CN118097474A - 一种基于图像分析的地物信息采集识别*** - Google Patents
一种基于图像分析的地物信息采集识别*** Download PDFInfo
- Publication number
- CN118097474A CN118097474A CN202410480880.0A CN202410480880A CN118097474A CN 118097474 A CN118097474 A CN 118097474A CN 202410480880 A CN202410480880 A CN 202410480880A CN 118097474 A CN118097474 A CN 118097474A
- Authority
- CN
- China
- Prior art keywords
- image
- model
- data
- ground object
- variation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010191 image analysis Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 27
- 230000010365 information processing Effects 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims description 38
- 238000005520 cutting process Methods 0.000 claims description 29
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 4
- 230000001154 acute effect Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 9
- 230000009467 reduction Effects 0.000 description 10
- 230000007704 transition Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002161 passivation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像信息处理技术领域,尤其涉及一种基于图像分析的地物信息采集识别***,包括:信息采集模块,用以分别采集无人机航拍图斑数据和通道正射影像数据;信息处理模块,包括用以对所述无人机航拍图斑数据进行筛选以输出矢量轮廓数据的矢量生成单元;地物识别模块,其与所述信息处理模块相连,用以对所述地物图像中的物体和地质情况进行识别;控制模块,用以在根据合格的航拍图斑数量占比判定地物识别的精准性不符合要求时调节无人机的旋转角度或根据模型识别出的地物特征数量的变化量判定数据处理的精准性是否符合要求。本发明实现了对于地物信息的识别精准性的提高。
Description
技术领域
本发明涉及图像信息处理技术领域,尤其涉及一种基于图像分析的地物信息采集识别***。
背景技术
现有技术中,地物信息采集识别***是一种利用图像处理和分析技术来自动识别和采集地物信息的***。该***通过处理输入的图像数据,提取其中的特征和信息,从而实现对地物进行分类、识别和定位,可以用来根据对采集环境的地质勘测来对输电工程项目进行选址。
中国专利公开号:CN112560544A公开了一种遥感图像地物识别方法、***和计算机可读存储介质,所述方法包括:采集训练用的原始样本遥感图像;对采集到的原始样本遥感图像进行数据增强处理,以得到增强样本遥感图像;构建多尺度稠密卷积网络;结合所述原始样本遥感图像和所述增强样本遥感图像对所述多尺度稠密卷积网络进行训练;待所述多尺度稠密卷积网络训练完成后,通过所述多尺度稠密卷积网络对待识别遥感图像中的地物进行识别,并对识别出的地物进行标记。由此可见,上述方案存在由于地物识别模型的更新的全面性不足以及影像裁切过程中出现的边缘处理不平滑从而导致地物信息识别的精准性下降的问题。
发明内容
为此,本发明提供一种基于图像分析的地物信息采集识别***,用以克服现有技术中由于地物识别模型的更新的全面性不足以及影像裁切过程中出现的边缘处理不平滑从而导致地物信息识别的精准性不足从而导致地物信息的识别精准性下降的问题。
为实现上述目的,本发明提供一种基于图像分析的地物信息采集识别***,包括:信息采集模块,用以分别采集无人机航拍图斑数据和通道正射影像数据;
