一种基于遥感图像的地质测绘系统

技术领域

本发明属于测绘领域，特别是涉及一种基于遥感图像的地质测绘系统。

背景技术

随着高分辨率遥感卫星的发展，获取到的图像分辨率越来越高。这使得地质测绘人员能够更详细地观察和分析地表地貌、地质结构和岩石特征等。高分辨率图像可以提供更准确、详细的地质信息，对于矿产资源、构造分析和地质调查等方面具有重要意义。通过获取多时相的遥感图像，可以进行比较图像分析和变化检测。这对地质测绘人员来说是非常有价值的，可以用于监测地表沉降、地表变形、山体滑坡和岩层位移等地质灾害，提供及时的风险评估和预警。

遥感图像的分辨率受到遥感设备和传感器的限制。在一些复杂地质环境中，如小尺度构造、细粒度地貌特征等，可能无法获得足够详细和准确的图像分辨率，从而限制了精细的地质解译和分析。例如，在高植被密集区域或云雾较多的区域，遥感图像可能受到遮蔽，难以获取准确的地貌信息。

发明内容

本发明的目的是提供一种基于遥感图像的地质测绘系统，以解决上述现有技术存在的问题。

为实现上述目的，本发明提供了一种基于遥感图像的地质测绘系统，包括：

数据获取子系统，用于基于遥感卫星获取遥感图像，将所述遥感图像进行预处理，获得预处理数据集；

模型构建子系统，与所述数据获取子系统连接，用于构建特征提取模型，将所述预处理数据集输入至所述特征提取模型中进行训练，获得地质特征获取模型；

计算子系统，与所述模型构建子系统连接，用于实时获取待测绘区域的遥感图像，所述待测绘区域的遥感图像输入至所述地质特征获取模型中进行计算，获得地质要素特征；

测绘子系统，与所述计算子系统连接，用于将所述地质要素特征进行分析，获取分析结果，基于所述分析结果对待测绘区域进行测绘，获得测绘信息图。

优选地，所述数据获取子系统包括：

数据需求确定模块，用于确定遥感图像需求；

数据收取模块，用于基于遥感图像需求获取遥感图像；

处理模块，用于将所述遥感图像进行校正处理，获得所述预处理数据集。

优选地，所述处理模块包括：

噪声消除单元，用于将所述遥感图像进行去噪处理，获得第一处理数据；

光照消除单元，用于基于光照变化将所述去噪数据进行处理，获得第二处理数据；

大气干扰消除单元，用于将所述第二处理数据中的大气干扰进行去除，获得第三处理数据；

核对单元，用于对所述第三处理数据进行核对并校正，获得所述预处理数据集。

优选地，所述模型构建子系统包括：

模型建立模块，用于基于特征识别方法构建特征提取模型；

数据集分类模块，用于对所述预处理数据集进行处理，获得训练集和测试集；

训练测试模块，用于将所述训练集输入至所述特征提取模型中进行训练，将所述测试集输入至训练后的模型进行性能评估，获得性能评估模型；

微调模块，用于将所述性能评估模型进行微调，获得所述地质特征获取模型。

优选地，所述微调模块包括：

响应时间调整单元，用于对所述地质特征获取模型中的结构进行响应时间调整，获得调整模型；

参数微调单元，用于基于实际地质条件对所述调整模型进行参数微调，获得所述地质特征获取模型。

优选地，所述计算子系统包括：

实时数据获取模块，用于基于卫星任务获取待测绘区域的遥感图像；

数据计算模块，用于将所述遥感图像输入至所述地质特征获取模型中进行计算，获得地质特征数据；

数据融合模块，用于获取地质信息，将所述地质特征数据与所述地质信息进行融合，获得所述地质要素特征；

所述地质信息包括地质地球化学数据和地形数据。

优选地，所述数据计算模块包括：

特征计算单元，用于所述遥感图像输入至所述地质特征获取模型中进行计算，获得待测绘区域特征数据；

解译单元，用于将所述待测绘区域特征数据进行解译，获得目标对象；

位置确定单元，用于对所述目标对象进行位置确定，获得所述地质特征数据；

所述目标对象包括地质构造、沉积物、岩性、矿床。

优选地，所述测绘子系统包括：

分析模块，用于对所述地质要素特征进行构造分析，获得构造分析结果；

测绘模块，用于基于地质标识和制图技术将所述构造分析结果进行测绘，获得所述测绘信息图。

