标岩性类型；解译模型包括自我学习网络和背景学习网络；自我学习网络用于根据目标影像得到目标影像特征；背景学习网络用于根据背景影像和岩性类型标签得到原型特征，提取目标影像特征与原型特征的相关性权重信息，并基于相关性权重信息得到目标岩性类型。本发明专利技术通过挖掘目标影像与背景影像中每种岩性类型对应原型特征的关联，掌握目标影像特征与不同岩性类型的相关性，保障目标岩性类型的准确性和可靠性。准确性和可靠性。准确性和可靠性。
【技术实现步骤摘要】
一种地质岩性的解译方法、装置及存储介质
[0001]本专利技术涉及遥感图像处理
，具体而言，涉及一种地质岩性的解译方法、装置及存储介质。
技术介绍
[0002]岩性勘探在地质环境评估、矿产资源评价和地质灾害评估等领域中发挥着关键作用。传统的岩性勘探主要依靠人力实地勘探，在地质环境复杂和交通不便的地区，实地调查对人力和物力的消耗巨大。随着航空航天技术的不断发展，通过遥感影像进行岩性解译的技术应运而生。
[0003]然而，现有技术通过遥感影像进行岩性解译一般只适用于植被覆盖率较低的干旱和半干旱地区，对于植被覆盖率较高的地区，由于获取的遥感影像中干扰因素较多，即使采用一系列的图像增强或降噪方法，也无法准确获取被林冠、苔藓和地衣等植被覆盖地区的岩性相关特征，导致通过遥感影像进行植被覆盖率较高地区的岩性解译时，解译结果的准确性和可靠性较差。
技术实现思路
[0004]本专利技术解决的问题是对高植被覆盖率地区的遥感图像进行岩性解译时如何保障解译结果的准确性和可靠性。
[0005]为解决上述问题，本专利技术提供一种地质岩性的解译方法，包括如下步骤：获取遥感影像信息，并基于所述遥感影像信息得到待解译的目标影像以及所述目标影像周围预设范围内至少一张已知岩性类型标签的背景影像；将所述目标影像、所述背景影像及所述背景影像对应的所述岩性类型标签输入到预设的解译模型中，得到所述目标影像对应的目标岩性类型；其中，所述解译模型包括自我学习网络和背景学习网络；所述自我学习网络用于根据所述目标影像得到目标影像特征；所述背景学习网络用于根据所述背景影像和所述岩性类型标签得到每种岩性类型对应的原型特征，提取所述目标影像特征与所述原型特征的相关性权重信息，并基于所述相关性权重信息得到所述目标岩性类型。
[0006]可选地所述自我学习网络包括第一采样模块，第二采样模块和解码器；所述目标影像特征包括浅层目标影像特征和深层目标影像特征；所述自我学习网络具体用于：通过所述第一采样模块对所述目标影像进行降采样，得到所述浅层目标影像特征；通过所述第二采样模块对所述浅层影像特征进行降采样；通过所述解码器对经所述第二采样模块进行降采样的所述浅层影像特征进行分辨率恢复，得到所述深层目标影像特征。
[0007]可选地，所述背景学习网络包括背景感知模块、原型特征生成模块、相关性感知模
块和融合模块；所述背景学习网络具体用于：通过所述背景感知模块根据所述背景影像和所述岩性类型标签，得到每种所述岩性类型对应的背景岩性特征；通过所述原型特征生成模块对所述背景岩性特征进行关键特征提取，生成每种所述岩性类型对应的所述原型特征；通过所述相关性感知模块根据所述原型特征和所述浅层目标影像特征，得到所述相关性权重信息；通过所述融合模块对所述相关性权重信息和所述深层目标影像特征进行融合，得到所述目标岩性类型。
[0008]可选地，所述通过所述背景感知模块根据所述背景影像和所述岩性类型标签，得到每种所述岩性类型对应的背景岩性特征，包括：对所述背景影像进行降采样，得到浅层背景影像特征；根据所述岩性类型标签，得到具有预设通道数的标签特征，并对所述标签特征的特征值进行二值化处理，其中，每个通道对应一个所述岩性类型，存在所述特征值为1的通道对应所述标签特征包含的所述岩性类型；将所述浅层背景影像特征和所述标签进行点乘，得到每种所述岩性类型对应的所述背景岩性特征。
[0009]可选地，所述通过所述原型特征生成模块对所述背景岩性特征进行关键特征提取，生成每种所述岩性类型对应的所述原型特征，包括：获取每个所述背景岩性特征中每个通道包含的最大特征值；根据所述最大特征值，得到每种所述岩性类型对应的所述原型特征。
[0010]可选地，所述通过所述相关性感知模块根据所述原型特征和所述浅层目标影像特征，得到所述相关性权重信息，包括：分别对所述原型特征和所述浅层目标影像特征进行维度转换，得到原型特征矩阵和浅层目标影像特征矩阵；将所述原型特征矩阵和所述浅层目标影像特征矩阵进行矩阵相乘，并依次经过线性层和上采样，得到所述相关性权重信息。
[0011]可选地，所述遥感影像信息还包括所述目标影像对应的目标位置、备选背景影像、备选位置和备选岩性类型标签；所述获取遥感影像信息，并基于所述遥感影像信息得到待解译的目标影像以及所述目标影像周围预设范围内至少一张已知岩性类型标签的背景影像，包括：获取所述目标位置周围所述预设范围内的所述备选背景影像，并按照所述备选位置距离所述目标位置从近到远的顺序排列，得到备选背景影像序列；按照从前到后的顺序从所述备选背景影像序列中选取至少一个所述备选背景影像作为所述背景影像，并将所述背景影像对应的所述备选岩性类型标签作为所述岩性类型标签。