信息处理模块,其与所述信息采集模块相连,包括用以对所述无人机航拍图斑数据进行筛选以输出矢量轮廓数据的矢量生成单元、用以对所述通道正射影像数据进行预处理以输出待裁切影像的预处理单元以及分别与所述矢量生成单元和所述预处理单元相连通过使用所述矢量轮廓数据对所述待裁切影像进行裁切以输出模型数据集的影像裁切单元;其中,所述待裁切影像的裁切范围通过所述矢量轮廓数据确定;地物识别模块,其与所述信息处理模块相连,用以对所述地物图像中的物体和地质情况进行识别,包括与所述影像裁切单元相连用以对所述模型数据集中的训练数据集进行训练以生成地物识别模型的模型训练单元;控制模块,其分别与所述信息采集模块、所述信息处理模块以及所述地物识别模块相连,用以在根据合格的航拍图斑数量占比判定地物识别的精准性不符合要求时调节无人机的旋转角度或根据模型识别出的地物特征数量的变化量判定数据处理的精准性是否符合要求,并在判定不符合要求时调整所述地物识别模型的模型更新训练方式或根据影像边缘像素的平均差异量调节图层蒙版半径。
进一步地,所述信息处理模块还包括用以对所述无人机航拍图斑数据进行筛选以输出标量图片数据的标量生成组件。
进一步地,所述信息采集模块包括用以改变航拍图像采集位置的无人机和用以获取无人机航拍图斑的图像采集单元;
所述控制模块与所述图像采集单元相连,用以获取合格的航拍图斑数量和航拍图斑总数量以对合格的航拍图斑数量占比进行计算,以及,在合格的航拍图斑数量占比满足第一占比条件或第二占比条件时判定地物信息的识别精准性不符合要求,以及,在合格的航拍图斑数量占比仅满足第一占比条件时初步判定图像处理的精准性不符合要求,并根据模型识别出的地物特征数量的变化量对图像处理的精准性进行二次判定;
所述控制模块与所述无人机相连,用以在所述合格的航拍图斑数量占比仅满足第二占比条件时对无人机的旋转角度进行增大;
其中,所述第一占比条件为,合格的航拍图斑数量占比大于预设第一占比且小于等于预设第二占比;所述第二占比条件为,合格的航拍图斑数量占比大于预设第二占比;
其中,增大后的无人机的旋转角度通过合格的航拍图斑数量占比与预设第二占比的差值确定;当无人机的前进方向与以无人机的中心点为端点所构成的第一射线与无人机的摄像头与以无人机的中心点为端点所构成的第二射线的夹角呈锐角时,无人机沿远离所述第一射线的方向进行旋转,旋转的最大角度为所述第二射线与所述第一射线的反向延长线所形成的夹角。
进一步地,所述合格的航拍图斑数量占比的计算公式为:
其中,U为合格的航拍图斑数量占比,Ut为合格的航拍图斑数量,Ug为航拍图斑总数量;其中,当地物识别模型识别出的航拍图斑中的地物特征与历史数据中的航拍图斑对应的实际场景中的地物特征的类型相同的数量超出标准数量阈值时,判定地物识别模型识别出的航拍图斑合格。
进一步地,所述地物识别模块还包括与所述模型训练单元相连用以对地物识别模型进行更新的模型更新单元;
所述控制模块与所述模型训练单元相连,用以在所述地物识别模型识别出的地物特征数量的变化量满足第一变化量条件或第二变化量条件时,二次判定图像处理的精准性不符合要求,以及,在模型识别出的地物特征数量的变化量仅满足第二变化量条件时初步判定图斑数据的筛选精准性不符合要求,并根据影像边缘像素的平均差异量对图斑数据的筛选精准性进行二次判定;
所述控制模块与所述模型更新单元相连,用以在所述模型识别出的地物特征数量的变化量仅满足第一变化量条件时控制模型更新单元按照所述模型更新训练方式对模型进行更新;
其中,所述第一变化量条件为模型识别出的地物特征数量的变化量大于预设第一变化量且小于等于预设第二变化量;所述第二变化量条件为模型识别出的地物特征数量的变化量大于预设第二变化量。
进一步地,所述模型识别出的地物特征数量的变化量的计算公式为:
其中,S为模型识别出的地物特征数量的变化量,Ka为地物识别模型识别出的第一张通道正射影像中的地物特征数量,Kb为地物识别模型识别出的第二张通道正射影像中的地物特征数量;其中,所述第一张通道正射影像与所述第二张通道正射影像的尺寸和影像采集地点的类型均相同。
进一步地,所述模型更新训练方式为所述模型更新单元以新数据类型的数据对应调用数量对模型进行更新,所述新数据类型的数据对应调用数量通过模型识别出的地物特征数量的变化量与预设第一变化量的差值确定。
进一步地,所述控制模块与所述影像裁切单元相连,用以根据影像裁切单元输出的影像边缘的像素对影像边缘像素的平均差异量进行计算,以及,在所述影像边缘像素的平均差异量大于预设差异量时二次判定图斑数据的筛选精准性不符合要求,并对影像裁切单元的图层蒙版半径进行增大。
进一步地,增大后的图层蒙版半径通过所述影像边缘像素的平均差异量与所述预设差异量的差值确定。
进一步地,所述预处理单元设有对所述通道正射影像数据进行畸变校正处理的中点尖灭方式,其中,所述中点尖灭方式为在通道正射影像的凸出边缘的两侧选取中点,在中点处创建一个新的边缘点。
与现有技术相比,本发明的有益效果在于,本发明通过设置信息采集模块、信息处理模块、地物识别模块以及控制模块,通过根据合格的航拍图斑数量占比确定所述信息采集模块的对应工作方式,降低了由于无人机的摄像头与前进方向相同的时候,无人机停下的时候的惯性或者风力与无人机桨叶的交互作用导致的镜头获取图像的精准度下降从而造成地物信息的识别精准性下降的影响,通过根据模型识别出的地物特征数量的变化量对新数据类型的数据调用数量进行调节,降低了由于模型在更新中对于新数据的类型训练的全面性不足,导致训练出的模型不精准从而造成地物信息的识别精准性下降的影响,通过根据影像边缘像素的平均差异量确定所述影像裁切单元的裁切方式,由于影像裁切时的边缘过渡不平滑,导致对模型进行训练时产生不准确的数据进而导致模型不准确,从而造成地物信息的识别精准性下降,实现了对于地物信息的识别精准性的提高。
