(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211148170.5 (22)申请日 2022.09.20 (71)申请人 自然资源部国土卫星遥感应用中心 地址 100048 北京市海淀区紫竹院百胜 村1 号 (72)发明人 肖晨超　刘瑶　刘智伟　 (74)专利代理 机构 北京中和立达知识产权代理 有限公司 1 1756 专利代理师 孟姣 (51)Int.Cl. G06V 10/75(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 高光谱数据的精细样本生成方法及装置 (57)摘要 本发明是关于一种高光谱数据的精细样本 生成方法及装置， 方法包括： 获取目标高光谱数 据； 对目标高光谱数据进行正射校正， 以得到高 光谱正射影像； 将高光谱正射影像与已有地面调 查分类数据进行空间位置匹配， 以确定粗糙样 本， 其中， 粗糙样本包括样 本影像和样本标签； 采 用粗糙样 本对分类模型进行训练， 获得预训练的 类别预测模 型； 通过预训练的类别预测模型对每 个粗糙样 本进行类别预测， 以得到每个粗糙样本 对应的目标类别； 根据每个粗糙样 本对应的目标 类别和样 本标签确定其分类精度， 并将分类精度 小于预设精度的目标粗糙样本丢弃， 以得到精细 样本。 通过该技术方案， 保证保留下来的精细样 本具有较高的准确性和可用性。 权利要求书2页 说明书8页 附图7页 CN 115424047 A 2022.12.02 CN 115424047 A 1.一种高光谱数据的精细样本生成方法， 其特 征在于， 所述方法包括： 获取目标高光谱数据； 对所述目标高光谱数据进行正 射校正， 以得到高光谱正 射影像； 将所述高光谱正射影像与已有地面调查分类数据进行空间位置匹配， 以确定粗糙样 本， 其中， 所述 粗糙样本包括样本影 像和样本标签； 采用粗糙样本对分类模型进行训练， 获得 预训练的类别预测模型； 通过预训练的类别预测模型对每个粗糙样本进行类别预测， 以得到每个粗糙样本对应 的目标类别； 根据每个粗糙样本对应的目标类别和样本标签确定其分类精度， 并将分类精度小于预 设精度的目标粗 糙样本丢弃， 以得到精细样本 。 2.根据权利要求1所述的方法， 其特征在于， 在采用粗糙样本对分类模型进行训练， 获 得预训练的类别预测模型之前， 所述方法还 包括： 根据类别分类需求， 对样本标签进行类别合并。 3.根据权利要求1所述的方法， 其特 征在于， 所述获取目标高光谱数据， 包括： 获取需要生成样本的目标区域和目标时间范围内的目标高光谱数据。 4.根据权利要求1所述的方法， 其特征在于， 将所述高光谱正射影像与已有地面调查分 类数据进行空间位置匹配， 以确定粗 糙样本， 包括： 获取每个高光谱正 射影像的空间范围； 将每个高光谱正射影像的空间范围与已有地面调查分类数据的范围进行空间位置匹 配； 对空间位置匹配一致的目标高光谱正射影像和目标地面调查分类数据按照预设尺寸 进行裁剪， 以得到所述 粗糙样本。 5.根据权利要求4所述的方法， 其特征在于， 将每个 高光谱正射影像的空间范围与已有 地面调查分类数据的范围进行空间位置匹配， 包括： 根据所述每个 高光谱正射影像的空间范围， 确定所述每个 高光谱正射影像的四个角点 的经纬度坐标信息； 根据所述经纬度坐标信息生成每 个高光谱正 射影像对应范围的矢量文件； 将目标高光谱正射影像对应范围的矢量文件与所述地面调查分类数据对应范围的矢 量文件进行求交集， 以确定所述目标高光谱正 射影像对应的目标地 面调查分类数据； 将所述目标高光谱正射影像和目标地面调查分类数据按照预设尺寸进行裁剪， 并将所 述目标高光谱正射影像确定为所述样本影像， 根据所述目标地面调查分类数据确定所述样 本标签。 6.一种高光谱数据的精细样本生成装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取目标高光谱数据； 校正模块， 用于对所述目标高光谱数据进行正 射校正， 以得到高光谱正 射影像； 匹配模块， 用于将所述高光谱正射影像与已有地面调查分类数据进行空间位置匹配， 以确定粗 糙样本， 其中， 所述 粗糙样本包括样本影 像和样本标签； 预训练模块， 用于将粗 糙样本对分类模型进行训练， 获得 预训练的类别预测模型； 预测模块， 用于通过预训练的类别预测模型对每个粗糙样本进行类别预测， 以得到每权　利　要　求　书 1/2 页 2 CN 115424047 A 2个粗糙样本对应的目标类别； 处理模块， 用于根据每个粗糙样本对应的目标类别和样本标签确定其分类精度， 并将 分类精度小于预设精度的目标粗 糙样本丢弃， 以得到精细样本 。 7.根据权利要求6所述的装置， 其特 征在于， 所述装置还 包括： 合并模块， 用于在采用粗糙样本对分类模型进行训练， 获得预训练的类别预测模型之 前， 根据类别分类需求， 对样本标签进行类别合并。 8.根据权利要求6所述的装置， 其特 征在于， 所述获取模块用于： 获取需要生成样本的目标区域和目标时间范围内的目标高光谱数据。 9.根据权利要求6所述的装置， 其特 征在于， 所述匹配模块包括： 获取单元， 用于获取每 个高光谱正 射影像的空间范围； 匹配单元， 用于将每个 高光谱正射影像的空间范围与已有地面调查分类数据的范围进 行空间位置匹配； 裁剪单元， 用于对空间位置匹配一致的目标高光谱正射影像和目标地面调查分类数据 按照预设尺寸进行裁 剪， 以得到所述 粗糙样本。 10.根据权利要求9所述的装置， 其特 征在于， 所述匹配单 元用于： 根据所述每个 高光谱正射影像的空间范围， 确定所述每个 高光谱正射影像的四个角点 的经纬度坐标信息； 根据所述经纬度坐标信息生成每 个高光谱正 射影像对应范围的矢量文件； 将目标高光谱正射影像对应范围的矢量文件与所述地面调查分类数据对应范围的矢 量文件进行求交集， 以确定所述目标高光谱正 射影像对应的目标地 面调查分类数据； 将所述目标高光谱正射影像和目标地面调查分类数据按照预设尺寸进行裁剪， 并将所 述目标高光谱正射影像确定为所述样本影像， 根据所述目标地面调查分类数据确定所述样 本标签。权　利　要　求　书 2/2 页 3 CN 115424047 A 3