[0012]本专利技术通过获取目标影像周围预设范围内的至少一张背景影像为目标影像的解译提供基础参考，由于相近的地质实体往往在地质属性和环境条件方面表现出更大的相似性，使得背景影像及其对应的岩性类型标签的能够为目标影像的解译提供更加可靠的参考
依据；在此基础上将得到的目标影像、背景影像和对应的岩性类型标签输入到预设的解译模型中，即可得到对应的目标岩性类型。其中，解译模型的自我学习网络可以提取出目标影像对应的目标影像特征，为目标影像的解译提供准确可靠的特征基础；解译模型的背景学习网络可以基于背景影像和对应的岩性标签生成不同岩性类型对应的原型特征，也就得到了每种岩性类型最具代表性的影像特征；同时，背景学习网络通过提取目标影像特征和原型特征的相关性权重信息，挖掘目标影像和原型特征的关联，而由于原型特征兼具岩性类型和对应的影像特征的双重信息，因此基于目标影像特征和原型特征的相关性权重信息，就能间接掌握目标影像特征与不同岩性类型的相关性，进而得到较为准确的目标岩性类型。相较于传统技术通过图像增强等方式进行高植被覆盖率遥感图像解译的方式，本实施例充分结合了与目标影像对应区域的环境条件下地质属性相似较高的背景影像和已知的岩性类型标签，挖掘目标影像与背景影像的区别与联系，为目标影像的解译工作提供了可靠参考，保障了对高植被覆盖率区域进行岩性解译时，也能够得到准确、可靠的目标岩性类型。
[0013]本专利技术还提供一种地质岩性的解译装置，包括：获取模块，其用于获取遥感影像信息，并基于所述遥感影像信息得到待解译的目标影像以及所述目标影像周围预设范围内至少一张已知岩性类型标签的背景影像；解译模块，其用于将所述目标影像、所述背景影像及所述背景影像对应的所述岩性类型标签输入到预设的解译模型中，得到所述目标影像对应的目标岩性类型；其中，所述解译模型包括自我学习网络和背景学习网络；所述自我学习网络用于根据所述目标影像得到目标影像特征；所述背景学习网络用于根据所述背景影像和所述岩性类型标签得到每种岩性类型对应的原型特征，提取所述目标影像特征与所述原型特征的相关性权重信息，并基于所述相关性权重信息得到所述目标岩性类型。
[0014]本专利技术提供的地质岩性的解译装置与所述地质岩性的解译方法相较于现有技术的优势基本相同，在此不再赘述。
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种地质岩性的解译方法，其特征在于，包括如下步骤：获取遥感影像信息，并基于所述遥感影像信息得到待解译的目标影像以及所述目标影像周围预设范围内至少一张已知岩性类型标签的背景影像；将所述目标影像、所述背景影像及所述背景影像对应的所述岩性类型标签输入到预设的解译模型中，得到所述目标影像对应的目标岩性类型；其中，所述解译模型包括自我学习网络和背景学习网络；所述自我学习网络用于根据所述目标影像得到目标影像特征；所述背景学习网络用于根据所述背景影像和所述岩性类型标签得到每种岩性类型对应的原型特征，提取所述目标影像特征与所述原型特征的相关性权重信息，并基于所述相关性权重信息得到所述目标岩性类型。2.根据权利要求1所述的地质岩性的解译方法，其特征在于，所述自我学习网络包括第一采样模块，第二采样模块和解码器；所述目标影像特征包括浅层目标影像特征和深层目标影像特征；所述自我学习网络具体用于：通过所述第一采样模块对所述目标影像进行降采样，得到所述浅层目标影像特征；通过所述第二采样模块对所述浅层影像特征进行降采样；通过所述解码器对经所述第二采样模块进行降采样的所述浅层影像特征进行分辨率恢复，得到所述深层目标影像特征。3.根据权利要求2所述的地质岩性的解译方法，其特征在于，所述背景学习网络包括背景感知模块、原型特征生成模块、相关性感知模块和融合模块；所述背景学习网络具体用于：通过所述背景感知模块根据所述背景影像和所述岩性类型标签，得到每种所述岩性类型对应的背景岩性特征；通过所述原型特征生成模块对所述背景岩性特征进行关键特征提取，生成每种所述岩性类型对应的所述原型特征；通过所述相关性感知模块根据所述原型特征和所述浅层目标影像特征，得到所述相关性权重信息；通过所述融合模块对所述相关性权重信息和所述深层目标影像特征进行融合，得到所述目标岩性类型。4.根据权利要求3所述的地质岩性的解译方法，其特征在于，所述通过所述背景感知模块根据所述背景影像和所述岩性类型标签，得到每种所述岩性类型对应的背景岩性特征，包括：对所述背景影像进行降采样，得到浅层背景影像特征；根据所述岩性类型标签，得到具有预设通道数的标签特征，并对所述标签特征的特征值进行二值化处理，其中，每个通道对应一个所述岩性类型，存在所述特征值为1的通道对应所述标签特征包含的所述岩性类型；将所述浅层背景影像特征和所述标签特征进行点乘，得到每种所述岩性类型对应的所述背景岩性特征。5.根据权利要求4所述的地质岩性的解译方法，其特征在于，所述通过所述原型特征生成模块对所述背景...
【专利技术属性】
技术研发人员：陈伟涛，王力哲，欧阳淑冰，
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。