进一步地,本发明所述***通过设置预设占比差值,对无人机的旋转角度进行调节,降低了由于无人机的摄像头与前进方向相同的时候,无人机停下的时候的惯性或者风力与无人机桨叶的交互作用导致的镜头获取图像的精准度下降从而造成地物信息的识别精准性下降的影响,进一步实现了对于地物信息的识别精准性的提高。
进一步地,本发明所述***通过设置预设第一变化量和预设第二变化量,对图像处理的精准性进行判定以及对图斑数据筛选的精准性进行判定,以及按照对应的模型更新训练方式对模型进行更新,降低了由于对图像处理的精准性的二次判定不精准导致地物信息的识别精准性下降的影响,进一步实现了对于地物信息的识别精准性的提高。
进一步地,本发明所述***通过设置预设变化量差值,对新数据类型的数据调用数量进行调节,降低了由于对新数据类型对应的云平台中的数据的调用数量的不足导致的更新的全面性不足,从而造成地物信息的识别精准性下降的影响,进一步实现了对于地物信息的识别精准性的提高。
进一步地,本发明所述***通过设置预设差异量,对图层蒙版半径进行增大,通过增大图层蒙版半径会扩大过渡区域,会产生更宽的过渡区域,从而使得边缘的过渡更加平滑,从而提高影像裁切的精准性。
进一步地,本发明所述***通过设置中点尖灭方式,对待训练特征数据进行处理,降低了由于对图像的凸出边缘处的处理不到位导致生成的图像边缘出现模糊或钝化的现象,进一步实现了对于地物信息的识别精准性的提高。
附图说明
图1为本发明实施例基于图像分析的地物信息采集识别***的整体结构框图;
图2为本发明实施例基于图像分析的地物信息采集识别***的信息处理模块的具体结构框图;
图3为本发明实施例基于图像分析的地物信息采集识别***的信息处理模块与信息采集模块相连的连接结构框图;
图4为本发明实施例基于图像分析的地物信息采集识别***的信息处理模块与控制模块相连的连接结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
需要指出的是,在本实施例中的数据均为通过本发明一种基于图像分析的地物信息采集识别***在进行本次检测前根据历史数据以及对应的检测过程中的数据统计、测试实验以及根据实验结果综合分析得出;本发明一种基于图像分析的地物信息采集识别***在进行当次的检测前对在92天内累计统计、检测和计算出的1523例的合格的航拍图斑数量占比、模型识别出的地物特征数量的变化量以及影像边缘像素的平均差异量并综合确定针对该基于图像分析的地物信息采集识别***的各项预设参数标准的数值。本领域技术人员可以理解的是,本发明所述一种基于图像分析的地物信息采集识别***针对单项上述参数的确定方式可以为根据数据分布选取占比最高的数值作为预设标准参数,只要满足本发明所述***能够通过获取的数值明确界定单项判定过程中的不同特定情况即可。
请参阅图1、图2、图3以及图4所示,其分别为本发明实施例基于图像分析的地物信息采集识别***的整体结构框图、信息处理模块的具体结构框图、信息处理模块与信息采集模块相连的连接结构框图以及信息处理模块与控制模块相连的连接结构框图。本发明一种基于图像分析的地物信息采集识别***,包括:
信息采集模块,用以分别采集无人机航拍图斑数据和通道正射影像数据;
信息处理模块,其与所述信息采集模块相连,包括用以对所述无人机航拍图斑数据进行筛选以输出矢量轮廓数据的矢量生成单元、用以对所述通道正射影像数据进行预处理以输出待裁切影像的预处理单元以及分别与所述矢量生成单元和所述预处理单元相连通过使用所述矢量轮廓数据对所述待裁切影像进行裁切以输出模型数据集的影像裁切单元;
其中,所述待裁切影像的裁切范围通过所述矢量轮廓数据确定;
地物识别模块,其与所述信息处理模块相连,用以对所述地物图像中的物体和地质情况进行识别,包括与所述影像裁切单元相连用以对所述模型数据集中的训练数据集进行训练以生成地物识别模型的模型训练单元;
控制模块,其分别与所述信息采集模块、所述信息处理模块以及所述地物识别模块相连,用以在根据合格的航拍图斑数量占比判定地物识别的精准性不符合要求时调节无人机的旋转角度或根据模型识别出的地物特征数量的变化量判定数据处理的精准性是否符合要求,并在判定不符合要求时调整所述地物识别模型的模型更新训练方式或根据影像边缘像素的平均差异量调节图层蒙版半径。
具体而言,预处理单元对通道正射影像数据的预处理过程包括对通道正射影像数据进行畸变校正、去噪、去云雾以及匀光。
具体而言,对训练数据集进行训练以生成地物识别模型。
具体而言,无人机航拍图斑数据包括矢量轮廓数据和标量图片数据。
