[發明專利]一種基于深度學習的地理信息的識別方法及系統

有效

• 申請號: 202211206181.4
• 申請日: 2022-09-30
• 公開（公告）號: CN115497010B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 楊石興;宋永恒;張昌帥;燕志洲;楊皎龍;譙力
• 申請（專利權）人: 北京恒歌科技有限公司
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/764;G06V10/82
• 代理公司: 北京智鴻港知識產權代理事務所(普通合伙) 16003
• 代理人: 張學府

本發明提供了一種基于深度學習的地理信息的識別方法及系統，其方法包括：S1：基于原始地貌圖像中的邊緣線對原始地貌圖像進行區域劃分，獲得多個地貌圖像區域；S2：對所有地貌圖像區域進行分類，獲得每個地貌類別對應的待識別區域集合；S3：基于對應地貌類別對應的深度卷積網絡，對待識別區域進行特征提取，獲得對應的累積圖像特征；S4：基于累積圖像特征對原始地貌圖像進行增強處理，獲得增強地貌圖像；S5：在增強地貌圖像中識別出有效地理信息；用以將圖像深度學習和地理信息識別進行技術結合，實現基于深度學習對遙感圖像的高精度低運算處理，進而在遙感圖像中精準高效地識別出地理信息。

技術領域

本發明涉及圖像深度學習技術領域，特別涉及一種基于深度學習的地理信息的識別方法及系統。

背景技術

目前，與人工智能聯系最緊密的名詞，可能是“深度學習”或者是“神經網絡”，隨著深度學習在圖像識別領域取得巨大突破，圖像處理已成為深度學習中重要的研究領域，將深度學習和遙感圖像中識別地理信息進行技術結合應用也是地理信息識別領域的重要研究方向，地理信息系統的信息采集多通過對無人機采集的遙感圖像進行識別，進而獲得地理信息，因此，如何在遙感圖像中精準高效地識別出所需識別區域內的地理信息是地理信息獲取的技術關鍵。

但是，由于無人機獲取的遙感圖像的圖像質量和顯示效果無法保證，進而導致地理信息的識別準確率和識別效率有所下降。

因此，本發明提出了一種基于深度學習的地理信息的識別方法及系統。

發明內容

本發明提供一種基于深度學習的地理信息的識別方法及系統，用以將圖像深度學習和地理信息識別進行技術結合，基于對原始地貌圖像進行區域劃分后確定出的地貌類別對應的深度卷積網絡進行分區域特征提取，獲得累積特征圖像，并基于累積特征圖像進行增強處理和信息讀取，實現基于深度學習對遙感圖像的高精度低運算處理，進而在遙感圖像中精準高效地識別出地理信息。

本發明提供一種基于深度學習的地理信息的識別方法，包括：

S1：基于原始地貌圖像中的邊緣線對原始地貌圖像進行區域劃分，獲得多個地貌圖像區域；

S2：對所有地貌圖像區域進行分類，獲得每個地貌類別對應的待識別區域集合；

S3：基于對應地貌類別對應的深度卷積網絡，對待識別區域進行特征提取，獲得對應的累積圖像特征；

S4：基于累積圖像特征對原始地貌圖像進行增強處理，獲得增強地貌圖像；

S5：在增強地貌圖像中識別出有效地理信息。

優選的，所述的一種基于深度學習的地理信息的識別方法，S1：基于原始地貌圖像中的邊緣線對原始地貌圖像進行區域劃分，獲得多個地貌圖像區域，包括：

S101：基于Canny邊緣檢測算子對原始地貌圖像進行邊緣識別，獲得邊緣線；

S102：基于邊緣線獲得原始地貌圖像中的封閉輪廓線；

S103：基于封閉輪廓線對原始地貌圖像進行區域劃分，獲得多個地貌圖像區域。

優選的，所述的一種基于深度學習的地理信息的識別方法，S2：對所有地貌圖像區域進行分類，獲得每個地貌類別對應的待識別區域集合，包括：

基于滑窗特征提取方法提取地貌圖像區域的地貌圖像特征；

基于地貌圖像特征確定出對應地貌圖像區域的所屬地貌類別；

基于每個地貌圖像區域的所屬地貌類別，對所有地貌圖像區域進行分類匯總，獲得每個地貌類別對應的待識別區域集合。

優選的，所述的一種基于深度學習的地理信息的識別方法，基于滑窗特征提取方法提取地貌圖像區域中的地貌圖像特征，包括：