[发明专利]一种将基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法

说明书

本发明提供一种将基于Mask R‑CNN的遥感影像地物检测实现为地理WPS服务的方法，可以实现Mask R‑CNN模型遥感影像地物检测的远程在线和多人共享应用。本发明实现了根据应用需求，调用Mask R‑CNN模型对遥感影像数据的自动化地物检测识别，以及对地物检测结果的空间矢量多边形自动转换和空间数据库存储，并把作为规范地理编码格式的地物检测结果网络传输至客户端的完整应用服务流程。本发明极大程度地降低了遥感影像地物检测过程中的人工工作量，这对于推动Mask R‑CNN模型在地物检测方面的深入应用有着非常好的促进作用。

技术领域

本方法涉及地理信息系统、计算机网络和深度学习技术领域，具体是一种将基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法。

背景技术

Mask R-CNN是一种图像识别检测深度学习模型，因为其优良的目标检测能力，也被拓展应用到遥感影像上，进行特定地物目标的检测识别，相比传统的遥感影像地物识别算法，取得了不错的应用效果。

尽管利用Mask R-CNN模型进行遥感影像的地物检测具有较大应用优势，但是在目前具体实践中，存在着如下困难：

(1)利用Mask R-CNN模型进行较快和较好的检测运算，需要配备高性能CPU和GPU的硬件平台，普通应用人员往往不具备这种条件；

(2)遥感影像的尺寸和文件大小远超过Mask R-CNN模型通常检测的图像，所以现在常用的方法是将遥感影像裁剪成大小符合要求的小幅图像，再分别给与Mask R-CNN模型进行检测，增加了很多额外的数据预处理工作量；

(3)Mask R-CNN模型的检测结果是像素图像，没有地理坐标，不具有地理空间意义，还需要人工将其转换为空间矢量等地理数据才有实际应用价值；

(4)Mask R-CNN模型的地物检测难以与其他相关的地理处理操作整合，形成统一的遥感影像地物检测流程。

发明内容

针对上述Mask R-CNN模型在遥感影像地物检测上应用的困难之处，本发明提出一种利用地理信息系统、计算机网络等技术，将基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法，可以实现Mask R-CNN模型遥感影像地物检测的远程在线和多人共享应用。地理WPS服务是一种用于在网络上提供和执行地理空间处理的规范服务，通过基于Mask R-CNN的遥感影像地物检测的地理WPS服务，使用人员仅需通过网络向服务器提交地物检测请求，就能同样通过网络得到Mask R-CNN模型的地物检测结果数据，降低了地物检测过程中的人工工作量，扩大了Mask R-CNN模型的应用范围和场景，这对于推动Mask R-CNN模型在遥感影像地物检测方面的深入应用有着非常好的促进作用。

为了解决上述技术问题，本法采用的技术方案是：一种将基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法，包括如下步骤：

第一步、利用机器学习框架Tensorflow实现Mask R-CNN模型结构，并通过基于TCP/IP协议的Socket网络通信实现对Mask R-CNN模型的远程调用功能；

第二步、利用地理服务器提供的编程API，制作地理WPS服务，地理WPS服务可接受客户端的网络请求参数，然后向Mask R-CNN模型发出远程调用请求；

第三步、利用GDAL空间数据读取库，实现Mask R-CNN模型对遥感影像数据的自动化地物检测识别计算；

第四步、利用GIS空间处理和空间数据库，将Mask R-CNN模型遥感影像地物检测的输出结果自动转换为空间矢量多边形数据并进行存储；

第五步、将地物检测的空间矢量结果转换为能进行网络传输的地理编码格式，通过地理WPS服务返回至请求服务的客户端。