高分辨率遥感影像标注的迁移修正方法、系统及存储介质与流程

本技术涉及遥感影像处理领域，尤其涉及一种高分辨率遥感影像标注的迁移修正方法、系统及存储介质。

背景技术：

1、遥感(remote sensing)，是指非接触的，远距离的探测技术。在当今社会发展中，遥感技术的作用越来越重要，其为地理信息系统和空间规划、农业生产和自然资源管理、天气预报和灾害监测以及基础设施建设和交通管理等各领域都提供了强有力的技术支持和数据支持。

2、在对遥感影像进行数据处理时，通常需要进行数据标注，其目的是帮助操作人员更好地理解或者进一步对遥感影像进行利用，在同一区域、某一时相遥感影像已经完成数据标注的情况下，对同一区域、另一时相遥感影像进行分析，可以得到该区域在不同时间段内的地表信息变化情况。相关技术中，对遥感影像的数据标注进行标注迁移，但成像角度的差异和拍摄所用传感器之间的差异，使得遥感影像数据标注迁移的准确度下降。

技术实现思路

1、本技术实施例的主要目的在于提出一种高分辨率遥感影像标注的迁移修正方法、系统及存储介质，能够提高同一区域、不同时相遥感影像数据标注迁移修正的准确度。

2、为实现上述目的，本技术实施例的第一方面提出了一种高分辨率遥感影像标注的迁移修正方法，所述方法包括：获取样本影像和目标影像，其中，所述样本影像和所述目标影像均包括至少一个目标物体，所述样本影像配置有所述目标物体的标注信息；将所述目标影像输入到预先训练好的预测模型中，得到所述目标影像中各像素点为所述目标物体的像素概率值，根据各所述像素概率值建立所述目标影像的预测概率图；根据所述标注信息确定所述目标物体在所述样本影像中所处的样本斑块，并在所述预测概率图中确定所述样本斑块的匹配区域；计算至少一个所述样本斑块和所述匹配区域中各像素点的相似度值，并基于所述相似度值在所述匹配区域中约束匹配各所述样本斑块，得到目标匹配位置，以使约束匹配后的各所述样本斑块与所述目标影像中的所述目标物体整体对应；根据所述目标匹配位置，得到所述目标物体在所述目标影像中的目标标注结果。

3、在一些实施例中，根据所述目标影像的目标标注结果，得到目标斑块，所述目标斑块包括目标斑块特征值和所述目标斑块特征值对应的目标斑块标注信息；所述样本斑块包括样本斑块特征值和所述样本斑块特征值对应的样本斑块标注信息；所述根据所述目标匹配位置，得到所述目标物体在所述目标影像中的目标标注结果之后，还包括：获取用于增扩的权重参数值；将所述权重参数值与单位权重进行差值运算，得到差额权重参数值；将所述权重参数值与所述样本斑块特征值相乘，得到第一子值，将所述差额权重参数值与所述目标斑块特征值相乘，得到第二子值，将所述第一子值和所述第二子值相加，得到第一增扩信息；将所述权重参数值与所述样本斑块标注信息相乘，得到第三子值，将所述差额权重参数值与所述目标斑块标注信息相乘，得到第四子值，将所述第三子值和所述第四子值相加，得到第二增扩信息；根据所述第一增扩信息和所述第二增扩信息，得到增扩改进后的增扩样本，所述增扩样本用于对所述目标标注结果进行迭代改进。

4、在一些实施例中，所述根据所述标注信息确定所述目标物体在所述样本影像中所处的样本斑块，包括：获取所述目标影像的定位参考点和分辨率参数；根据所述定位参考点和所述分辨率参数，对所述样本影像进行定位调节和分辨率调节，以使调节后的所述样本影像和所述目标影像的坐标位置和分辨率一致，得到预处理后的样本影像；根据所述目标影像的影像特征对预处理后的所述样本影像进行特征转换，得到转换后的样本影像，并根据所述转换后的样本影像，得到所述样本影像转换后的标注信息；根据所述转换后的标注信息，确定所述目标物体在所述样本影像中所处的样本斑块。

5、在一些实施例中，所述根据所述目标影像的影像特征对预处理后的所述样本影像进行特征转换，得到转换后的样本影像，包括：获取预处理后的所述样本影像的第一光谱信息，以及所述目标影像的第二光谱信息；若所述第一光谱信息和所述第二光谱信息在预设的光谱范围内，对所述预处理后的所述样本影像进行相对辐射校正操作，得到转换后的所述样本影像；若所述第一光谱信息和所述第二光谱信息不在预设的光谱范围内，对所述预处理后的所述样本影像进行线性量化操作，以使线性量化后的第一光谱信息和所述第二光谱信息在所述预设的光谱范围内，得到转换后的所述样本影像；或者，根据预先训练好的网络模型，对所述预处理后的所述样本影像进行风格迁移操作，得到转换后的所述样本影像。

6、在一些实施例中，所述将所述目标影像输入到预先训练好的预测模型中，得到所述目标影像中各像素点为所述目标物体的像素概率值，根据各所述像素概率值建立所述目标影像的预测概率图，包括：获取预先训练好的预测模型；将所述目标影像输入所述预测模型中，根据所述预测模型，对所述目标影像中的各像素点进行概率预测，得到各像素点的预测概率值；若所述预测概率值在预设的概率范围内，确定所述像素点为所述目标影像的区域标注；计算所述目标影像的植被指数，根据所述植被指数，确定所述目标影像的绿地掩模；根据所述区域标注和所述绿地掩模，对预测区域进行扩张，并根据扩张后的所述预测区域；根据所述预测区域，得到所述目标影像对应的预测概率图。

