基于多源数据融合的遥感数据精度分析方法、电子设备及存储介质技术

基于多源数据融合的遥感数据精度分析方法、电子设备及存储介质，属于遥感数据处理技术领域。为提高多源数据融合的遥感数据精度分析的准确性。本发明专利技术构建双边滤波器，将采集的遥感图像数据输入到双边滤波器中，进行降噪处理并进行辐射矫正。之后将得到的遥感数据采用时间戳提取数据采集时间，并进行排序，得到处理后的遥感图像数据，通过构建P2V模型，将以时间排序后的多源遥感图像数据输入到P2V模型中，在模型中设计了时间和空间两条支路来提取其时域特征和空间特征，从而生成语义分割结果并进行遥感数据精度分析，输出遥感精度分析系数，得到不同时间的遥感数据精度分析结果。得到不同时间的遥感数据精度分析结果。得到不同时间的遥感数据精度分析结果。

【技术实现步骤摘要】
基于多源数据融合的遥感数据精度分析方法、电子设备及存储介质


[0001]本专利技术属于遥感数据管理
，具体基于多源数据融合的遥感数据精度分析方法、电子设备及存储介质。

技术介绍

[0002]遥感技术在环境监测、资源管理、农业等领域具有广泛应用。遥感数据主要是反映地球表层信息的数据。由于地球系统的复杂性和开放性，地表信息的数据是多维的、无限的，以及遥感信息传递过程中的信息衰减等局限性和遥感信息之间的复杂相关性，使遥感数据的分类结果不可避免地存在误差。这将严重影响遥感的功能、效率和灵活性，制约遥感信息的产品化和实用化的进一步发展。
[0003]目前大多数关于遥感图像的语义分割方法只能针对某一张图像进行分析，但遥感图像的时域信息对检测结果有着关键作用，很少有方法能够同时考虑空间信息和时域信息。而且由于数据源特性、信息获取设备、数据处理方式、分类器机制等多种因素干扰，使得遥感信息数据在数据获取、数据预处理、图像分类处理、图像精度评价等过程中不可避免的存在误差，这些误差最终导致了遥感影像分类信息存在不确定性，使得遥感分类图在使用前需进行客观准确的精度分析，精度分析不仅是进行遥感数据产品合理有效利用的基础和保证，而且可以帮助分析遥感数据分类的不确定性、适用范围、误差类型。

