预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113947730A(43)申请公布日2022.01.18(21)申请号202111424643.5(22)申请日2021.11.26(71)申请人长光禹辰信息技术与装备(青岛)有限公司地址266000山东省青岛市高新区汇智桥路151号1号楼乙座17层(72)发明人曹筱莹杨斌张军强田粉粉李先峰(74)专利代理机构北京集佳知识产权代理有限公司11227代理人王晓芬(51)Int.Cl.G06V20/17(2022.01)G06V10/764(2022.01)G06K9/62(2022.01)权利要求书2页说明书12页附图3页(54)发明名称遥感数据识别方法、装置、电子设备及可读存储介质(57)摘要本申请公开了一种遥感数据识别方法、装置、电子设备及可读存储介质。其中,方法包括响应用户在可视化页面上的样本选择指令,从待识别遥感影像数据中获取目标样本数据;计算目标样本数据的光谱分布特征;利用预设函数关系式描述光谱分布特征,并基于光谱分布特征对预设函数关系式进行拟合处理;根据拟合结果计算目标样本数据对应的分类阈值;根据光谱分布特征和分类阈值之间关系,对待识别遥感影像数据进行识别。本申请可有效提高遥感影像数据的识别精准度。CN113947730ACN113947730A权利要求书1/2页1.一种遥感数据识别方法,其特征在于,包括:响应用户在可视化页面上的样本选择指令,从待识别遥感影像数据中获取目标样本数据;计算所述目标样本数据的光谱分布特征;利用预设函数关系式描述所述光谱分布特征,并基于所述光谱分布特征对所述预设函数关系式进行拟合处理;根据拟合结果计算所述目标样本数据对应的分类阈值;根据所述光谱分布特征和所述分类阈值之间关系,识别所述待识别遥感影像数据。2.根据权利要求1所述的遥感数据识别方法,其特征在于,所述响应用户在可视化页面上的样本选择指令之前,还包括:获取原始遥感影像数据;对所述原始遥感影像数据进行配准操作、拼接操作和辐射定标操作,以生成拼接的反射率正射影像数据;将所述反射率正射影像数据作为所述待识别遥感影像数据显示在可视化页面中。3.根据权利要求1所述的遥感数据识别方法,其特征在于,所述响应用户在可视化页面上的样本选择指令,从待识别遥感影像数据中获取目标样本数据,包括:响应用户的图层选择指令,将从各栅格图层中获取的目标图层显示给用户;响应用户的测区范围选择指令,从所述目标图层中获取目标测区;响应用户的样本选择指令,从所述目标测区中获取目标样本数据,所述目标样本数据中的各样本属于同一地物类型且为用户需求识别的地物类型。4.根据权利要求1所述的遥感数据识别方法,其特征在于,所述计算所述目标样本数据的光谱分布特征,包括:将所述目标样本数据的各处样本存储至相应样本栅格中,每个样本栅格包含的波段数目与所述待识别遥感影像数据包含的波段数目相同;计算每个样本栅格的特征指数,并根据各样本栅格的特征指数生成样本直方图,以作为所述目标样本数据的光谱分布特征。5.根据权利要求1所述的遥感数据识别方法,其特征在于,所述根据拟合结果计算所述目标样本数据对应的分类阈值,包括:根据所述拟合结果和所述预设函数关系式计算相关性因子;若所述相关性因子大于等于预设相关阈值,则判定所述目标样本数据有效,根据所述拟合结果计算所述目标样本数据对应的分类阈值;若所述相关性因子小于预设相关阈值,则判定所述目标样本数据无效。6.根据权利要求1至5任意一项所述的遥感数据识别方法,其特征在于,所述利用预设函数关系式描述所述光谱分布特征,并基于所述光谱分布特征对所述预设函数关系式进行拟合处理,包括:利用高斯函数关系式描述所述光谱分布特征;所述光谱分布特征以样本直方图表示,所述高斯函数关系式的自变量对应所述样本直方图的横坐标,所述高斯函数关系式的因变量对应所述样本直方图的纵坐标;基于所述样本直方图中的纵坐标的最大值,按照预设函数变换方式对所述高斯函数关2CN113947730A权利要求书2/2页系式进行函数变换,得到变换关系式;根据所述样本直方图,通过计算所述变换关系式得到所述高斯函数关系式的参数;根据所述高斯函数关系式的参数和所述样本直方图的横坐标数据得到拟合高斯函数关系式。7.根据权利要求6所述的遥感数据识别方法,其特征在于,所述根据拟合结果计算所述目标样本数据对应的分类阈值,包括:基于所述高斯函数关系式的参数,调用分类阈值计算关系式计算所述分类阈值,所述分类阈值计算关系式为Thr_NDVI=q*min(μ‑σ)和/或Thr_NDVI=q*max(μ+σ);式中,Thr_NDVI为所述分类阈值,μ为所述高斯函数关系式的均值,σ为所述高斯函数关系式的方差,q为调节因子,所述调节因子根据识别目标和识别场景确定