具体而言,矢量轮廓数据是一种在地理信息***、计算机辅助设计或图像设计中常用的数据类型,其由一系列连接的顶点组成,用于表示形状、对象或区域的边界,这些顶点按照对应的顺序连接起来形成线段或封闭的路径,矢量轮廓数据还表示地图上的地理特征,例如河流、道路;每个轮廓线表示一个独立的地理要素或物体要素,例如一个湖泊或公园的边界,矢量数据能够精确描述这些要素的形状、位置和大小。
具体而言,模型数据集包括训练数据集和验证数据集。
在实施中,本发明通过设置信息采集模块、信息处理模块、地物识别模块以及控制模块,通过根据合格的航拍图斑数量占比确定所述信息采集模块的对应工作方式,降低了由于无人机的摄像头与前进方向相同的时候,无人机停下的时候的惯性或者风力与无人机桨叶的交互作用导致的镜头获取图像的精准度下降从而造成地物信息的识别精准性下降的影响,通过根据模型识别出的地物特征数量的变化量对新数据类型的数据调用数量进行调节,降低了由于模型在更新中对于新数据的类型训练的全面性不足,导致训练出的模型不精准从而造成地物信息的识别精准性下降的影响,通过根据影像边缘像素的平均差异量确定所述影像裁切单元的裁切方式,由于影像裁切时的边缘过渡不平滑,导致对模型进行训练时产生不准确的数据进而导致模型不准确,从而造成地物信息的识别精准性下降,实现了对于地物信息的识别精准性的提高。
具体而言,所述信息处理模块还包括用以对所述无人机航拍图斑数据进行筛选以输出标量图片数据的标量生成组件。
可选地,标量图片数据的优选实施例包括建筑物图片数据、道路图片数据、水系图片数据。
具体而言,所述信息采集模块包括用以改变航拍图像采集位置的无人机和用以获取无人机航拍图斑的图像采集单元;
所述控制模块与所述图像采集单元相连,用以获取合格的航拍图斑数量和航拍图斑总数量以对合格的航拍图斑数量占比进行计算,以及,在合格的航拍图斑数量占比满足第一占比条件或第二占比条件时判定地物信息的识别精准性不符合要求,以及,在合格的航拍图斑数量占比仅满足第一占比条件时初步判定图像处理的精准性不符合要求,并根据模型识别出的地物特征数量的变化量对图像处理的精准性进行二次判定;
所述控制模块与所述无人机相连,用以在所述合格的航拍图斑数量占比仅满足第二占比条件时对无人机的旋转角度进行增大;
其中,所述第一占比条件为,合格的航拍图斑数量占比大于预设第一占比且小于等于预设第二占比;所述第二占比条件为,合格的航拍图斑数量占比大于预设第二占比;
其中,增大后的无人机的旋转角度通过合格的航拍图斑数量占比与预设第二占比的差值确定;当无人机的前进方向与以无人机的中心点为端点所构成的第一射线与无人机的摄像头与以无人机的中心点为端点所构成的第二射线的夹角呈锐角时,无人机沿远离所述第一射线的方向进行旋转,旋转的最大角度为所述第二射线与所述第一射线的反向延长线所形成的夹角。
可选地,预设第一占比Q1的优选实施例为Q1=0.6,预设第二占比Q2的优选实施例为Q2=0.7。
具体而言,合格的航拍图斑数量占比记为Q,合格的航拍图斑数量占比与预设第二占比的差值记为△Q,设定△Q=Q-Q2。
在实施中,本发明所述***通过设置预设第一占比和预设第二占比,对地物信息的识别精准性进行判定,降低了由于对地物信息的识别精准性的判定不精准导致地物信息的采集稳定性下降的影响,进一步实现了对于地物信息的识别精准性的提高。
具体而言,所述合格的航拍图斑数量占比的计算公式为:
其中,U为合格的航拍图斑数量占比,Ut为合格的航拍图斑数量,Ug为航拍图斑总数量;其中,当地物识别模型识别出的航拍图斑中的地物特征与历史数据中的航拍图斑对应的实际场景中的地物特征的类型相同的数量超出标准数量阈值时,判定地物识别模型识别出的航拍图斑合格。
具体而言,增大后的无人机的旋转角度通过合格的航拍图斑数量占比与预设第二占比的差值确定。
具体而言,若△Q≤△Q0,控制模块使用预设第一旋转角度调节系数对无人机的旋转角度进行调节;
若△Q>△Q0,控制模块使用预设第二旋转角度调节系数对无人机的旋转角度进行调节。
可选地,预设占比差值△Q0的优选实施例为△Q0=0.1。
具体而言,预设第一旋转角度调节系数记为α1,设定α1=1.2,预设第二旋转角度调节系数记为α2,设定α2=1.4,无人机的旋转角度记为V,其中,1<α1<α2,增大后的无人机的旋转角度记为V',设定V’=V×(1+αi)/2,其中,αi为预设第i旋转角度调节系数,设定i=1,2。
在实施中,本发明所述***通过设置预设占比差值,对无人机的旋转角度进行调节,降低了由于无人机的摄像头与前进方向相同的时候,无人机停下的时候的惯性或者风力与无人机桨叶的交互作用导致的镜头获取图像的精准度下降从而造成地物信息的识别精准性下降的影响,进一步实现了对于地物信息的识别精准性的提高。
具体而言,所述地物识别模块还包括与所述模型训练单元相连用以对地物识别模型进行更新的模型更新单元;
所述控制模块与所述模型训练单元相连,用以在所述地物识别模型识别出的地物特征数量的变化量满足第一变化量条件或第二变化量条件时,二次判定图像处理的精准性不符合要求,以及,在模型识别出的地物特征数量的变化量仅满足第二变化量条件时初步判定图斑数据的筛选精准性不符合要求,并根据影像边缘像素的平均差异量对图斑数据的筛选精准性进行二次判定;