技术实现思路

[0004]本专利技术要解决的问题是从时间信息的角度出发，提高多源数据融合的遥感数据精度分析的准确性，提出基于多源数据融合的遥感数据精度分析方法、电子设备及存储介质
[0005]为实现上述目的，本专利技术通过以下技术方案实现：
[0006]一种基于多源数据融合的遥感数据精度分析方法，包括如下步骤：
[0007]S1、采集遥感图像数据；
[0008]S2、构建双边滤波器，将步骤S1采集的遥感图像数据输入到双边滤波器中，进行降噪处理，得到降噪处理后的遥感图像数据；
[0009]S3、对步骤S2得到的降噪处理后的遥感图像数据进行辐射校正，得到辐射校正后的遥感图像数据；
[0010]S4、对步骤S3得到的辐射矫正后的遥感图像数据进行切割处理，得到多个遥感图像数据切割块，然后采用时间戳提取数据采集时间，并进行排序，得到处理后的遥感图像数据；
[0011]S5、构建P2V模型，对步骤S4处理后的遥感图像数据输入到P2V模型中以时间和空间两条支路进行遥感数据精度分析，输出遥感精度分析系数，包括总体精度OA，准确率Pre，召回率Rec和F1分数；
[0012]S6、基于步骤S5得到的遥感精度分析系数得到不同区域的遥感数据精度分析结
果。
[0013]进一步的，步骤S2的具体实现方法包括如下步骤：
[0014]S2.1、构建双边滤波器的空间域核w
bi
‑
d
(i,j,k,l)用于衡量空间临近的程度，计算表达式为：
[0015][0016]其中，(i,j)表示核窗口的的中心坐标点以外的系数坐标点，(k,l)表示核窗口的中心坐标点；σ
d
表示空间域上的高斯核函数的标准差，用于控制像素位置的权值；
[0017]S2.2、构建双边滤波器的值域核w
bi
‑
r
(i,j,k,l)用于从灰度差异衡量像素间的相似性，计算表达式为：
[0018][0019]其中，f(i,j)表示图像在点(i,j)处的像素值，f(k,l)表示核窗口的中心坐标点的像素值，σ
r
表示像素值域上的高斯核函数的标准差，用于控制像素值的权值；
[0020]S2.3、步骤S2.1构建的双边滤波器的空间域核和步骤S2.2构建的双边滤波器的值域核相乘，得到双边滤波器核的权值w
bi
(i,j,k,l)，计算表达式为：
[0021][0022]S2.4、将步骤S1采集的遥感图像数据输入到双边滤波器中，进行噪声处理，得到噪声处理后的遥感图像数据I(i,j)，计算表达式为：
[0023][0024]进一步的，步骤S3的具体实现方法包括如下步骤：
[0025]S3.1、对步骤S3得到的降噪后的遥感图像进行辐射校正，计算表达式为：
[0026]I
corr
(i,j)＝Img
S
(i,j)
‑
A(i,j)
×
T(i,j)
[0027]其中，I
corr
(i,j)为校正后的图像，A(i,j)为大气光谱特性参数在每个像素位置的值，T(i,j)为大气传输模型的函数，描述大气对辐射的影响；
[0028]之后将所得到的的结果进行辐射定标，计算表达式为：
[0029]L(x,y)＝G
×
I
corr
(i,j)+B
[0030]其中，L(i,j)为在位置(i,j)处的辐射亮度，G为传感器的增益参数，B为传感器的偏置参数。
[0031]进一步的，步骤S4的具体实现方法包括如下步骤：
[0032]S4.1、设置噪声处理后的遥感图像数据I(i,j)的长和宽分别为H和W，设置分割图像的矩阵为0矩阵，尺寸为h
×
w，h为横向步长，w为纵向步长；
[0033]S4.2、设置滑动窗口的尺寸为0矩阵的尺寸；
[0034]S4.3、控制滑动窗口在噪声处理后的遥感图像数据上滑动，在窗口内的图像区域被复制给0矩阵并保存，保存时生成对应的区域标记；
[0035]S4.4、重复步骤S4.3，得到尺寸均为h
×
w的区域遥感图像数据Img，区域遥感图像数据的个数为个；
[0036]S4.5、通过python中内置的Timsort算法将遥感图像数据小块按照时间顺序进行排序，得到处理后的遥感图像数据I
t
。
[0037]进一步的，步骤S5的具体实现方法包括如下步骤：
[0038]S5.1、构建P2V模型：
[0039]S5.1.1、设输入图像集合为X＝{X0，X1，X2……
}，其中X∈I
t
，在P2V中，设计了空间支路来处理一个区域中的一个时间图像，记为X0，旨在提取其空间结构信息，时间支路则是处理一个区域中不同时间的图像X，旨在提取其时域相关信息；
