[发明专利]基于遥感影像的地理信息提取深度学习训练样本交互制作方法

说明书

本发明公开了一种基于遥感影像的地理信息提取深度学习训练样本交互式制作方法。按照要求确定被提取目标的种子点即可流程化获得深度学习模型训练样本集。本发明用到的漫水填充算法、深度学习训练及推理过程均以单个“图片工作区域”为单位，能够提高制作方法的效率。在深度学习推理阶段对输入图片进行调整，形成多个输入，并对对应的多个输出进行“按位极大值输出”，最大程度的提高目标提取的完整性。最后将漫水填充算法的提取结果和深度学习模型的推理结果相融合，通过人机交互方式进行完善，最大限度地提升了深度学习模型训练样本制作效率，减少人工样本制作的主观性，保证输出结果的质量。

技术领域

本发明属于地理信息技术领域，更为具体地讲，涉及一种基于遥感影像的地理信息提取深度学习训练样本交互制作方法。

背景技术

星载或机载遥感系统可以快速获取大幅面遥感影像，目前已广泛应用于地理信息系统(GIS)的数据处理与信息更新。

地理信息作为人类社会交通的主要构成，在国民经济和军事领域扮演着重要的角色，地理信息的获取与更新具有极其重要的政治、军事、经济意义。传统的基于遥感影像的地理信息提取需要专业人员对遥感影像进行人工标注，花费大量的人力、物力和时间，处理效率远远不能满足应用需求。

随着人工智能(AI)技术发展，采用深度学习方法代替复杂繁琐的人工地理信息标注，可以充分利用遥感影像优势，大幅度提高GIS数据生产效率，满足人类社会活动对地理信息的需求。

然而在遥感影像AI处理中，一个泛化良好的地理信息提取深度学习模型需要人工制作大量的训练样本，已经成为目前提升遥感影像AI效率及应用的一大难题。全球著名研究机构、企业以及相关专家学者花费大量人力、物力制作训练样本库，以提升地理信息提取深度学习模型建立的质量。提高地理信息提取深度学习模型训练样本制作效率在人工智能领域尤为重要。将深度学习技术与影像处理技术相结合，建立高效的训练样本制作方法是解决上述问题的有效途径。

发明内容

本发明的目的在于克服现有技术的不足，解决地理信息提取深度学习模型训练样本制作的困难。将人工智能技术与影像处理技术相结合，提供一种基于遥感影像的地理信息提取深度学习训练样本交互制作方法，大幅度提升训练样本制作效率，支撑地理信息提取深度学习模型建立。

为实现上述发明目的，本发明基于遥感影像的地理信息提取深度学习训练样本交互制作方法，其特征在于，包括以下步骤：

(1)、在遥感影像上选取处理影像区域作为图片工作区域

(2)、使用漫水填充算法提取图片工作区域内的二值图；

(3)、使用带有预训练权重的深度学习模型提取图片工作区域内的二值图；

(4)、对两个二值图进行融合，得到被提取目标的二值图；

(5)、通过人机交互的方式完善被提取目标的二值图并添加到训练样本集合；

(6)、用训练样本集合对步骤(3)使用的深度学习模型进行训练，更新该模型的权重参数；

(7)、重复步骤(1)-(6)，不断添加训练样本到训练样本集合中，最终完成训练样本交互式制作。

本发明的发明目的是这样实现的：

本发明基于遥感影像的地理信息提取深度学习训练样本交互制作方法，交互简单，只需要按照要求确定被提取目标的种子点即可流程化获得训练样本集。本发明用到的漫水填充算法、深度学习训练及推理过程均以单个“图片工作区域”为单位，能够提高制作方法的效率。通过漫水填充的算法和深度学习模型提取结果的融合，可以提高训练样本的制作效率以及样本准确性。通过不断训练深度学习模型，更新推理权重，可以提高模型对处理影像的适应性，提高处理精度。通过人机交互方式进行完善，可以保证输出结果的质量。