【技術實現步驟摘要】
本專利技術實施例涉及數據處理領域，尤其涉及一種基于機器學習的化工園區目標地物識別方法。
技術介紹
1、目前基于深度學習對高分辨率遙感影像的地物精準識別已經越來越流行，但訓練過程往往需大量的標記樣本，否則模型很容易在有限的訓練樣本上過度擬合，在預測新的未知數據集時表現不佳。目前缺乏覆蓋一般特征的化工園區樣本數據集，多數研究以存儲罐的標記樣本訓練識別而在實際中無法應用至整個園區的范圍推廣。且考慮到高分辨率影像的獲取和處理，化工園區的識別范圍多聚焦于城市中心等較小區域范圍，限制了大規模及時性精準制圖的功能。
2、相對而言，機器學習在遙感中的應用較為成熟，其對地物細節的精細化識別也越來越清晰，應用的對象也越來越廣泛，已成為土地利用監測識別等研究的重要方法支撐。但針對化工園區這一特定人造景觀類型的識別尚無精準的方法。
技術實現思路
1、本專利技術實施例提供一種基于機器學習的化工園區目標地物識別方法，以解決上述技術問題。
2、第一方面，本專利技術實施例提供了一種基于機器學習的化工園區目標地物識別方法，包括：
3、獲取待識別區域的衛星影像數據和化工園區興趣點矢量站點數據；
4、以城市為單位，將所述待識別地區劃分為多個子區域；
5、從各子區域的衛星影像數據中提取特征，利用各子區域的特征數據和興趣點矢量站點數據，分別構建各子區域的化工園區分類模型，其中，各分類模型基于機器學習算法，且以各子區域內網格的特征數據為輸入，以網格是否屬于化工園區為
6、利用各子區域的分類模型對各子區域全范圍內的特征數據進行識別，得到各子區域的化工園區分布。
7、第二方面，本專利技術實施例提供了一種電子設備，所述電子設備包括：
8、一個或多個處理器；
9、存儲器，用于存儲一個或多個程序，
10、當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現任一實施例所述的基于機器學習的化工園區目標地物識別方法。
11、第三方面，本專利技術實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現任一實施例所述的基于機器學習的化工園區目標地物識別方法。
12、綜上所述，本專利技術實施例提供了一種基于機器學習的化工園區目標地物識別方法，通過將待識別區域劃分為多個子區域實現分區建模，減少類內差異，使得基于特征數據和rf分類器的基本框架適用于整個大范圍區域，同時通過模型參數來體現子區域間的差異性，兼顧了模型的泛化性和精準性，實現了大范圍區域化工園區的準確識別。
本文檔來自技高網...【技術保護點】
1.一種基于機器學習的化工園區目標地物識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述利用各子區域的特征數據和興趣點矢量站點數據，分別構建各子區域的化工園區分類模型，包括：
3.根據權利要求2所述的方法，其特征在于，在所述如果所述第一密度大于第一閾值，且所述第二密度小于第二閾值，檢測所述聚類簇覆蓋的區塊是否與其它子區域相連之后，還包括：
4.根據權利要求2所述的方法，其特征在于，所述根據任一子區域的特征數據和興趣點矢量站點數據構建樣本集，包括：
5.根據權利要求1所述的方法，其特征在于，所述從各子區域的衛星影像數據中提取特征，包括：
6.根據權利要求5所述的方法，其特征在于，所述以所述衛星影像數據的網格為度量單位，確定用于計算紋理特征的窗口大小，包括：
7.根據權利要求6所述的方法，其特征在于，所述根據紋理特征的聚類特性，以及化工園區的最小占地面積，確定用于計算紋理特征的窗口大小，包括：
8.根據權利要求1所述的方法，其特征在于，所述利用各子區域的特征數據和興趣點矢量站
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，該程序被處理器執行時實現權利要求1-8任一所述的基于機器學習的化工園區目標地物識別方法。
...【技術特征摘要】
1.一種基于機器學習的化工園區目標地物識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述利用各子區域的特征數據和興趣點矢量站點數據，分別構建各子區域的化工園區分類模型，包括：
3.根據權利要求2所述的方法，其特征在于，在所述如果所述第一密度大于第一閾值，且所述第二密度小于第二閾值，檢測所述聚類簇覆蓋的區塊是否與其它子區域相連之后，還包括：
4.根據權利要求2所述的方法，其特征在于，所述根據任一子區域的特征數據和興趣點矢量站點數據構建樣本集，包括：
5.根據權利要求1所述的方法，其特征在于，所述從各子區域的衛星影像數據中提取特征，包括：
6...
【專利技術屬性】
技術研發人員：陳明星，宋文明，
申請(專利權)人：中國科學院地理科學與資源研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。