【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种黑土区侵蚀沟卫星遥感智能提取方法、装置、设备及介质。
技术介绍
1、东北黑土区位于松辽流域，在多种因素的综合影响下，黑土区水土流失问题显著，侵蚀沟是受水力、风力、冻融及重力等作用，地表径流集中冲刷形成横截面为“u”或“v”型的沟道，是黑土区水土流失问题的集中表现，当前侵蚀沟的监测方法主要有遥感监测、地面观测和调查统计等。基于遥感影像的侵蚀沟提取方法主要分为目视解译、基于像元的分类、面向对象分析等。当前主流的深度学习语义分割模型有deeplabv3+、unet、pspnet等，可以直接端到端的提取目标轮廓，由于侵蚀沟在不同区域的形态特征、尺度多样，且其边缘形态复杂，即使采用先进的语义分割模型，精确地对侵蚀沟进行像素级的语义分割难度仍然较大。
技术实现思路
1、为了解决上述技术问题，本申请实施例提供了一种黑土区侵蚀沟卫星遥感智能提取方法、装置、设备及介质。
2、第一方面，本申请实施例提供了一种黑土地侵蚀沟卫星遥感智能提取方法，所述方法包括：
3、对卫星遥感正射影像dom数据进行条件筛选和统计计算，生成侵蚀沟监测底图数据；
4、基于所述侵蚀沟监测底图数据确定目标检测初始样本；
5、基于所述目标检测初始样本对目标检测模型进行n次迭代训练和n次迭代预测处理，得到第i次训练的训练模型i和第i次预测处理的预测结果i，1≤i≤n，其中，第i+1次训练过程中的待训练模型为第i次训练后的目标检测模型；
6、根据
7、通过交互式语义分割模型对所述侵蚀沟检测优选结果i进行交互式语义分割，得到侵蚀沟智能分割结果。
8、在一实施方式中，所述对卫星遥感正射影像dom数据进行条件筛选和统计计算，生成侵蚀沟监测底图数据，包括：
9、对所述卫星遥感正射影像dom数据按照星源、分辨率、时相、云量、区域进行筛选，得到候选dom数据；
10、对所述候选dom数据进行统计计算、影像拉伸、影像镶嵌、影像切片、切片转换、wmts服务发布处理，得到所述侵蚀沟监测底图数据。
11、在一实施方式中，对所述候选dom数据进行统计计算，包括：
12、计算所述候选dom数据的像素值的平均值和标准差。
13、在一实施方式中，所述侵蚀沟智能分割结果包括n个分割结果；
14、所述基于所述目标检测初始样本对目标检测模型进行n次迭代训练和n次迭代预测处理，包括：
15、在第1次迭代训练中，将所述侵蚀沟样本输入所述目标检测模型进行训练，得到训练模型1；
16、采用所述训练模型1对所述目标检测初始样本的任务区影像进行侵蚀沟目标预测，得到预测结果1；
17、在第j+1次迭代训练中，将目标检测样本j输入训练模型j进行训练，得到训练模型j+1，j≥2；所述目标检测样本j基于第j-1轮的分割结果j-1获取得到；
18、采用所述训练模型j+1对任务区影像进行侵蚀沟目标预测，得到预测结果j+1。
19、在一实施方式中，所述目标检测样本j的获取，包括：
20、对第j-1轮的分割结果j-1进行格式转换，得到新增样本j-1，
21、当j＝2时，将新增样本1与目标检测原始样本组成目标检测样本2；
22、当j＞2时，将所述新增样本j-1与目标检测样本j-1组成目标检测样本j。
23、在一实施方式中，所述交互式语义分割模型包括骨干网络模型及边缘约束分支；所述侵蚀沟智能分割结果包括n个分割结果；
24、所述通过交互式语义分割模型对所述侵蚀沟检测优选结果i进行交互式语义分割，包括：
25、通过所述边缘约束分支接收针对所述侵蚀沟检测优选结果i的正负点击操作信息，根据所述正负点击操作信息形成初步分割结果，根据所述初步分割结果生成边缘掩码；
26、通过卷积处理提取所述边缘掩码的特征分支；
27、通过所述骨干网络提取所述侵蚀沟智能分割结果i的影像特征，将所述影像特征与所述特征分支融合，得到对应的最终融合特征i；
28、根据所述最终融合特征i提取预测结果i。
29、在一实施方式中，所述方法还包括：
30、将所述预测结果i进行格式转换，得到侵蚀沟交互式分割样本；