[0040]S5.1.2、对于空间支路，X0通过三层空间模块S
‑
Block提取多尺度特征，然后，通过解码器逐渐上采样并恢复原始尺寸，并最终得到分割检测结果，在S
‑
Block中，通过输入特征得到下一层输入的计算表达式为：
[0041][0042]其中，MaxPool()表示最大值池化层，表示卷积核为3
×
3的2D卷积层，B表示BatchNorm层，R表示ReLU层，l表示第l层特征图；
[0043]对于解码器中的上采样层，在上采样的过程中，解码器主干特征不断融合来自S
‑...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据融合的遥感数据精度分析方法，其特征在于，包括如下步骤：S1、采集遥感图像数据；S2、构建双边滤波器，将步骤S1采集的遥感图像数据输入到双边滤波器中，进行降噪处理，得到降噪处理后的遥感图像数据；S3、对步骤S2得到的降噪处理后的遥感图像数据进行辐射校正，得到辐射校正后的遥感图像数据；S4、对步骤S3得到的辐射矫正后的遥感图像数据进行切割处理，得到多个遥感图像数据切割块，然后采用时间戳提取数据采集时间，并进行排序，得到处理后的遥感图像数据；S5、构建P2V模型，对步骤S4得到的处理后的遥感图像数据输入到P2V模型中以时间和空间两条支路进行遥感数据精度分析，输出遥感精度分析系数，包括总体精度OA，准确率Pre，召回率Rec和F1分数；S6、基于步骤S5得到的遥感精度分析系数得到不同区域的遥感数据精度分析结果。2.根据权利要求1所述的一种基于多源数据融合的遥感数据精度分析方法，其特征在于：步骤S1中的遥感图像数据包括卫星遥感图像数据、无人机遥感图像数据、地面遥感图像数据，设置遥感图像数据为I。3.根据权利要求1或2所述的一种基于多源数据融合的遥感数据精度分析方法，其特征在于：步骤S2的具体实现方法包括如下步骤：S2.1、构建双边滤波器的空间域核w
bi
‑
d
(i,j,k,l)用于衡量空间临近的程度，计算表达式为：其中，(i,j)表示核窗口的的中心坐标点以外的系数坐标点，(k,l)表示核窗口的中心坐标点；σ
d
表示空间域上的高斯核函数的标准差，用于控制像素位置的权值；S2.2、构建双边滤波器的值域核w
bi
‑
r
(i,j,k,l)用于从灰度差异衡量像素间的相似性，计算表达式为：其中，f(i,j)表示图像在点(i,j)处的像素值，f(k,l)表示核窗口的中心坐标点的像素值，σ
r
表示像素值域上的高斯核函数的标准差，用于控制像素值的权值；S2.3、步骤S2.1构建的双边滤波器的空间域核和步骤S2.2构建的双边滤波器的值域核相乘，得到双边滤波器核的权值w
bi
(i,j,k,l)，计算表达式为：S2.4、将步骤S1采集的遥感图像数据输入到双边滤波器中，进行噪声处理，得到噪声处理后的遥感图像数据I(i,j)，计算表达式为：
4.根据权利要求3所述的一种基于多源数据融合的遥感数据精度分析方法，其特征在于：步骤S3的具体实现方法包括如下步骤：S3.1、对步骤S3得到的降噪后的遥感图像进行辐射校正，计算表达式为：I
corr
(i,j)＝Img
S
(i,j)
‑
A(i,j)
×
T(i,j)其中，I
corr
(i,j)为校正后的图像，A(i,j)为大气光谱特性参数在每个像素位置的值，T(i,j)为大气传输模型的函数，描述大气对辐射的影响；之后将所得到的的结果进行辐射定标，计算表达式为：L(x,y)＝G
×
I
corr
(i,j)+B其中，L(i,j)为在位置(i,j)处的辐射亮度，G为传感器的增益参数，B为传感器的偏置参数。5.根据权利要求4所述的一种基于多源数据融合的遥感数据精度分析方法，其特征在于：步骤S4的具体实现方法包括如下步骤：S4.1、设置噪声处理后的遥感图像数据I(i,j)的长和宽分别为H和W，设置分割图像的矩阵为0矩阵，尺寸为h
×
w，h为横向步长，w为纵向步长；S4.2、设置滑动窗口的尺寸为0矩阵的尺寸；S4.3、控制滑动窗口在噪声处理后的遥感图像数据上滑动，在窗口内的图像区域被复制给0矩阵并保存，保存时生成对应的区域标记；S4.4、重复...

【专利技术属性】
技术研发人员：魏茂盛，葛宝玉，高磊，马洪坤，郭凌峰，丛林，杜平，
申请(专利权)人：哈尔滨航天恒星数据系统科技有限公司，
类型：发明
国别省市：