所述控制模块与所述模型更新单元相连,用以在所述模型识别出的地物特征数量的变化量仅满足第一变化量条件时控制模型更新单元按照所述模型更新训练方式对模型进行更新;
其中,所述第一变化量条件为模型识别出的地物特征数量的变化量大于预设第一变化量且小于等于预设第二变化量;所述第二变化量条件为模型识别出的地物特征数量的变化量大于预设第二变化量。
可选地,预设第一变化量P1的优选实施例为P1=5个,预设第二变化量P2的优选实施例为P2=8个。
具体而言,模型识别出的地物特征数量的变化量记为P,模型识别出的地物特征数量的变化量与预设第一变化量的差值记为△P,设定△P=P-P1。
在实施中,本发明所述***通过设置预设第一变化量和预设第二变化量,对图像处理的精准性进行判定以及对图斑数据筛选的精准性进行判定,以及按照对应的模型更新训练方式对模型进行更新,降低了由于对图像处理的精准性的二次判定不精准导致地物信息的识别精准性下降的影响,进一步实现了对于地物信息的识别精准性的提高。
具体而言,所述模型识别出的地物特征数量的变化量的计算公式为:
其中,S为模型识别出的地物特征数量的变化量,Ka为地物识别模型识别出的第一张通道正射影像中的地物特征数量,Kb为地物识别模型识别出的第二张通道正射影像中的地物特征数量;其中,所述第一张通道正射影像与所述第二张通道正射影像的尺寸和影像采集地点的类型均相同。
具体而言,所述模型更新训练方式为所述模型更新单元以新数据类型的数据对应调用数量对模型进行更新,所述新数据类型的数据对应调用数量通过模型识别出的地物特征数量的变化量与预设第一变化量的差值确定。
具体而言,通过模型识别出的地物特征数量的变化量与预设第一变化量的差值确定新数据类型的数据对应调用数量的具体过程为:
若△P≤△P0,所述控制模块使用预设第一调用数量调节系数将所述新数据类型的数据调用数量调节至第一调用数量;
若△P0>△P0,所述控制模块使用预设第二调用数量调节系数将所述新数据类型的数据调用数量调节至第二调用数量;
其中,所述预设第一调用数量调节系数小于所述预设第二调用数量调节系数;所述新数据类型的数据对应调用数量包括第一调用数量和第二调用数量。
可选地,预设变化量差值△P0的优选实施例为△P0=2个。
具体而言,预设第一调用数量调节系数记为β1,设定β1=1.1,预设第二调用数量调节系数记为β2,设定β2=1.3,新数据类型的数据调用数量记为H,其中,1<β1<β2,新数据类型的数据对应调用数量记为H’,设定H’=H×(1+2βj)/3,其中,βj为预设第j调用数量调节系数,设定j=1,2。
具体而言,新数据类型的数据调用数量的含义为在对地物识别模型进行更新的过程中需要进行数据训练的不同于原始训练数据的新数据在云平台中对应的数据类型的数据调用数量,例如用户在使用地物识别模型时输入的新数据;可以理解的是,模型在更新时,需要首先将原始训练数据和新数据合并成一个整体数据集,这个整体数据集用来进行新的数据训练以对模型进行更新。
在实施中,本发明所述***通过设置预设变化量差值,对新数据类型的数据调用数量进行调节,降低了由于对新数据类型对应的云平台中的数据的调用数量的不足导致的更新的全面性不足,从而造成地物信息的识别精准性下降的影响,进一步实现了对于地物信息的识别精准性的提高。
具体而言,所述控制模块与所述影像裁切单元相连,用以根据影像裁切单元输出的影像边缘的像素对影像边缘像素的平均差异量进行计算,以及,在所述影像边缘像素的平均差异量大于预设差异量时二次判定图斑数据的筛选精准性不符合要求,并对影像裁切单元的图层蒙版半径进行增大。
可选地,预设差异量Y0的优选实施例为Y0=100px。
具体而言,影像边缘像素的平均差异量记为Y。
具体而言,影像边缘像素的平均差异量的计算公式为:
其中,Y为影像边缘像素的平均差异量,|Xm-Xm-1|为检测的第m个影像边缘的像素与检测的第m-1个影像边缘的像素的差异量的绝对值,n为检测的通道正射影像的数量,n为大于等于1的自然数。
具体而言,增大后的图层蒙版半径通过所述影像边缘像素的平均差异量与所述预设差异量的差值确定。
具体而言,若△Y≤△Y0,控制模块使用预设第一半径调节系数对图层蒙版半径进行调节;
若△Y0>△Y0,控制模块使用预设第二半径调节系数对图层蒙版半径进行调节。
可选地,预设变化量差值△Y0的优选实施例为△P0=40px。
具体而言,预设第一半径调节系数记为γ1,设定γ1=1.15,预设第二半径调节系数记为γ2,设定γ2=1.25,图层蒙版半径记为H,其中,1<γ1<γ2,增大后的图层蒙版半径记为H’,设定H’=H×γj,其中,γh为预设第h半径调节系数,设定h=1,2。
具体而言,影像裁切单元在对待裁切影像进行裁切时,采用的是非破坏性裁切,通过调整裁切过程中的图层蒙版的半径以对过渡区域的软硬程度。
在实施中,本发明所述***通过设置预设差异量,对图层蒙版半径进行增大,通过增大图层蒙版半径会扩大过渡区域,会产生更宽的过渡区域,从而使得边缘的过渡更加平滑,从而提高影像裁切的精准性。