7、在一些实施例中，所述预先训练好的预测模型通过以下步骤训练得到，包括：获取预设的预测训练集，所述预测训练集包括多个用于训练的训练样本影像，并为所述训练样本影像设置对应的训练标签；从所述预测训练集中选取任一所述训练样本影像，并输入到所述预测模型中，得到所述训练样本影像各样本区域的训练预测概率值；根据所述训练预测概率值和所述训练标签，计算所述预测模型的预测损失值，并根据所述预测损失值调整所述预测模型的参数，得到训练后的所述预测模型。

8、在一些实施例中，所述在所述预测概率图中确定所述样本斑块的匹配区域，包括：获取地理坐标信息；根据所述地理坐标信息，将所述样本斑块对应输出至所述预测概率图中，得到约束匹配图；获取预设的搜索半径，其中，所述搜索半径根据所述预测概率图进行设定；根据所述搜索半径，确定所述样本斑块在所述约束匹配图上的匹配区域，其中，所述匹配区域包括四个子匹配区域。

9、在一些实施例中，所述计算至少一个所述样本斑块和所述匹配区域中各像素点的相似度值之后，还包括：获取预设的距离阈值；确定每一所述子匹配区域最大相似度值对应的像素点，为各所述子匹配区域的子备选匹配点；选择各所述子备选匹配点中相似度值最大的子备选匹配点作为基准匹配点；若剩余的子备选匹配点与所述基准匹配点之间的距离小于所述距离阈值，确定所述子备选匹配点为误差匹配点；根据所述子备选匹配点和所述误差匹配点，确定所述样本斑块对应的备选匹配点。

10、在一些实施例中，所述根据所述子备选匹配点和所述误差匹配点，确定所述样本斑块对应的备选匹配点之后，还包括：若第一匹配区域的第一备选匹配点和第二匹配区域的第二备选匹配点之间的距离小于所述预设的距离阈值，确定所述第一备选匹配点和所述第二备选匹配点为同一备选匹配点；并确定所述同一备选匹配点对应的样本斑块包括所述第一备选匹配点对应的第一样本斑块，和所述第二备选匹配点对应的第二样本斑块。

11、在一些实施例中，所述基于所述相似度值在所述匹配区域中约束匹配各所述样本斑块，得到目标匹配位置，包括：根据每一所述样本斑块对应的备选匹配点，以及每一备选匹配点对应的样本斑块，以各所述备选匹配点的相似度为权值，确定带权二部图，所述带权二部图用于表征各所述样本斑块和各备选匹配点之间的权值关系；以总体最大权匹配作为约束条件，从所述带权二部图中确定基于各样本斑块和各所述备选匹配点的目标匹配位置。

12、在一些实施例中，所述从所述带权二部图中确定基于各样本斑块和各所述备选匹配点的目标匹配位置，包括：若所述样本斑块在目标匹配位置上的相似度值不低于预设的相似度阈值，得到对应样本斑块；若所述样本斑块无目标匹配位置，得到删除样本斑块；若所述样本斑块的相似度值低于所述相似度阈值，得到删除样本斑块或新增样本斑块；根据所述对应样本斑块、所述删除样本斑块和所述新增样本斑块，得到所述目标标注结果，其中，所述目标标注结果包括目标标注和所述目标标注对应的确定度，所述确定度用于表征所述目标标注与实际标注结果之间的可信度度量。

13、为实现上述目的，本技术实施例的第二方面提出了一种高分辨率遥感影像标注的迁移修正系统，所述系统包括：获取模块，用于获取样本影像和目标影像，其中，所述样本影像和所述目标影像均包括至少一个目标物体，所述样本影像配置有所述目标物体的标注信息；概率预测模块，用于将所述目标影像输入到预先训练好的预测模型中，得到所述目标影像中各像素点为所述目标物体的像素概率值，根据各所述像素概率值建立所述目标影像的预测概率图；匹配模块，用于根据所述标注信息确定所述目标物体在所述样本影像中所处的样本斑块，并在所述预测概率图中确定所述样本斑块的匹配区域；计算模块，用于计算至少一个所述样本斑块和所述匹配区域中各像素点的相似度值，并基于所述相似度值在所述匹配区域中约束匹配各所述样本斑块，得到目标匹配位置，以使约束匹配后的各所述样本斑块与所述目标影像中的所述目标物体整体对应；结果模块，用于根据所述目标匹配位置，得到所述目标物体在所述目标影像中的目标标注结果。

14、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

15、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。

16、本技术实施例提出的高分辨率遥感影像标注的迁移修正方法、系统及存储介质，其中，高分辨率遥感影像标注的迁移修正方法可以应用在高分辨率遥感影像标注的迁移修正系统中。本技术通过获取样本影像和目标影像，其中，样本影像和目标影像包括了至少一个目标物体，并且，样本影像中配置有目标物体的标注信息；接着，将目标影像输入到预先训练好的预测模型中，得到目标影像的预测概率图；之后，根据标注信息对目标影像的预测概率图进行约束匹配并确定目标匹配位置，以使约束匹配后的各样本斑块与目标影像中的目标物体整体对应；最终，根据目标匹配位置，得到目标物体在目标影像中的目标标注结果，能够提高同一区域、不同时相遥感影像数据标注迁移修正的准确度。