CN113657166A - 一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质 - Google Patents
一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN113657166A CN113657166A CN202110809810.1A CN202110809810A CN113657166A CN 113657166 A CN113657166 A CN 113657166A CN 202110809810 A CN202110809810 A CN 202110809810A CN 113657166 A CN113657166 A CN 113657166A
- Authority
- CN
- China
- Prior art keywords
- texture
- image
- traditional
- region
- urban
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims 1
- 239000002994 raw material Substances 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质,其属于城乡聚落传统肌理管理的领域,一种城乡聚落传统肌理智能辅助识别方法包括,获取目标识别区域的区域图像信息和预设的区域划分规则;调取预先建立好的肌理识别模型;利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像;根据区域划分规则对传统肌理区域图像进行划分。本发明具有提高城乡聚落遗产传统肌理的识别便捷性的效果。
Description
技术领域
本申请涉及城乡聚落传统肌理管理的领域,尤其是涉及一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质。
背景技术
随着国家对基础文化设施建设的重视,助推了城乡聚落遗产保护制度的向前发展,对于城乡聚落遗产保护等方面的探究越来越多;传统肌理是指具有中国传统特征的城乡聚落空间形态的表面组织构造效果,是传统聚落中各空间要素相互作用而产生的结果;传统肌理的识别是城乡聚落遗产保护的前提,是城乡聚落遗产保护对象的确定、保护区域的划定、保护监测等的重要依据。
现有的城乡聚落传统肌理的识别工作主要由人工进行,具体来说,在获取城乡聚落的卫星图片后,研究者查看卫星图片并依据经验在卫星图片中确定城乡聚落传统肌理。
然而,城乡聚落传统肌理种类繁多,不同研究者对城乡聚落传统肌理的标准不同,研究者人工进行查看卫星图片、识别城乡聚落传统肌理的工作效率较低,在长时间工作过程中可能出现识别遗漏甚至错误的现象,基于前述,现有的城乡聚落传统肌理的识别方法较为不便。
发明内容
为了便于识别城乡聚落传统肌理,本申请提供一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质。
本申请目的一是提供的一种城乡聚落传统肌理智能辅助识别方法。
本申请的上述申请目的一是通过以下技术方案得以实现的:
一种城乡聚落传统肌理智能辅助识别方法,包括:
获取目标识别区域的区域图像和预设的区域划分规则;
调取预先建立好的肌理识别模型;
利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像;
根据区域划分规则对传统肌理区域图像进行划分。
通过采用上述技术方案,首先,获取到目标识别区域的区域图像,然后根据肌理识别模型对区域图像进行判断,判断区域图像中是否存在城乡聚落传统肌理,若存在,则对该区域图像进行划分,通过这种方式,相较于人工识别,采用肌理识别模型以及对区域图像划分的模式提高了对城乡聚落传统肌理的识别便捷性,提高了对城乡聚落传统肌理的识别效率,降低了人工成本。
本申请在一较佳示例中可以进一步配置为,所述获取目标识别区域的区域图像的方法包括:获取遥感卫星输出的图像;所述图像即为目标识别区域的区域图像。