具体而言,所述预处理单元设有对所述通道正射影像数据进行畸变校正处理的中点尖灭方式,其中,所述中点尖灭方式为在通道正射影像的凸出边缘的两侧选取中点,在中点处创建一个新的边缘点。
在实施中,本发明所述***通过设置中点尖灭方式,对待训练特征数据进行处理,降低了由于对图像的凸出边缘处的处理不到位导致生成的图像边缘出现模糊或钝化的现象,进一步实现了对于地物信息的识别精准性的提高。
实施例1
本实施例1使用基于图像分析的地物信息采集识别***对地物信息进行采集识别,所述控制模块根据合格的航拍图斑数量占比与预设第二占比的差值对无人机的旋转角度进行调节,其中,预设占比差值记为△Q0,预设第一旋转角度调节系数记为α1,预设第二旋转角度调节系数记为α2,无人机的旋转角度记为V,其中,1<α1<α2,设定α1=1.2,α2=1.4,△Q0=0.1,V=4°,Q=0.9,Q2=0.7,△Q=Q-Q2。
本实施例1求得△Q=0.2,控制模块判定△Q>△Q0并使用预设第一旋转角度调节系数将所述无人机的旋转角度进行调节,计算得V’=4°×(1+1.2)/2=4.4°。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于图像分析的地物信息采集识别***,其特征在于,包括:
信息采集模块,用以分别采集无人机航拍图斑数据和通道正射影像数据;
信息处理模块,其与所述信息采集模块相连,包括用以对所述无人机航拍图斑数据进行筛选以输出矢量轮廓数据的矢量生成单元、用以对所述通道正射影像数据进行预处理以输出待裁切影像的预处理单元以及分别与所述矢量生成单元和所述预处理单元相连通过使用所述矢量轮廓数据对所述待裁切影像进行裁切以输出模型数据集的影像裁切单元;
其中,所述待裁切影像的裁切范围通过所述矢量轮廓数据确定;
地物识别模块,其与所述信息处理模块相连,用以对所述地物图像中的物体和地质情况进行识别,包括与所述影像裁切单元相连用以对所述模型数据集中的训练数据集进行训练以生成地物识别模型的模型训练单元;
控制模块,其分别与所述信息采集模块、所述信息处理模块以及所述地物识别模块相连,用以在根据合格的航拍图斑数量占比判定地物识别的精准性不符合要求时调节无人机的旋转角度或根据模型识别出的地物特征数量的变化量判定数据处理的精准性是否符合要求,并在判定不符合要求时调整所述地物识别模型的模型更新训练方式或根据影像边缘像素的平均差异量调节图层蒙版半径。
2.根据权利要求1所述的基于图像分析的地物信息采集识别***,其特征在于,所述信息处理模块还包括用以对所述无人机航拍图斑数据进行筛选以输出标量图片数据的标量生成组件。
3.根据权利要求2所述的基于图像分析的地物信息采集识别***,其特征在于,所述信息采集模块包括用以改变航拍图像采集位置的无人机和用以获取无人机航拍图斑的图像采集单元;
所述控制模块与所述图像采集单元相连,用以获取合格的航拍图斑数量和航拍图斑总数量以对合格的航拍图斑数量占比进行计算,以及,在合格的航拍图斑数量占比满足第一占比条件或第二占比条件时判定地物信息的识别精准性不符合要求,以及,在合格的航拍图斑数量占比仅满足第一占比条件时初步判定图像处理的精准性不符合要求,并根据模型识别出的地物特征数量的变化量对图像处理的精准性进行二次判定;
所述控制模块与所述无人机相连,用以在所述合格的航拍图斑数量占比仅满足第二占比条件时对无人机的旋转角度进行增大;
其中,所述第一占比条件为,合格的航拍图斑数量占比大于预设第一占比且小于等于预设第二占比;所述第二占比条件为,合格的航拍图斑数量占比大于预设第二占比;
其中,增大后的无人机的旋转角度通过合格的航拍图斑数量占比与预设第二占比的差值确定;当无人机的前进方向与以无人机的中心点为端点所构成的第一射线与无人机的摄像头与以无人机的中心点为端点所构成的第二射线的夹角呈锐角时,无人机沿远离所述第一射线的方向进行旋转,旋转的最大角度为所述第二射线与所述第一射线的反向延长线所形成的夹角。
4.根据权利要求3所述的基于图像分析的地物信息采集识别***,其特征在于,所述合格的航拍图斑数量占比的计算公式为:
其中,U为合格的航拍图斑数量占比,Ut为合格的航拍图斑数量,Ug为航拍图斑总数量;其中,当地物识别模型识别出的航拍图斑中的地物特征与历史数据中的航拍图斑对应的实际场景中的地物特征的类型相同的数量超出标准数量阈值时,判定地物识别模型识别出的航拍图斑合格。
5.根据权利要求4所述的基于图像分析的地物信息采集识别***,其特征在于,所述地物识别模块还包括与所述模型训练单元相连用以对地物识别模型进行更新的模型更新单元;
所述控制模块与所述模型训练单元相连,用以在所述地物识别模型识别出的地物特征数量的变化量满足第一变化量条件或第二变化量条件时,二次判定图像处理的精准性不符合要求,以及,在模型识别出的地物特征数量的变化量仅满足第二变化量条件时初步判定图斑数据的筛选精准性不符合要求,并根据影像边缘像素的平均差异量对图斑数据的筛选精准性进行二次判定;
