河道概率预测模型的训练及河道中心线提取方法、装置、设备、介质及程序与流程

本发明实施例涉及遥感图像处理和人工智能领域，尤其涉及一种河道概率预测模型的训练及河道中心线提取方法、装置、设备、介质及程序。

背景技术：

1、河网数据是开展水文分析及流域综合治理的核心基础地理数据。在实际作业过程中，常规初始河网数据与遥感图像中可精准识别的河道中心线普遍存在不同程度的空间偏移问题，若直接采用未经校正的初始河网数据，将导致河道空间位置判定失真，进而大幅降低后续数据分析与应用成果的精度。

2、目前，现有深度学习遥感河网、水体提取技术，主要依托中高分辨率多光谱数据或雷达数据开展河道识别提取工作，该类技术主要通过挖掘近红外波段、短波红外波段、各类水体指数、时序水体分布频率及雷达后向散射特征等多维度辅助信息，实现河流边界与河网轮廓的提取识别。然而，该类现有技术的适用条件存在明显局限性，高度依赖多波段遥感数据源。当作业场景仅能获取rgb（red-green-blue，红-绿-蓝）三波段可见光遥感图像时，受限于图像波段维度单一的问题，河道水域无法形成稳定且可区分的水体光谱响应特征，致使传统多光谱水体指数算法、多源时序水文频率分析方法、面状水体语义分割等主流技术方案均无法适配该场景，难以精准完成rgb遥感图像下的河网提取与位置校正工作。

技术实现思路

1、本发明实施例提供一种河道概率预测模型的训练及河道中心线提取方法、装置、设备、介质及程序，能够提高弱特征河道中心线提取的精度。

2、根据本发明的一方面，提供了一种河道概率预测模型的训练方法，包括：

3、获取目标训练样本数据；其中，所述目标训练样本数据包括rgb遥感图像样本数据、初始河网距离特征样本数据和中心线热力图样本数据；

4、根据所述rgb遥感图像样本数据、所述初始河网距离特征样本数据和所述中心线热力图样本数据对机器学习模型进行训练，得到目标河道概率预测模型。

5、根据本发明的另一方面，提供了一种河道中心线提取方法，包括：

6、获取目标河道的rgb遥感图像数据和初始河网数据；

7、根据所述rgb遥感图像数据和所述初始河网数据确定所述目标河道的初始河网距离特征数据；

8、将所述目标河道的rgb遥感图像数据和初始河网距离特征数据输入至所述目标河道概率预测模型，得到所述目标河道的目标中心线热力图；

9、在初始河网的第二预设距离阈值范围内，根据所述目标中心线热力图确定所述目标河道的校正河道中心线；

10、其中，所述目标河道概率预测模型通过本发明任一实施例所述的河道概率预测模型的训练方法训练得到。

11、根据本发明的另一方面，提供了一种河道概率预测模型的训练装置，包括：

12、目标训练样本数据获取模块，用于获取目标训练样本数据；其中，所述目标训练样本数据包括rgb遥感图像样本数据、初始河网距离特征样本数据和中心线热力图样本数据；

13、河道概率预测模型训练模块，用于根据所述rgb遥感图像样本数据、所述初始河网距离特征样本数据和所述中心线热力图样本数据对机器学习模型进行训练，得到目标河道概率预测模型。

14、根据本发明的另一方面，提供了一种河道中心线提取装置，包括：

15、数据获取模块，用于获取目标河道的rgb遥感图像数据和初始河网数据；

16、初始河网距离特征数据确定模块，用于根据所述rgb遥感图像数据和所述初始河网数据确定所述目标河道的初始河网距离特征数据；

17、目标中心线热力图确定模块，用于将所述目标河道的rgb遥感图像数据和初始河网距离特征数据输入至所述目标河道概率预测模型，得到所述目标河道的目标中心线热力图；

18、校正河道中心线提取模块，用于在初始河网的第二预设距离阈值范围内，根据所述目标中心线热力图确定所述目标河道的校正河道中心线；

19、其中，所述目标河道概率预测模型通过本发明任一实施例所述的河道概率预测模型的训练方法训练得到。

20、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

21、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，

22、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的河道概率预测模型的训练方法或河道中心线提取方法。

23、根据本发明的另一方面，提供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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的河道概率预测模型的训练方法或河道中心线提取方法。

24、根据本发明的另一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本发明任一实施例所述的河道概率预测模型的训练方法或河道中心线提取方法。

25、本发明实施例通过获取包括rgb遥感图像样本数据、初始河网距离特征样本数据和中心线热力图样本数据在内的目标训练样本数据。进一步的，根据rgb遥感图像样本数据、初始河网距离特征样本数据和中心线热力图样本数据对机器学习模型进行训练，得到目标河道概率预测模型。在训练得到目标河道概率预测模型之后，获取目标河道的rgb遥感图像数据和初始河网数据，并根据rgb遥感图像数据和初始河网数据确定目标河道的初始河网距离特征数据。进一步的，将目标河道的rgb遥感图像数据和初始河网距离特征数据输入至目标河道概率预测模型，得到目标河道的目标中心线热力图。在此基础上，在初始河网的第二预设距离阈值范围内，根据目标中心线热力图确定目标河道的校正河道中心线。上述方案解决了rgb遥感图像下河道特征微弱，河道中心线校正困难的问题，能够提高弱特征河道中心线提取的精度。

26、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种河道概率预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述目标训练样本数据还包括河道区域标注样本数据；所述获取目标训练样本数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据所述rgb遥感图像样本数据和所述初始河网样本数据确定所述初始河网距离特征样本数据，包括：

4.根据权利要求2所述的方法，其特征在于，所述根据所述rgb遥感图像样本数据和所述人工标定河流中心线样本数据生成所述中心线热力图样本数据，包括：

5.一种河道中心线提取方法，其特征在于，包括：

6.一种河道概率预测模型的训练装置，其特征在于，包括：

7.一种河道中心线提取装置，其特征在于，包括：

8.一种电子设备，其特征在于，所述电子设备包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-4中任一所述的河道概率预测模型的训练方法，或执行权利要求5所述的河道中心线提取方法。

10.一种计算机程序产品，其特征在于，包括计算机程序/指令，其中，所述计算机程序/指令被处理器执行时实现权利要求1-4中任一所述的河道概率预测模型的训练方法，或执行权利要求5所述的河道中心线提取方法。