本发明的技术效果为：本发明中卫星遥感能够获取多光谱和高光谱图像数据，覆盖不同波段的能量信息。这使得对地表材料、植被、水文和大气等参数的解释和分析更加精细和全面，同时，本发明通过特征分析模型对地区特征进行分析后进行处理，去除了气候条件、云覆盖、卫星任务等因素的影响，能够更好地获取准确的地貌信息。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例中的地质测绘系统示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

实施例一

如图1所示，本实施例中提供一种基于遥感图像的地质测绘系统，包括：

数据获取子系统，用于基于遥感卫星获取遥感图像，将所述遥感图像进行预处理，获得预处理数据集；

模型构建子系统，与所述数据获取子系统连接，用于构建特征提取模型，将所述预处理数据集输入至所述特征提取模型中进行训练，获得地质特征获取模型；

计算子系统，与所述模型构建子系统连接，用于实时获取待测绘区域的遥感图像，所述待测绘区域的遥感图像输入至所述地质特征获取模型中进行计算，获得地质要素特征；

测绘子系统，与所述计算子系统连接，用于将所述地质要素特征进行分析，获取分析结果，基于所述分析结果对待测绘区域进行测绘，获得测绘信息图。

对遥感图像进行预处理，包括几何校正、大气校正和辐射校正等操作。这些步骤有助于消除图像中的噪声、光照变化和大气干扰

进一步优化方案，所述数据获取子系统包括：

数据需求确定模块，用于确定遥感图像需求；

数据收取模块，用于基于遥感图像需求获取遥感图像；

处理模块，用于将所述遥感图像进行校正处理，获得所述预处理数据集。

进一步优化方案，所述处理模块包括：

噪声消除单元，用于将所述遥感图像进行去噪处理，获得第一处理数据；

光照消除单元，用于基于光照变化将所述去噪数据进行处理，获得第二处理数据；

大气干扰消除单元，用于将所述第二处理数据中的大气干扰进行去除，获得第三处理数据；

核对单元，用于对所述第三处理数据进行核对并校正，获得所述预处理数据集。

将遥感图像数据与其他地质数据进行融合，如地质地球化学数据、地形数据等，以增强地质信息的解释和分析能力；

数据整合是指将来自不同数据源和格式的数据进行收集、清洗、转换和组合，以生成一致、准确、可靠的数据集。以下是本实施例的数据整合过程：

从各种数据源中收集需要整合的数据。这些数据源可能包括数据库、文件、API、传感器等。

对收集到的数据进行初步的清理和过滤，去除重复、错误或无效数据，保留符合条件的数据，并将其存储到单独的数据仓库或目录中。

对不同格式的数据进行转换，使其能够适应整合后的数据结构。这可能涉及到日期格式的转换、单位转换、数据类型转换等。

将经过清洗和转换的数据整合成一个单一的数据集。这可以通过连接、合并、聚合等方式实现，以便于后续的分析和查询。

对整合后的数据进行验证和测试，以确保其质量和准确性。这可能需要使用工具和方法来检测异常值、缺失值、数据不一致等问题。

将整合后的数据发布和共享给相关用户或系统。这可以通过网络服务、API、共享文件等方式实现，以便于使用者进行查询和分析。

对整合后的数据进行维护和更新，以保持其实时性和正确性。这可能需要定期的数据清理、转换和整合过程。

进一步优化方案，所述模型构建子系统包括：

模型建立模块，用于基于特征识别方法构建特征提取模型；

具体为：确定网络结构：基于实际需求确定所需要的输入、隐藏和输出层的数量和节点数。

初始化权重和偏置：权重和偏置是神经网络的核心参数，需要随机初始化一个小的值。权重和偏置控制着信号在神经元之间传递的强度和方向。

前向传播计算：从输入层开始，通过计算每个神经元的加权和，并将其传递给下一层，以计算预测结果。

定义损失函数：损失函数用于衡量预测结果与真实结果之间的差异。常用的损失函数包括均方误差(mean squared error,MSE)和交叉熵(cross-entropy)等；