所述控制模块与所述模型更新单元相连,用以在所述模型识别出的地物特征数量的变化量仅满足第一变化量条件时控制模型更新单元按照所述模型更新训练方式对模型进行更新;
其中,所述第一变化量条件为模型识别出的地物特征数量的变化量大于预设第一变化量且小于等于预设第二变化量;所述第二变化量条件为模型识别出的地物特征数量的变化量大于预设第二变化量。
6.根据权利要求5所述的基于图像分析的地物信息采集识别***,其特征在于,所述模型识别出的地物特征数量的变化量的计算公式为:
其中,S为模型识别出的地物特征数量的变化量,Ka为地物识别模型识别出的第一张通道正射影像中的地物特征数量,Kb为地物识别模型识别出的第二张通道正射影像中的地物特征数量;其中,所述第一张通道正射影像与所述第二张通道正射影像的尺寸和影像采集地点的类型均相同。
7.根据权利要求6所述的基于图像分析的地物信息采集识别***,其特征在于,所述模型更新训练方式为所述模型更新单元以新数据类型的数据对应调用数量对模型进行更新,所述新数据类型的数据对应调用数量通过模型识别出的地物特征数量的变化量与预设第一变化量的差值确定。
8.根据权利要求7所述的基于图像分析的地物信息采集识别***,其特征在于,所述控制模块与所述影像裁切单元相连,用以根据影像裁切单元输出的影像边缘的像素对影像边缘像素的平均差异量进行计算,以及,在所述影像边缘像素的平均差异量大于预设差异量时二次判定图斑数据的筛选精准性不符合要求,并对影像裁切单元的图层蒙版半径进行增大。
9.根据权利要求8所述的基于图像分析的地物信息采集识别***,其特征在于,增大后的图层蒙版半径通过所述影像边缘像素的平均差异量与所述预设差异量的差值确定。
10.根据权利要求1所述的基于图像分析的地物信息采集识别***,其特征在于,所述预处理单元设有对所述通道正射影像数据进行畸变校正处理的中点尖灭方式,其中,所述中点尖灭方式为在通道正射影像的凸出边缘的两侧选取中点,在中点处创建一个新的边缘点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410480880.0A CN118097474B (zh) | 2024-04-22 | 2024-04-22 | 一种基于图像分析的地物信息采集识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410480880.0A CN118097474B (zh) | 2024-04-22 | 2024-04-22 | 一种基于图像分析的地物信息采集识别*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118097474A true CN118097474A (zh) | 2024-05-28 |
CN118097474B CN118097474B (zh) | 2024-06-21 |
Family
ID=91142357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410480880.0A Active CN118097474B (zh) | 2024-04-22 | 2024-04-22 | 一种基于图像分析的地物信息采集识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118097474B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018107939A1 (zh) * | 2016-12-14 | 2018-06-21 | 国家***第二海洋研究所 | 一种基于边缘完备度的图像分割最优识别方法 |
CN114202695A (zh) * | 2021-12-15 | 2022-03-18 | 梁吟君 | 一种基于人工智能技术遥感影像自动识别*** |
CN114399692A (zh) * | 2022-01-13 | 2022-04-26 | 武汉微集思科技有限公司 | 基于深度学习的违建识别监控检测方法及*** |
WO2022141145A1 (zh) * | 2020-12-30 | 2022-07-07 | 深圳技术大学 | 面向对象的高分辨率遥感影像多尺度分割方法及*** |
CN117576394A (zh) * | 2023-11-17 | 2024-02-20 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 一种利用全局信息提升地类语义分割的方法 |
-
2024
- 2024-04-22 CN CN202410480880.0A patent/CN118097474B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018107939A1 (zh) * | 2016-12-14 | 2018-06-21 | 国家***第二海洋研究所 | 一种基于边缘完备度的图像分割最优识别方法 |