通过采用上述技术方案,使用遥感卫星获取目标识别区域的区域图像,一方面提高了区域图像的识别准确性和识别精度,另一方面提高了获取区域图像的效率。
本申请在一较佳示例中可以进一步配置为,在调取肌理识别模型之前,需要建立肌理识别模型;所述建立调取肌理识别模型的方法包括:
获取区域图像信息;
根据区域图像信息对肌理识别模型进行训练;
得到训练好的肌理识别模型并将肌理识别模型存储至服务器中。
通过采用上述技术方案,建立肌理识别模型,并将建立好的肌理识别模型存储在服务器中,以便于在使用肌理识别模型时直接调取即可,提高了使用肌理识别模型的便捷性。
本申请在一较佳示例中可以进一步配置为,所述利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像的方法包括:
根据肌理识别模型对区域图像进行判断;
判断区域图像是否包括传统肌理区域图像;
若是,则保留该区域图像,并将该区域图像标记为传统肌理区域图像;
若否,则去除该区域图像,并对下一区域图像进行判断。
通过采用上述技术方案,根据肌理识别模型对区域图像进行判断,然后对判断结果采取不同的措施,如果判断结果为是,说明该区域图像为传统肌理区域图像,如果判断结果为否,说明该区域图像不是传统肌理区域图像,则去除该区域图像,通过这种方式,提高了对区域图像的识别准确性和判断效率,降低了对区域图像的识别复杂度,并且清除了非传统肌理区域图像的区域图像的冗余。
本申请在一较佳示例中可以进一步配置为,在获取预设的区域划分规则之前,需要先设定区域划分规则;所述设定区域划分规则的方法包括:
获取区域图像大数据;
基于区域图像大数据生成图像范围信息;
基于区域图像大数据生成图像距离信息;
将图像范围信息设定为区域划分规则的第一规则信息;
将图像距离信息设定为区域划分规则的第二规则信息。
通过采用上述技术方案,设定了不同的规则之后,将区域划分规则存储在服务器中,当使用区域划分规则时,可以从第一规则或第二规则两个方面综合考虑,提高了划分效率及划分准确性。
本申请在一较佳示例中可以进一步配置为:根据区域划分规则对传统肌理区域图像进行划分后得到划分好的传统肌理图像,并对传统肌理图像进行特征标识后显示并输出。
通过采用上述技术方案,将划分好的传统肌理图像进行特征标识显示并输出,这样使得工作人员可以一目了然地看到传统肌理图像,提高了传统肌理图像的查看便捷性。
本申请在一较佳示例中可以进一步配置为:在得到传统肌理图像后,需要根据传统肌理图像判断肌理识别模块的识别正确率,所述判断肌理识别模型的识别正确率的方法包括:
获取人工识别信息;
根据人工识别信息得到识别正确率;
根据识别正确率对肌理识别模型进行校准。
通过采用上述技术方案,根据人工识别信息得到识别正确率,然后根据识别正确率对肌理识别模型进行校准,并对肌理识别模型进行增强训练,以提高肌理识别模型的识别准确性和识别正确率。
本申请目的二是提供一种城乡聚落传统肌理智能辅助识别系统。
本申请的上述申请目的二是通过以下技术方案得以实现的:
一种城乡聚落传统肌理智能辅助识别系统,包括:
获取模块,用于获取目标识别区域的区域图像信息和预设的区域划分规则;
调取模块,用于调取预先建立好的肌理识别模型;
识别模块,用于利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像;
划分模块,用于根据区域划分规则对传统肌理区域图像进行划分。
本申请目的三是提供一种智能终端。
本申请的上述申请目的三是通过以下技术方案得以实现的:
一种智能终端,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行的上述城乡聚落传统肌理智能辅助识别方法的计算机程序指令。
本申请目的四是提供一种计算机介质,能够存储相应的程序。
本申请的上述申请目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种城乡聚落传统肌理智能辅助识别方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
