【技术实现步骤摘要】
本申请属于图像数据处理，特别是涉及遥感图像的处理，可用于人工智能应用于金融行业的，具体涉及一种适用于实体工程的金融风险评测方法及装置。
技术介绍
1、可以理解的是，金融机构向大型实体工程项目放贷的金额巨大，而实体工程项目的建设周期较长，并且常会由于多种原因导致工程建设进度堵塞，这种情况间接提高了相关金融机构的资金风险(贷款违约风险)。因此，金融机构需要实施贷后监控，对实体工程的实施进度进行监测，以及时发现和处理各种风险，以减少金融机构的损失。
2、一般情况下，大型实体工程项目常位于偏远、险要的地理位置，且环境较为恶劣。若派遣专员进行实体工程项目进度监测，不仅需要耗费大量的人力物力，人员的安全也得不到保证。
技术实现思路
1、本专利技术可用于图像数据处理技术在金融方面应用的
，也可用于除金融领域之外的任意领域。
2、本专利技术的一个目的在于提供一种适用于实体工程的金融风险评测方法，该方法针对大型实体工程的遥感图像，以较少的额外时间开销大大提升遥感图像融合模型在特定数据集下的融合能力，以生成可以表征实体工程的施工进度的融合图像，进而准确地监控实体工程的金融风险。
3、本专利技术的另一个目的在于提供一种适用于实体工程的金融风险评测装置。本专利技术的还一个目的在于提供一种电子设备，该电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述适用于实体工程的金融风险评测方法的步骤。本专利技术的还一个目的在于提供一种可读介质，其
4、为解决本申请
技术介绍
中的技术问题，本专利技术提供以下技术方案：
5、第一方面，本专利技术提供一种适用于实体工程的金融风险评测方法包括：
6、获取所述实体工程的遥感图像；其中，所述遥感图像包括多光谱图像以及全色图像；
7、分别对所述多光谱图像以及所述全色图像进行降尺度处理；
8、根据降尺度处理后的多光谱图像、降尺度处理后的全色图像以及预生成的图像融合模型评测所述实体工程的金融风险。
9、在本专利技术的一些实施例中，生成所述图像融合模型的步骤包括：
10、根据预设的卷积神经网络以及残差网络生成所述图像融合模型；其中：
11、所述卷积神经网络用于根据所述降尺度处理后的多光谱图像中的高通滤波域成分以及所述降尺度处理后的全色图像的高通滤波域成分生成第一网络图像；其中，所述卷积神经网络为2层结构；
12、所述残差网络用于根据所述第一网络图像生成融合图像。
13、在本专利技术的一些实施例中，所述根据降尺度处理后的多光谱图像、降尺度处理后的全色图像以及预生成的图像融合模型评测所述实体工程的金融风险，包括：
14、根据所述降尺度处理后的多光谱图像、所述降尺度处理后的全色图像以及所述图像融合模型确定所述遥感图像的融合图像；其中，所述融合图像用于表征所述实体工程的施工进度；
15、根据所述施工进度评测所述实体工程的金融风险。
16、在本专利技术的一些实施例中，所述根据所述降尺度处理后的多光谱图像、所述降尺度处理后的全色图像以及所述图像融合模型确定所述遥感图像的融合图像，包括：
17、进行以下迭代操作，直至达到迭代停止条件：
18、将所述降尺度处理后的多光谱图像、所述降尺度处理后的全色图像输入至所述图像融合模型，以生成所述融合图像；
19、确定所述融合图像的光谱信息损失以及所述融合图像的空间信息损失；
20、根据所述光谱信息损失以及所述空间信息损失更新所述图像融合模型。
21、在本专利技术的一些实施例中，根据所述光谱信息损失以及所述空间信息损失更新所述图像融合模型，包括：
22、计算所述光谱信息损失与所述空间信息损失之和，以生成信息总损失；
23、将所述信息总损失在所述图像融合模型进行反向传播，以更新所述图像融合模型。
24、在本专利技术的一些实施例中，确定所述融合图像的光谱信息损失，包括：
25、将所述融合图像映射为单通道全色图像；
26、根据所述单通道全色图像以及所述全色图像确定所述融合图像的光谱信息损失。
27、在本专利技术的一些实施例中，确定所述融合图像的空间信息损失，包括：
28、根据预设的卷积核对所述融合图像进行降尺度处理，以生成降尺度多光谱图像；
29、计算所述降尺度多光谱图像与所述多光谱图像之间的空间结构相似性参数；
30、根据所述空间结构相似性参数确定所述空间信息损失。
31、第二方面，本专利技术提供一种适用于实体工程的金融风险评测装置，该装置包括：
32、遥感图像获取模块，用于获取所述实体工程的遥感图像；其中，所述遥感图像包括多光谱图像以及全色图像；
33、图像降尺度处理，用于分别对所述多光谱图像以及所述全色图像进行降尺度处理；
34、金融风险评测模块，用于根据降尺度处理后的多光谱图像、降尺度处理后的全色图像以及预生成的图像融合模型评测所述实体工程的金融风险。
35、在本专利技术的一些实施例中，一种适用于实体工程的金融风险评测装置，还包括：
36、融合模型生成模块，用于生成所述图像融合模型，所述融合模型生成模块包括：
37、融合模型生成单元，用于根据预设的卷积神经网络以及残差网络生成所述图像融合模型；其中：
38、所述卷积神经网络用于根据所述降尺度处理后的多光谱图像中的高通滤波域成分以及所述降尺度处理后的全色图像的高通滤波域成分生成第一网络图像；其中，所述卷积神经网络为2层结构；
39、所述残差网络用于根据所述第一网络图像生成融合图像。
40、在本专利技术的一些实施例中，所述金融风险评测模块包括：
41、融合图像确定单元，用于根据所述降尺度处理后的多光谱图像、所述降尺度处理后的全色图像以及所述图像融合模型确定所述遥感图像的融合图像；其中，所述融合图像用于表征所述实体工程的施工进度；
42、金融风险评测单元，用于根据所述施工进度评测所述实体工程的金融风险。
43、在本专利技术的一些实施例中，所述融合图像确定单元包括：
44、迭代操作单元，用于进行以下迭代操作，直至达到迭代停止条件：
45、融合图像生成单元，用于将所述降尺度处理后的多光谱图像、所述降尺度处理后的全色图像输入至所述图像融合模型，以生成所述融合图像；
46、信息损失确定单元，用于确定所述融合图像的光谱信息损失以及所述融合图像的空间信息损失；
47、融合模型更新单元，用于根据所述光谱信息损失以及所述空间信息损失更新所述图像融合模型。
48、在本专利技术的一些实施例中，融合模型更新单元包括：
49、信息总损失生成单本文档来自技高网...
【技术保护点】
1.一种适用于实体工程的金融风险评测方法，其特征在于，包括：
2.根据权利要求1所述的金融风险评测方法，其特征在于，生成所述图像融合模型的步骤包括：
3.根据权利要求2所述的金融风险评测方法，其特征在于，所述根据降尺度处理后的多光谱图像、降尺度处理后的全色图像以及预生成的图像融合模型评测所述实体工程的金融风险，包括：
4.根据权利要求3所述的金融风险评测方法，其特征在于，所述根据所述降尺度处理后的多光谱图像、所述降尺度处理后的全色图像以及所述图像融合模型确定所述遥感图像的融合图像，包括：
5.根据权利要求4所述的金融风险评测方法，其特征在于，根据所述光谱信息损失以及所述空间信息损失更新所述图像融合模型，包括：
6.根据权利要求4所述的金融风险评测方法，其特征在于，确定所述融合图像的光谱信息损失，包括：
7.根据权利要求4所述的金融风险评测方法，其特征在于，确定所述融合图像的空间信息损失，包括：
8.一种适用于实体工程的金融风险评测装置，其特征在于，包括：
9.一种电子设备，包括存储器、
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述的适用于实体工程的金融风险评测方法的步骤。
...【技术特征摘要】
1.一种适用于实体工程的金融风险评测方法，其特征在于，包括：
2.根据权利要求1所述的金融风险评测方法，其特征在于，生成所述图像融合模型的步骤包括：
3.根据权利要求2所述的金融风险评测方法，其特征在于，所述根据降尺度处理后的多光谱图像、降尺度处理后的全色图像以及预生成的图像融合模型评测所述实体工程的金融风险，包括：
4.根据权利要求3所述的金融风险评测方法，其特征在于，所述根据所述降尺度处理后的多光谱图像、所述降尺度处理后的全色图像以及所述图像融合模型确定所述遥感图像的融合图像，包括：
5.根据权利要求4所述的金融风险评测方法，其特征在于，根据所述光谱信息损失以及所述空间信息损失更新所述图像融合模型，包括：...
【专利技术属性】
技术研发人员：张攀，
申请(专利权)人：中国工商银行股份有限公司，
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。