WO2022141145A1 (zh) * | 2020-12-30 | 2022-07-07 | 深圳技术大学 | 面向对象的高分辨率遥感影像多尺度分割方法及*** |
CN114202695A (zh) * | 2021-12-15 | 2022-03-18 | 梁吟君 | 一种基于人工智能技术遥感影像自动识别*** |
CN114399692A (zh) * | 2022-01-13 | 2022-04-26 | 武汉微集思科技有限公司 | 基于深度学习的违建识别监控检测方法及*** |
CN117576394A (zh) * | 2023-11-17 | 2024-02-20 | 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) | 一种利用全局信息提升地类语义分割的方法 |
Non-Patent Citations (2)
Title |
---|
刘洁;赖格英;宋月君;廖凯涛;: "水土保持措施图斑遥感识别提取研究进展", 水土保持应用技术, no. 05, 20 October 2020 (2020-10-20) * |
林志玮;丁启禄;涂伟豪;林金石;刘金福;黄炎和;: "基于多元HoG及无人机航拍图像的植被类型识别", 森林与环境学报, no. 04, 17 October 2018 (2018-10-17) * |
Also Published As
Publication number | Publication date |
---|---|
CN118097474B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7809191B2 (en) | Image processing system and image processing method for aerial photograph | |
CN115439424B (zh) | 一种无人机航拍视频图像智能检测方法 | |
Ugelmann | Automatic breakline detection from airborne laser range data | |
CN110097536A (zh) | 基于深度学习和霍夫变换的六边形螺栓松动检测方法 | |
CN105718872B (zh) | 两侧车道快速定位及检测车辆偏转角度的辅助方法及*** | |
CN110473221B (zh) | 一种目标物体自动扫描***及方法 | |
CN114973028B (zh) | 一种航拍视频图像实时变化检测方法及*** | |
CN115619623A (zh) | 一种基于移动最小二乘变换的平行鱼眼相机图像拼接方法 | |
CN115797775A (zh) | 基于近地视频图像的违章建筑智能识别方法及*** | |
CN118097474B (zh) | 一种基于图像分析的地物信息采集识别*** | |
CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
CN110826364A (zh) | 一种库位识别方法及装置 | |
CN112585655A (zh) | 基于5g的无人驾驶电子交警执勤*** | |
CN116863357A (zh) | 一种无人机遥感堤坝影像定标与智能分割变化检测方法 | |
CN109166081B (zh) | 一种视频能见度检测过程中目标亮度调节方法 | |
CN108335321B (zh) | 基于多角度照片的地表砾石尺度信息自动提取方法 | |
CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
CN116188348A (zh) | 裂缝检测方法、装置及设备 | |
CN117612038B (zh) | 基于无人机影像的矿区植被碳汇精细演算方法 | |
CN117689481B (zh) | 一种基于无人机视频数据自然灾害保险处理方法及*** | |
FAN et al. | Intelligent antenna attitude parameters measurement based on deep learning ssd model | |
CN114972358B (zh) | 一种基于人工智能的城市测绘激光点云偏移检测方法 | |
CN117516487B (zh) | 一种中小河流视频流量测验方法 | |
CN116503767B (zh) | 基于语义式图像处理的河道漂浮物识别*** | |
Ma et al. | Research on the Algorithm of Building Object Boundary Extraction Based on Oblique Photographic Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |