[發(fā)明專利]一種地理國情監(jiān)測成果可靠性質(zhì)檢方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010040770.4
• 申請日: 2020-01-15
• 公開（公告）號: CN111259955A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 沈晶;張繼賢;張莉;韓文立;章力博;葛娟;盧遙;周進(jìn)
• 申請（專利權(quán)）人: 國家測繪產(chǎn)品質(zhì)量檢驗(yàn)測試中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 北京市盈科律師事務(wù)所 11344
• 代理人: 劉立國

1.一種地理國情監(jiān)測成果可靠性質(zhì)檢方法，其特征在于：包括以下步驟：

S1：將已有地表覆蓋數(shù)據(jù)柵格化，并賦予各地類指定代碼，生成掩膜數(shù)據(jù)；

S2：將正射影像數(shù)據(jù)與掩膜數(shù)據(jù)建立樣本數(shù)據(jù)集，并利用四種方式對樣本數(shù)據(jù)進(jìn)行增廣，在此基礎(chǔ)上，對深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行增強(qiáng)與融合；

S3：利用超像素多尺度分割方法對新時相影像T2進(jìn)行分割，并將分割后結(jié)果映射到舊時相地表覆蓋數(shù)據(jù)上，提取地表覆蓋變化區(qū)域幾何信息；

S4：利用深度卷積神經(jīng)網(wǎng)絡(luò)模型對地表覆蓋變化區(qū)域進(jìn)行語義標(biāo)記；

S5：將步驟S4所得到的變化圖斑與待檢地表覆蓋數(shù)據(jù)疊加。

2.如權(quán)利要求1所述的地理國情監(jiān)測成果可靠性質(zhì)檢方法，其特征在于：還包括以下步驟：

S6：疑似錯漏檢查及質(zhì)檢報(bào)告生成：

將得到的地表覆蓋變化檢測結(jié)果與待檢地表覆蓋數(shù)據(jù)進(jìn)行幾何和屬性數(shù)據(jù)的對比分析，并將新舊時相影像T2、T1與檢測結(jié)果疊加進(jìn)行驗(yàn)證，最后統(tǒng)計(jì)變化檢測的漏檢、錯檢率，生成質(zhì)檢報(bào)告。

3.如權(quán)利要求1所述的地理國情監(jiān)測成果可靠性質(zhì)檢方法，其特征在于：所述步驟S2中的深度卷積神經(jīng)網(wǎng)絡(luò)模型按照以下步驟建立：

1)樣本選擇與劃分階段，首先將已有正射影像T與掩膜數(shù)據(jù)分割為多個子區(qū)域，每一子區(qū)域?qū)?yīng)一個瓦片，然后采用基于瓦片的機(jī)制來將整個樣本集分為訓(xùn)練樣本集、驗(yàn)證樣本集與測試樣本集；

2)對訓(xùn)練樣本進(jìn)行數(shù)據(jù)增廣操作；

3)將數(shù)據(jù)增廣操作后的訓(xùn)練樣本輸入到深度卷積神經(jīng)網(wǎng)絡(luò)模型中，進(jìn)行前向推理和后向?qū)W習(xí)，訓(xùn)練計(jì)算模型的超參值。

4.如權(quán)利要求1所述的地理國情監(jiān)測成果可靠性質(zhì)檢方法，其特征在于：所述步驟S3中的超像素結(jié)合區(qū)域鄰接圖的分割映射策略按照以下步驟進(jìn)行：

S31：利用超像素多尺度分割方法對新時相影像T2進(jìn)行分割，在此基礎(chǔ)上，采用空間約束的分水嶺分割算法進(jìn)行超像素分割；

S32：構(gòu)建區(qū)域鄰接圖；將初始分割結(jié)果中的每個超像素抽象為一個節(jié)點(diǎn)，超像素相鄰即代表節(jié)點(diǎn)連通，則用一條帶有權(quán)重的線段連接連通節(jié)點(diǎn)；

S33：區(qū)域合并；根據(jù)合并代價(jià)的排序，循環(huán)合并代價(jià)函數(shù)值最小的相鄰區(qū)域，直到最小合并代價(jià)函數(shù)值滿足條件。

5.如權(quán)利要求1所述的地理國情監(jiān)測成果可靠性質(zhì)檢方法，其特征在于：所述合并代價(jià)按照以下函數(shù)進(jìn)行計(jì)算：

H(m,n)＝w₁*D_S(m,n)+w₂*D_T(m,n)+w₃*D_F(m,n) (2)

式中，C(m,n)表示相鄰超像素的合并代價(jià)函數(shù)；

A_m、A_n分別表示超像素m和n的面積；

L表示相鄰超像素的公共邊界長度；

λ表示形狀系數(shù)；

H(m,n)表示相鄰超像素的異質(zhì)性；

w₁、w₂、w₃分別表示光譜異質(zhì)性、紋理異質(zhì)性和特征因子異質(zhì)性的權(quán)重；

D_S(m,n)、D_T(m,n)、D_F(m,n)分別表示光譜異質(zhì)性、紋理異質(zhì)性和特征因子異質(zhì)性，下標(biāo)為f和a的符號分別表示前時相和后時相的特征值。

6.如權(quán)利要求1所述的地理國情監(jiān)測成果可靠性質(zhì)檢方法，其特征在于：所述步驟S4中的深度卷積神經(jīng)網(wǎng)絡(luò)模型采用以下的旋轉(zhuǎn)變換模型的數(shù)據(jù)增強(qiáng)方法并將進(jìn)行融合得到最終的預(yù)測結(jié)果，所述旋轉(zhuǎn)變換模型數(shù)據(jù)増強(qiáng)方法；通過比較不同旋轉(zhuǎn)間隔下的標(biāo)記精度，獲取最優(yōu)的配置方案；具體步驟如下：

輸入已有正射影像T及掩膜數(shù)據(jù)；以不同的旋轉(zhuǎn)間隔旋轉(zhuǎn)樣本；輸入到深度卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練；生成不同旋轉(zhuǎn)間隔的語義標(biāo)記結(jié)果；比較確定影像旋轉(zhuǎn)間隔；將所有樣本以選定間隔旋轉(zhuǎn)；增強(qiáng)深度卷積神經(jīng)網(wǎng)絡(luò)模型。