通过肌理识别模型对区域图像进行识别判断,然后对区域图像进行划分后得到传统肌理图像,相较于人工识别的方式,采用本申请中的方案可以提高对城乡聚落传统肌理的识别便捷性,提高了对城乡聚落传统肌理的识别效率,降低了人工成本。
附图说明
图1是本申请实施例中一种城乡聚落传统肌理智能辅助识别方法的方法流程示意图。
图2是本申请实施例中一种城乡聚落传统肌理智能辅助识别系统的系统结构示意图。
附图标记说明:1、获取模块;2、调取模块;3、识别模块;4、划分模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例,都属于本申请保护的范围。
以下结合附图对本申请做进一步详细说明。
本申请提供一种城乡聚落传统肌理智能辅助识别方法,所述方法的主要流程描述如下。
如图1所示:
步骤S1:获取目标识别区域的区域图像和预设的区域划分规则。
具体来说,目标识别区域就是指具有一定历史文化价值的城乡聚落,如历史文化名城、名镇、名村、街区以及传统村落。
本申请实施例中,是通过遥感卫星获取到目标识别区域的区域图像;其中,获取目标识别区域的区域图像就是从专业的数据库中导出需要的遥感影像,这些遥感影像来源于遥感卫星实时拍摄地面环境生成的图像数据,工作人员对图像进行纠正之后保存到数据库中;本申请实施例中采用arcgis平台数据库,但不仅限于该数据库;本申请实施例中获取手段采用arcgis平台数据驱动页面获取法,但不仅限于该获取方法。
在一个示例中,arcgis平台数据驱动页面获取法的具体方式为,首先制作目标识别区域的矢量数据,对需要重新划分的目标识别区域的坐标信息进行采集,然后在arcgis平台数据库中调取具有坐标信息的目标识别区域的矢量数据,运用arcpy进行批量卫星图像数据的导出,同时导出的高分辨率遥感影像即为目标识别区域的区域图像,且该区域图像自带坐标信息。
在预设的区域划分规则之前,需要先设定区域划分规则;本申请实施例中设定区域划分规则的方式如下:
1、获取区域图像大数据。
2、基于区域图像大数据生成图像范围信息。
3、基于区域图像大数据生成图像距离信息。
4、将图像范围信息设定为区域划分规则的第一规则信息。
5、将图像距离信息设定为区域划分规则的第二规则信息。
本申请实施例中,可以通过爬虫爬取区域图像大数据,这里的区域图像指的是具有传统肌理的图像。
然后根据区域图像大数据生成图像范围信息,图像范围信息指的是在区域图像中传统肌理的面积阈值,即区域图像中的传统肌理的面积不小于阈值时,则将该部分图像划分为传统肌理图像;例如,在区域图像A中,传统肌理B的面积为3,而传统肌理的面积阈值为4,则该传统肌理B不视为传统肌理图像,传统肌理C的面积为5,则该传统肌理C视为传统肌理图像,可以理解的是,以古建筑群为例,若古建筑群的面积不小于传统肌理的面积阈值,则说明该古建筑群为大型的古建筑,将该古建筑群视为传统肌理,若古建筑群的面积小于传统肌理的面积阈值,则说明该古建筑群为小型散落的古建筑,则不将该古建筑群视为传统肌理。
然后根据区域图像大数据生成图像距离信息,图像距离信息指的是区域图像中不同的传统肌理之间的距离阈值,即若两个传统肌理之间的距离不大于距离阈值时,则将该两个传统肌理合并为一个传统肌理,若两个传统肌理之间的距离大于距离阈值时,则该两个传统肌理仍为两个传统肌理;例如,在区域图像A中有传统肌理B、传统肌理C、传统肌理D和传统肌理E,其中传统肌理A和传统肌理B之间的距离大于距离阈值,则传统肌理B和传统肌理C保持不变;传统肌理D和传统肌理E之间的距离小于距离阈值,则将传统肌理D和传统肌理E合并为传统肌理F,即两个传统肌理合并为一个传统肌理,并且两个传统肌理之间的部分皆划分至新的传统肌理中,以河流为例,河流两侧均有传统肌理,而河流的宽度大于距离阈值时,两侧的传统肌理保持不变,河流的宽度小于距离阈值时,两侧的传统肌理包括河流皆划分至新的传统肌理中。
在得到图像范围信息和图像距离信息之后,将图像范围信息设定为第一规则信息,将图像距离信息设定为第二规则信息,第一规则信息和第二规则信息组合形成区域划分规则。
步骤S2:调取预先建立好的肌理识别模型。
