[发明专利]遥感数据尺度自适应调整方法、装置、存储介质及设备

权利要求书

1.一种遥感数据尺度自适应调整方法，其特征在于，包括以下步骤：

获取目标区域的遥感影像；

基于均值漂移算法，对所述目标区域的遥感影像进行地物分割，提取地物对象的边界信息；

根据所述边界信息，构建每一个地物对象的最小外包矩形，获取多个最小外包矩形的最长边的长度值；

根据所述多个最小外包矩形的最长边的长度值确定多个图像尺度，对所述多个图像尺度进行组合，获取多个图像尺度组合对应的遥感影像的图像集合；

基于网格搜索法和预训练的遥感分类模型，获取所述图像集合中遥感分类精度最高的最优图像尺度组合和最优尺度采样间隔；

根据所述最优图像尺度组合和所述最优尺度采样间隔对所述遥感影像进行采样，利用预训练的遥感分类模型对所述采样的遥感影像进行遥感分类，获取目标区域的地物信息。

2.根据权利要求1所述的遥感数据尺度自适应调整方法，其特征在于，在获取最小外包矩形的最长边的长度值之前，还包括以下步骤：

剔除小于预设阈值的长度值。

3.根据权利要求2所述的遥感数据尺度自适应调整方法，其特征在于，在基于网格搜索法和预训练的遥感分类模型，获取所述图像集合中遥感分类精度最高的最优图像尺度组合和最优尺度采样间隔的步骤之前，还包括：

基于卷积神经网络模型，构建并训练用于对遥感影像进行遥感分类的遥感分类模型；其中，所述遥感分类模型包括若干个卷积层、拼接层、全连接层和分类层；

所述若干个卷积层用于提取所述图像尺度组合的遥感影像的特征图；其中，每一个卷积层分别对应图像尺度组合中的一个图像尺度；

所述拼接层用于将所述若干个卷积层提取的特征图进行拼接；

所述全连接层用于将所述拼接后的特征转换为预设维度的特征；

所述分类层用于对所述预设维度的特征进行分类，获取所述图像尺度组合的遥感影像分类结果。

4.根据权利要求3所述的遥感数据尺度自适应调整方法，其特征在于，获取所述图像集合中遥感分类精度最高的最优图像尺度组合和最优尺度采样间隔的步骤包括：

利用所述预训练的遥感分类模型，获取每一个图像尺度组合的遥感影像分类结果；

获取每一个图像尺度组合的遥感影像分类结果对应的遥感分类精度；

获取所述图像集合中遥感分类精度最高的最优图像尺度组合和最优尺度采样间隔。

5.根据权利要求3所述的遥感数据尺度自适应调整方法，其特征在于，每一个所述卷积层均设有一卷积核；

按照以下方式，获取每一个卷积层的卷积核大小：

其中，k为卷积核的大小，t为卷积核的步长，S为输入图像的尺度， p为填充值，o为提取的特征图的尺度。

6.根据权利要求1-5任一项所述的遥感数据尺度自适应调整方法，其特征在于，还包括以下步骤：

在GIS系统上显示所述目标区域的地物信息。

7.一种遥感数据尺度自适应调整装置，其特征在于，包括：

遥感影像获取模块，用于获取目标区域的遥感影像；

边界信息提取模块，用于基于均值漂移算法，对所述目标区域的遥感影像进行地物分割，提取地物对象的边界信息；

长度值获取模块，用于根据所述边界信息，构建每一个地物对象的最小外包矩形，获取多个最小外包矩形的最长边的长度值；

图像集合获取模块，用于根据所述多个最小外包矩形的最长边的长度值确定多个图像尺度，对所述多个图像尺度进行组合，获取多个图像尺度组合对应的遥感影像的图像集合；

最优参数获取模块，用于基于网格搜索法和预训练的遥感分类模型，获取所述图像集合中遥感分类精度最高的最优图像尺度组合和最优尺度采样间隔；

分类模块，用于根据所述最优图像尺度组合和所述最优尺度采样间隔对所述遥感影像进行采样，利用预训练的遥感分类模型对所述采样的遥感影像进行遥感分类，获取目标区域的地物信息。