System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,特别涉及一种基于卫星底图的矢量轮廓识别方法、系统、介质及计算机。
技术介绍
1、配网设计软件用户在进行架空线路设计时大量参考使用卫星底图进行道路房屋设施识别工作,以便提升线路设计工作的准确性。但卫星底图越精简,尺寸越大,不利于用户数据存储以及成果打印效果,甚至审核单位不允许有卫星地图,需要使用行政dwg地图来代替,已达到审核要求,现状是行政道路dwg地图往往比较老旧无法适用于当前设计工作。
技术实现思路
1、基于此,本专利技术的目的是提供一种基于卫星底图的矢量轮廓识别方法、系统、介质及计算机,以至少解决上述技术中的不足。
2、本专利技术提出一种基于卫星底图的矢量轮廓识别方法,包括:
3、获取卫星底图数据,并对所述卫星底图数据进行预处理,以得到对应的预处理数据;
4、对所述预处理数据进行特征提取,以提取出所述预处理数据中的特征数据和模式数据;
5、根据所述特征数据和所述模式数据生成对应的矢量图形,并根据所述矢量图形调整轮廓识别模型的模型参数和优化算法,以得到轮廓识别优化模型;
6、根据所述轮廓识别优化模型对待处理的卫星底图进行特征处理,以识别出所述待处理的卫星底图的矢量图形。
7、进一步的,获取卫星底图数据,并对所述卫星底图数据进行预处理,以得到对应的预处理数据的步骤包括:
8、获取卫星底图数据,并对所述卫星底图数据依次进行图像裁剪、图像缩放以及图像归一化处理,以得到对应的初步
9、对所述初步数据进行数据清洗和数据增强,以得到对应的预处理数据。
10、进一步的,对所述预处理数据进行特征提取,以提取出所述预处理数据中的特征数据和模式数据的步骤包括:
11、利用深度学习算法对所述预处理数据进行特征提取,以识别出所述预处理数据中的地理信息;
12、解析出所述地理信息的关键特征和模式信息,以得到所述预处理图像对应的特征数据和模式数据。
13、进一步的,根据所述特征数据和所述模式数据生成对应的矢量图形的步骤包括;
14、根据所述特征数据和所述模式数据对所述卫星底图进行数据标注,并将所得到的标注数据划分为训练集和测试集;
15、对所述训练集进行数据增强,并利用所述测试集进行数据测试,以得到对应的矢量图形。
16、本专利技术还提出一种基于卫星底图的矢量轮廓识别系统,包括:
17、预处理模块,用于获取卫星底图数据,并对所述卫星底图数据进行预处理,以得到对应的预处理数据;
18、特征提取模块,用于对所述预处理数据进行特征提取,以提取出所述预处理数据中的特征数据和模式数据;
19、模型优化模块,用于根据所述特征数据和所述模式数据生成对应的矢量图形,并根据所述矢量图形调整轮廓识别模型的模型参数和优化算法,以得到轮廓识别优化模型;
20、特征处理模块,用于根据所述轮廓识别优化模型对待处理的卫星底图进行特征处理,以识别出所述待处理的卫星底图的矢量图形。
21、进一步的,所述预处理模块包括:
22、图像处理单元,用于获取卫星底图数据,并对所述卫星底图数据依次进行图像裁剪、图像缩放以及图像归一化处理,以得到对应的初步数据;
23、数据增强单元,用于对所述初步数据进行数据清洗和数据增强,以得到对应的预处理数据。
24、进一步的,所述特征提取模块包括:
25、特征提取单元,用于利用深度学习算法对所述预处理数据进行特征提取,以识别出所述预处理数据中的地理信息;
26、数据解析单元,用于解析出所述地理信息的关键特征和模式信息,以得到所述预处理图像对应的特征数据和模式数据。
27、进一步的,所述模型优化模块包括;
28、数据标注单元,用于根据所述特征数据和所述模式数据对所述卫星底图进行数据标注,并将所得到的标注数据划分为训练集和测试集;
29、矢量处理单元,用于对所述训练集进行数据增强,并利用所述测试集进行数据测试,以得到对应的矢量图形。
30、本专利技术还提出一种介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于卫星底图的矢量轮廓识别方法。
31、本专利技术还提出一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的基于卫星底图的矢量轮廓识别方法。
32、本专利技术当中的基于卫星底图的矢量轮廓识别方法、系统、介质及计算机,通过对卫星底图数据进行预处理,并对预处理数据进行特征提取,以得到对应的特征数据和模式数据,根据特征数据和模式数据生成矢量图形,并利用矢量图形调整轮廓识别优化模型的模型参数和优化算法,利用轮廓识别优化模型对待处理的卫星底图进行特征处理,以得到待处理的卫星底图的矢量图形,通过自动化完成转换任务,并利用矢量轮廓识别方式实现更高的精度和可扩展性,可以适应不同数据集和应用场景。
本文档来自技高网...【技术保护点】
1.一种基于卫星底图的矢量轮廓识别方法,其特征在于,包括:
2.根据权利要求1所述的基于卫星底图的矢量轮廓识别方法,其特征在于,获取卫星底图数据,并对所述卫星底图数据进行预处理,以得到对应的预处理数据的步骤包括:
3.根据权利要求1所述的基于卫星底图的矢量轮廓识别方法,其特征在于,对所述预处理数据进行特征提取,以提取出所述预处理数据中的特征数据和模式数据的步骤包括:
4.根据权利要求1所述的基于卫星底图的矢量轮廓识别方法,其特征在于,根据所述特征数据和所述模式数据生成对应的矢量图形的步骤包括;
5.一种基于卫星底图的矢量轮廓识别系统,其特征在于,包括:
6.根据权利要求5所述的基于卫星底图的矢量轮廓识别系统,其特征在于,所述预处理模块包括:
7.根据权利要求5所述的基于卫星底图的矢量轮廓识别系统,其特征在于,所述特征提取模块包括:
8.根据权利要求5所述的基于卫星底图的矢量轮廓识别系统,其特征在于,所述模型优化模块包括;
9.一种介质,其上存储有计算机程序,其特征在于,该程序被处理器执
10.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一所述的基于卫星底图的矢量轮廓识别方法。
...【技术特征摘要】
1.一种基于卫星底图的矢量轮廓识别方法,其特征在于,包括:
2.根据权利要求1所述的基于卫星底图的矢量轮廓识别方法,其特征在于,获取卫星底图数据,并对所述卫星底图数据进行预处理,以得到对应的预处理数据的步骤包括:
3.根据权利要求1所述的基于卫星底图的矢量轮廓识别方法,其特征在于,对所述预处理数据进行特征提取,以提取出所述预处理数据中的特征数据和模式数据的步骤包括:
4.根据权利要求1所述的基于卫星底图的矢量轮廓识别方法,其特征在于,根据所述特征数据和所述模式数据生成对应的矢量图形的步骤包括;
5.一种基于卫星底图的矢量轮廓识别系统,其特征在于,包括:
6.根据权利要求...
【专利技术属性】
技术研发人员:姜紫梁,廖成慧,李多,罗田田,朱少雄,杨帅奇,
申请(专利权)人:江西博微新技术有限公司,
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。