在调取肌理识别模型之前,需要先建立肌理识别模型;首先,获取区域图像信息,然后根据区域图像信息对肌理识别模型进行训练,得到训练好的肌理识别模型并将肌理识别模型存储至服务器中;可以理解的是,肌理识别模型指的是对传统肌理进行识别的模型,因此在训练肌理识别模型时,需要通过多个具有传统肌理的区域图像对肌理识别模型进行训练,上述过程为相关技术中常用技术手段,在此不再赘述。
在建立完肌理识别模型后,当需要使用时,可以调取肌理识别模型进行使用,提高了肌理识别模型使用的便捷性。
步骤S3:利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像。
首先,根据肌理识别模型对区域图像进行判断,并判断区域图像是否包括传统肌理区域图像;若是,则保留该区域图像,并将该区域图像标记为传统肌理区域图像;若否,则去除该区域图像,并对下一区域图像进行判断。
在步骤S1中获取到了区域图像,在步骤S2中获取到了用于识别传统肌理的肌理识别模型;然后,根据肌理识别模型对区域图像进行识别,在本申请实施例中,肌理识别模型对区域图像进行判断,判断区域图像中是否包含传统肌理区域图像并输出判断结果,具体过程为相关技术中常用技术手段,在此不再赘述。
根据判断结果采取不同的措施,若判断结果为是,则保留该区域图像,说明该区域图像内包含有传统肌理区域图像,那么则将该区域图像标记为传统肌理区域图像;若判断结果为否,则去除该区域图像,说明该区域图像内不包含传统肌理区域图像,那么则将该区域图像清除,防止多余的区域图像产生冗余。
通过采用上述技术手段,提高了对区域图像的识别准确性和判断效率,降低了对区域图像的识别复杂度。
步骤S4:根据区域划分规则对传统肌理区域图像进行划分。
首先,在步骤S1中获取到了区域划分规则,然后根据区域划分规则对步骤S3中的传统肌理区域图像进行划分;可以理解的是,使用区域划分规则对传统肌理区域图像进行划分是为了保证传统肌理区域图像中的传统肌理部分被清楚的标识,方便工作人员进行查看,同样相较于人工识别的方式,通过区域划分规则划分出传统肌理部分提高了对城乡聚落传统肌理的识别便捷性,提高了对城乡聚落传统肌理的识别效率,降低了人工成本。
在一个示例中,传统肌理区域图像Q中包含有传统肌理A、传统肌理B、传统肌理C、传统肌理D和传统肌理E;然后,根据区域划分规则对传统肌理区域图像Q进行划分;其中,传统肌理A的面积为2,传统肌理B的面积为5,传统肌理C的面积为8,传统肌理D的面积为3,传统肌理E的面积为5.4,而传统肌理的面积阈值为3.4,那么根据第一规则,传统肌理A和传统肌理D的面积小于面积阈值,则传统肌理A和传统肌理D不被视为传统肌理图像,而剩余的传统肌理B、传统肌理C和传统肌理E被视为第一规则下的传统肌理图像;然后根据第二规则,传统肌理B和传统肌理C之间的距离小于距离阈值,并且传统肌理B和传统肌理C之间有道路;传统肌理E和传统肌理B、传统肌理E和传统肌理C之间的距离均大于距离阈值,综上,传统肌理B和传统肌理C以及传统肌理B和传统肌理C之间的道路综合形成传统肌理F,而传统肌理E保留;根据第一规则和第二规则的划分,最终传统肌理区域图像Q被划分成传统肌理图像F和传统肌理图像E。
在对传统肌理区域图像进行划分后得到划分好的传统肌理图像,然后需要对传统肌理图像进行特征标识后显示并输出;这里的特征标识可以理解为,在显示屏上显示的图像中传统肌理图像部分高亮,或者传统肌理图像部分被框选,或者传统肌理图像边缘设置有纹路,通过上述方式,均可以实现对传统肌理图像的特征标识;可以理解的是,特征标识就是指对传统肌理图像进行标识,使得传统肌理图像可以被更明显地查看到,通过对传统肌理图像的标识,提高了传统肌理图像的查看便捷性。
在使用肌理识别模型对区域图像进行判断后,再根据区域划分规则对区域图像进行划分,通过这种方式可以得到目标识别区域的传统肌理图像;但是,在工作人员查看传统肌理图像时,发现部分传统肌理图像出现识别错误或识别误差等情况的,导致最终标识的传统肌理图像部分出现偏差,使得部分被标识的图像并不是传统肌理图像;因此,需要对输出的传统肌理图像进行二次确认的步骤,本申请实施例中,获取到对传统肌理图像的人工识别信息,根据人工识别信息得到识别正确率,然后根据识别正确率对肌理识别模型进行校准。
