一种基于空间感知划分的遥感影像样本生成方法及装置与流程

本说明书实施例属于遥感影像样本生成领域，特别地涉及一种基于空间感知划分的遥感影像样本生成方法及装置。

背景技术：

1、在遥感影像智能解译领域，深度学习模型的训练依赖大量高质量的标注样本。遥感影像通常覆盖范围极大（单景影像可达数十至数百平方公里），需要通过滑动窗口切片方式生成固定尺寸的训练样本。然而，现有的遥感影像样本生成方案主要面临两个方面的问题，一方面，训练集与验证集的划分多采用随机打乱或按类别平衡的方式，未能考虑遥感影像的地理空间连续特性。由于滑动窗口切片时相邻样本之间通常存在较大重叠区域，随机划分容易导致同一地理区域的切片样本同时出现在训练集和验证集中，造成空间数据泄漏，使模型评估结果虚高而无法真实反映泛化能力。尽管部分方案在个别项目中通过人为划定训练/预测区域来规避该问题，但始终缺乏系统化的空间自动隔离划分方案。

2、另一方面，现有遥感影像样本导出系统通常针对单一任务类型设计，标注数据以特定任务的输出格式直接存储，当需要为同一区域生成不同任务类型的样本时，必须针对每种任务类型重新进行标注或格式转换，标注工作无法复用；且以栅格格式存储的标注数据丢失了原始几何信息，无法在不同任务类型之间无损转换。此外，栅格格式的标注数据与特定分辨率绑定，当需要输出不同分辨率的训练样本时，需重新进行栅格化处理，难以灵活满足不同模型架构对输入分辨率的多样化需求。

技术实现思路

1、本公开的实施例提供了一种基于空间感知划分的遥感影像样本生成方法及装置，旨在解决上述问题以及其他潜在的问题中的一个或多个。

2、根据本公开的第一方面，提供了一种基于空间感知划分的遥感影像样本生成方法，方法包括基于针对遥感影像的导出任务请求，确定遥感影像的请求参数和最小空间间隔约束，请求参数包括训练集比例和训练集重叠率，最小空间间隔约束基于样本地理尺寸的预设倍率设置；

3、基于训练集重叠率，在遥感影像内生成多个候选边界框，并将遥感影像划分为多个统计网格，以确定每个统计网格中的候选边界框数量，根据候选边界框数量计算每个统计网格的密度加权采样权重，密度越稀疏的统计网格的密度加权采样权重越高；

4、在遥感影像中生成多个候选验证中心点，以基于各候选验证中心点所属的统计网格的密度加权采样权重进行加权随机采样，直至得到目标数量的验证中心点；任意两个候选验证中心点之间的间隔满足最小空间间隔约束，目标数量基于训练集比例确定；

5、以每个验证中心点为基准，在各候选边界框中查找最邻近的未占用边界框作为验证集边界框，并将不与验证集边界框存在空间重叠的候选边界框作为训练集边界框；

6、基于训练集边界框和验证集边界框的地理范围从遥感影像中裁剪影像切片，得到训练样本集和验证样本集。

7、根据本公开的第二方面，提供了一种基于空间感知划分的遥感影像样本生成装置，装置包括任务解析模块，被配置为基于针对遥感影像的导出任务请求，确定遥感影像的请求参数和最小空间间隔约束，请求参数包括训练集比例和训练集重叠率，最小空间间隔约束基于样本地理尺寸的预设倍率设置；

8、边界框生成模块，被配置为基于训练集重叠率，在遥感影像内生成多个候选边界框，并将遥感影像划分为多个统计网格，以确定每个统计网格中的候选边界框数量，根据候选边界框数量计算每个统计网格的密度加权采样权重，密度越稀疏的统计网格的密度加权采样权重越高；

9、随机采样模块，被配置为在遥感影像中生成多个候选验证中心点，以基于各候选验证中心点所属的统计网格的密度加权采样权重进行加权随机采样，直至得到目标数量的验证中心点；任意两个候选验证中心点之间的间隔满足最小空间间隔约束，目标数量基于训练集比例确定；

10、边界框分类模块，被配置为以每个验证中心点为基准，在各候选边界框中查找最邻近的未占用边界框作为验证集边界框，并将不与验证集边界框存在空间重叠的候选边界框作为训练集边界框；

11、样本集构建模块，被配置为基于训练集边界框和验证集边界框的地理范围从遥感影像中裁剪影像切片，得到训练样本集和验证样本集。

12、根据本公开的第三方面，提供了一种电子设备，包括一个或多个处理器，以及与一个或多个处理器关联的存储器，存储器用于存储程序指令，程序指令在被一个或多个处理器读取执行时，执行根据第一方案所提供的方法。

13、根据本公开的第四方面，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现根据第一方面所提供的方法。

14、本说明书实施例提供的方案，通过按照设定的训练集重叠率生成候选边界框，按最小空间间隔约束下确定的间隔生成候选验证中心点并以最近邻方式选取验证边界框，再剔除与验证边界框存在空间重叠的边界框作为训练边界框的方式，实现了训练集边界框与验证集边界框在地理空间上的完全隔离，使训练集与验证集之间不存在任何空间交叉，从而消除因传统随机划分导致同一地理区域样本同时出现在训练集与验证集中所造成的空间数据泄漏问题，使模型评估结果能够真实反映泛化能力。此外，处理过程中根据各统计网格内候选边界框密度计算密度加权采样权重，实现对稀疏标注区域的优先采样，保证了训练集与验证集各自在空间维度上的分布均匀性，避免因标注数据空间分布不均导致的模型局部盲区与泛化能力衰退。

1.一种基于空间感知划分的遥感影像样本生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于空间感知划分的遥感影像样本生成方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的一种基于空间感知划分的遥感影像样本生成方法，其特征在于，所述基于所述训练集重叠率，在所述遥感影像内生成多个候选边界框，包括：

4.根据权利要求1所述的一种基于空间感知划分的遥感影像样本生成方法，其特征在于，所述基于所述训练集边界框和验证集边界框的地理范围从所述遥感影像中裁剪影像切片，得到训练样本集和验证样本集之前，还包括：

5.根据权利要求1所述的一种基于空间感知划分的遥感影像样本生成方法，其特征在于，所述基于所述训练集边界框和验证集边界框的地理范围从所述遥感影像中裁剪影像切片，得到训练样本集和验证样本集，包括：

6.根据权利要求5所述的一种基于空间感知划分的遥感影像样本生成方法，其特征在于，所述方法还包括：

7.根据权利要求5所述的一种基于空间感知划分的遥感影像样本生成方法，其特征在于，所述样本类型标识包括语义分割、目标检测、旋转框检测、变化检测和实例分割中的至少一种；所述语义分割对应的标注格式为调色板掩码图像，所述目标检测对应的标注格式为归一化边界框坐标文本，所述旋转框检测对应的标注格式为旋转矩形四点坐标文本，所述变化检测对应的标注格式为二值变化掩码图像，所述实例分割对应的标注格式为游程编码json数据。

8.一种基于空间感知划分的遥感影像样本生成装置，用于执行所述权利要求1-7中任一项所述的一种基于空间感知划分的遥感影像样本生成方法的步骤，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，包括：

10.计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1-7中任一项所述的一种基于空间感知划分的遥感影像样本生成方法。