[发明专利]城市功能区的样本标注方法及装置、电子设备和存储介质

说明书

本发明实施例提供一种城市功能区的样本标注方法及装置、电子设备和存储介质，其中，所述方法包括：获取至少一个城市功能区；利用预定义的稀疏主题模型确定每个所述城市功能区的主题概率分布，选择主题概率分布符合设定条件的城市功能区作为纯净样本，并标注纯净样本中每个城市功能区的类别；基于第一分类模型和城市功能区的已知类别，确定每个未标注城市功能区的类别隶属度信息熵，确定隶属度信息熵大于第一阈值的未标注城市功能区为混淆样本；基于第二分类模型对混淆样本进行分类识别，确定混淆样本中每个未标注城市功能区的类别，在确定纯净样本和混淆样本中每个城市功能区的类别后，实现城市功能区样本的快速、精确地提取。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种城市功能区的样本标注方法及装置、电子设备和存储介质。

背景技术

遥感影像(Remote Sensing Image)，指的是纪录各种地物电磁波大小的胶片或相片，在遥感领域中主要是指航空图像和卫星图像。用计算机处理的遥感图像为数字图像。

在获得遥感影像后，需要对遥感影像进行标注。传统的遥感影像标注方法主要包括实地测绘以及人工标注。其中，实地测绘获得的样本结果是目前为止精度最高的方法，而人工标注是最为常见的一种方法，但是二者都是依赖于人工作业的方式，需要耗费大量的人力物力，而遥感数据众多且覆盖范围很广，实地测绘及人工标注的难度将会非常大。

以城市功能区为例，已有的城市功能区样本获取方法大致可归纳为以下两类：完全监督采样和半监督采样。完全监督采样方法是目前最为常见的采样方式，它要求采样人员根据自己对城市功能区的理解进行样本的获取和标注，在这种情况下依赖于采样人员的主观判断，采集样本的有效性通常较低。另一方面，有学者提出了基于聚类结果的半监督采样方法，他们首先利用聚类算法对城市功能区依据特征分布进行聚类，然后根据空间邻域纯净度选取置信度高的聚类结果作为样本，人工对这些样本所属的聚类中心进行目视判读、标注功能类别。这个方法中存在的最大的问题是，聚类结果和城市功能区类别无法一对一或者多对一对应，因此选取的样本中存在许多错误的类别信息。

因此，现有遥感采样方法都不能满足高效、高精度城市功能区样本标注的目标。

发明内容

针对现有技术中存在的技术问题，本发明实施例提供了一种城市功能区的样本标注方法及装置、电子设备和存储介质，以解决现有技术中存在的技术缺陷。

本发明实施例提供了一种城市功能区的样本标注方法，包括：

获取至少一个城市功能区；

利用预定义的稀疏主题模型确定每个所述城市功能区的主题概率分布，选择主题概率分布符合设定条件的城市功能区作为纯净样本，并标注所述纯净样本中每个城市功能区的类别；

基于第一分类模型和所述城市功能区的已知类别，确定每个未标注城市功能区的类别隶属度信息熵，确定隶属度信息熵大于第一阈值的未标注城市功能区为混淆样本；

基于第二分类模型对所述混淆样本进行分类识别，确定所述混淆样本中每个未标注城市功能区的类别。

根据本发明一个实施例的城市功能区的样本标注方法，利用预定义的稀疏主题模型确定每个所述城市功能区的主题概率分布，包括：

提取每个城市功能区的多个特征，确定每个城市功能区中每个特征的出现次数以及每个城市功能区中所有特征的出现次数；

基于所述稀疏主题模型，确定每个城市功能区对应的至少一个主题，其中，所述稀疏主题模型包含多个主题；

基于所述稀疏主题模型，根据每个城市功能区中每个特征的出现次数、每个城市功能区中所有特征的出现次数以及每个城市功能区对应的至少一个主题，确定每个城市功能区的每个特征在每个主题中的出现概率以及每个所述城市功能区对于每个主题的主题概率分布。