31、根据所述侵蚀沟交互式分割样本对所述交互式语义分割模型训练，得到训练后的交互式语义分割模型。
32、第二方面，本申请实施例提供了一种黑土地侵蚀沟卫星遥感智能提取装置，所述黑土地侵蚀沟卫星遥感智能提取装置包括：
33、生成模块，用于对卫星遥感正射影像dom数据进行条件筛选和统计计算，生成侵蚀沟监测底图数据；
34、确定模块，用于基于所述侵蚀沟监测底图数据确定目标检测初始样本；
35、迭代处理模块，用于基于所述目标检测初始样本对目标检测模型进行n次迭代训练和n次迭代预测处理，得到第i次训练的训练模型i和第i次预测处理的预测结果i，1≤i≤n，其中，第i+1次训练过程中的待训练模型为第i次训练后的目标检测模型；
36、筛选模块，用于根据置信度从所述预测结果i中筛选侵蚀沟检测优选结果i；
37、分割模块，用于通过交互式语义分割模型对所述侵蚀沟检测优选结果i进行交互式语义分割，得到侵蚀沟智能分割结果。
38、第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的黑土地侵蚀沟卫星遥感智能提取方法。
39、第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的黑土地侵蚀沟卫星遥感智能提取方法。
40、上述本申请提供的黑土地侵蚀沟卫星遥感智能提取方法，提出了融合增量式学习与置信度过滤的侵蚀沟目标检测样本与模型迭代优化方法，对每一轮的阶段性预测结果进行置信度过滤，并将置信度高的预测结果转化为补充样本进行增量式学习，不断迭代样本、优化模型。可解决只有少量初始样本下的侵蚀沟目标检测问题，提高侵蚀沟分割准确度。采用基于边缘约束交互式语义分割的算法进行侵蚀沟边缘提取，并且基于不断生成的侵蚀沟提取成果更新交互式语义分割基础模型，不断提升交互标注的效率。可以解决当前的全自动的侵蚀沟提取无法精确提取边缘，而人工直接提取成本高、效率低的问题。
本文档来自技高网...【技术保护点】
1.一种黑土地侵蚀沟卫星遥感智能提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对卫星遥感正射影像DOM数据进行条件筛选和统计计算，生成侵蚀沟监测底图数据，包括：
3.根据权利要求2所述的方法，其特征在于，对所述候选DOM数据进行统计计算，包括：
4.根据权利要求1所述的方法，其特征在于，所述侵蚀沟智能分割结果包括N个分割结果；
5.根据权利要求1所述的方法，其特征在于，所述目标检测样本j的获取，包括：
6.根据权利要求1所述的方法，其特征在于，所述交互式语义分割模型包括骨干网络模型及边缘约束分支；所述侵蚀沟智能分割结果包括N个分割结果；
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种黑土地侵蚀沟卫星遥感智能提取装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器运行时执行权利要求1至7中任一项所述的黑土地侵蚀沟卫星遥感智能提取方法。
...【技术特征摘要】
1.一种黑土地侵蚀沟卫星遥感智能提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对卫星遥感正射影像dom数据进行条件筛选和统计计算，生成侵蚀沟监测底图数据，包括：
3.根据权利要求2所述的方法，其特征在于，对所述候选dom数据进行统计计算，包括：
4.根据权利要求1所述的方法，其特征在于，所述侵蚀沟智能分割结果包括n个分割结果；
5.根据权利要求1所述的方法，其特征在于，所述目标检测样本j的获取，包括：
6.根据权利要求1所述的方法，其特征在于，所述交互式语义分割模型包括骨干网络...
【专利技术属性】
技术研发人员：刘力荣，廖安平，甘宇航，尤淑撑，禄競，罗征宇，刘克，何芸，
申请(专利权)人：自然资源部国土卫星遥感应用中心，
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。