一种全球遥感影像样本集构建与更新方法及系统技术方案

本发明专利技术公开了一种全球遥感影像样本集构建与更新方法及系统，其包括：获取历史遥感影像数据和历史解译数据；基于历史解译数据，采用二分法确定地表覆盖类别集；基于地表覆盖类别集得到分类数据；基于历史遥感影像数据，进行相似度计算，得到分区结果；对分类数据进行坐标投影转换和栅格形式转换，得到标签数据；基于地表覆盖类别集、分区结果、标签数据和历史遥感影像数据构建样本集；获取实时遥感影像，结合训练好的分类预测模型得到实时分类结果，对分类预测结果进行坐标投影转换和栅格形式转换，得到实时标签数据；将实时遥感影像、实时分类结果和实时标签数据同步至样本集。本发明专利技术增强了样本集的普适性和延展性，实现样本集的动态更新。

【技术实现步骤摘要】

本专利技术涉及遥感影像，特别是涉及一种全球遥感影像样本集构建与更新方法及系统。

技术介绍

1、卫星遥感影像因其宏观和高效等优势已在地理世情监测、全球测图、环境变化研究以及可持续发展规划等众多领域发挥巨大作用。尤其近年来，随着航空航天技术的飞速发展，海量、多源和多时相的遥感影像数据日渐累积，遥感已经进入到一个以数据驱动为主的遥感大数据时代。因此，传统数据处理和信息提取方法已无法满足遥感大数据的处理效率和精度。以深度学习为代表的人工智能方法已成为当前区域/全球大范围地物信息快速有效提取的主流方式，但深度学习本质上仍然以大量样本数据驱动为主，其模型精度和鲁棒性取决于样本数据的规模、质量以及代表性。为此，国内外众多机构相继发布一系列遥感影像样本集，如urbanlandcovereurosat、gaofenimagedatasets以及bigearthnet等数据集，为模型的训练与优化、精度评估与验证提供了数据支撑。然而，由于遥感影像地物要素标注成本较高，现有样本数据集主要针对特定应用场景或目标进行采集或标注，存在分类体系不兼容、样本量少且多样性不足等问题，已经严重本文档来自技高网...

【技术保护点】

1.一种全球遥感影像样本集构建与更新方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的全球遥感影像样本集构建与更新方法，其特征在于，所述步骤S2中，包括：

3.根据权利要求1所述的全球遥感影像样本集构建与更新方法，其特征在于，所述步骤S3中，包括：

4.根据权利要求1所述的全球遥感影像样本集构建与更新方法，其特征在于，所述分类预测模型包括n个神经网络；

5.根据权利要求4所述的全球遥感影像样本集构建与更新方法，其特征在于，所述对所述最优分类结果进行纠正具体为：

6.根据权利要求1所述的全球遥感影像样本集构建与更新方法，其...

【技术特征摘要】

1.一种全球遥感影像样本集构建与更新方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的全球遥感影像样本集构建与更新方法，其特征在于，所述步骤s2中，包括：

3.根据权利要求1所述的全球遥感影像样本集构建与更新方法，其特征在于，所述步骤s3中，包括：

4.根据权利要求1所述的全球遥感影像样本集构建与更新方法...

【专利技术属性】
技术研发人员：彭舒，陈家阁，赵文智，张宏伟，
申请(专利权)人：国家基础地理信息中心，
类型：发明
国别省市：