反向传播优化：通过反向传播算法，计算出每个参数对损失函数的贡献，然后根据梯度下降算法更新权重和偏置的值，以最小化损失函数。

重复迭代：通过多次前向传播和反向传播优化，不断更新权重和偏置的值，直到损失函数收敛为止。

数据集分类模块，用于对所述预处理数据集进行处理，获得训练集和测试集；

训练测试模块，用于将所述训练集输入至所述特征提取模型中进行训练，将所述测试集输入至训练后的模型进行性能评估，获得性能评估模型；

微调模块，用于将所述性能评估模型进行微调，获得所述地质特征获取模型。

进一步优化方案，所述微调模块包括：

响应时间调整单元，用于对所述地质特征获取模型中的结构进行响应时间调整，获得调整模型；

参数微调单元，用于基于实际地质条件对所述调整模型进行参数微调，获得所述地质特征获取模型。

微调包括标准化，具体为Z-score标准化，也称作标准差标准化，是一种常用的数据标准化方法。它将原始数据转换为具有标准正态分布的值，从而更好地进行比较和分析。以下是实现Z-score标准化的步骤：

计算平均值和标准差：对于给定的数据集x，计算其平均值μ和标准差σ。

标准化数据：对于每个数据点xi，使用以下公式将其标准化：

z＝(xi-μ)/σ

其中，z表示标准化后的值，xi表示原始值。

进一步优化方案，所述计算子系统包括：

实时数据获取模块，用于基于卫星任务获取待测绘区域的遥感图像；

数据计算模块，用于将所述遥感图像输入至所述地质特征获取模型中进行计算，获得地质特征数据；

数据融合模块，用于获取地质信息，将所述地质特征数据与所述地质信息进行融合，获得所述地质要素特征；

所述地质信息包括地质地球化学数据和地形数据。

进一步优化方案，所述数据计算模块包括：

特征计算单元，用于所述遥感图像输入至所述地质特征获取模型中进行计算，获得待测绘区域特征数据；

解译单元，用于将所述待测绘区域特征数据进行解译，获得目标对象；

位置确定单元，用于对所述目标对象进行位置确定，获得所述地质特征数据；

所述目标对象包括地质构造、沉积物、岩性、矿床。

进一步优化方案，所述测绘子系统包括：

分析模块，用于对所述地质要素特征进行构造分析，获得构造分析结果；

测绘模块，用于基于地质标识和制图技术将所述构造分析结果进行测绘，获得所述测绘信息图。

将解译和分析得到的遥感图像数据与其他地理数据进行整合，并进行可视化展示。使用地理信息系统(GIS)软件或图像处理软件，创建地图和图像产品。

本实施例还将信息图存入数据库中以供查看，本实施例中数据库为xml格式；

构建XML数据库通常需要以下步骤：

基于需求确定数据结构：XML数据库中的数据以XML文档的形式存储，因此需要确定数据结构，并定义文档类型定义(DTD)或XML模式(XSD)来描述数据的格式和规则。这些模板包括元素、属性、命名空间等。

设计文档模板：根据数据结构，创建并设计XML文档模板，即定义XML文档中各个元素、属性以及它们之间的关系。

确定存储方案：根据应用需求选择合适的XML数据库系统，如eXist-db、BaseX或MarkLogic等。一些数据库管理系统也支持XML格式的数据导入和查询，例如Oracle和MicrosoftSQLServer。

插入和查询数据：使用提供的API或查询语言，例如XQuery或XPath，将数据插入到数据库中，并从数据库中检索和查询数据。这里需要注意在数据库中保存的XML数据应符合事先定义的DTD或XSD规范。

进行维护和优化：周期性地备份和维护数据库，并优化查询语句和索引，以提高索引效率和查询速度。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。