可以理解的是,人工识别信息指的是对传统肌理图像的识别信息,表示当前传统肌理图像是否为判断正确的结果,若否,则标记为异常图像,根据异常图像和总体图像的数量对比可以得到识别正确率,然后将识别正确率与预设的正确率阈值进行比较,若低于阈值,则需要对肌理识别模型进行增强训练。
在一个示例中,肌理识别模型对50张图片进行判断,判断结果为其中32张为传统肌理区域图像,而最终输出的为25张传统肌理图像,根据人工识别信息可以得知,其中,20张为传统肌理图像,剩余5张为非传统肌理图像,则表示该次识别正确率为80%,而识别正确率低于预设的95%识别率阈值,则说明需要对肌理识别模型进行增强训练,通过这种方式,提高了肌理识别模型的识别准确性和识别正确率。
本申请还提供一种城乡聚落传统肌理智能辅助识别系统,如图2所示,一种城乡聚落传统肌理智能辅助识别系统包括,获取模块1,用于获取目标识别区域的区域图像信息和预设的区域划分规则;调取模块2,用于调取预先建立好的肌理识别模型;识别模块3,用于利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像;划分模块4,用于根据区域划分规则对传统肌理区域图像进行划分。
为了更好地执行上述方法的程序,本申请还提供一种智能终端,智能终端包括存储器和处理器。
其中,存储器可用于存储指令、程序、代码、代码集或指令集。存储器可以包括存储程序区和存储数据区,其中存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述城乡聚落传统肌理智能辅助识别方法的指令等;存储数据区可存储上述城乡聚落传统肌理智能辅助识别方法中涉及到的数据等。
处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集,调用存储在存储器内的数据,执行本申请的各种功能和处理数据。处理器可以为特定用途集成电路、数字信号处理器、数字信号处理装置、可编程逻辑装置、现场可编程门阵列、中央处理器、控制器、微控制器和微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本申请实施例不作具体限定。
本申请还提供一种计算机可读存储介质,例如包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述城乡聚落传统肌理智能辅助识别方法的计算机程序。
以上描述仅为本申请得较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种城乡聚落传统肌理智能辅助识别方法,其特征在于,包括:
获取目标识别区域的区域图像和预设的区域划分规则;
调取预先建立好的肌理识别模型;
利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像;
根据区域划分规则对传统肌理区域图像进行划分。
2.根据权利要求1所述的城乡聚落传统肌理智能辅助识别方法,其特征在于,所述获取目标识别区域的区域图像的方法包括:获取遥感卫星输出的图像;所述图像即为目标识别区域的区域图像。
3.根据权利要求1所述的城乡聚落传统肌理智能辅助识别方法,其特征在于,在调取肌理识别模型之前,需要建立肌理识别模型;所述建立调取肌理识别模型的方法包括:
获取区域图像信息;
根据区域图像信息对肌理识别模型进行训练;
得到训练好的肌理识别模型并将肌理识别模型存储至服务器中。
4.根据权利要求1所述的一种城乡聚落传统肌理智能辅助识别方法,其特征在于,所述利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像的方法包括:
根据肌理识别模型对区域图像进行判断;
判断区域图像是否包括传统肌理区域图像;
若是,则保留该区域图像,并将该区域图像标记为传统肌理区域图像;
若否,则去除该区域图像,并对下一区域图像进行判断。
5.根据权利要求1所述的一种城乡聚落传统肌理智能辅助识别方法,其特征在于,在获取预设的区域划分规则之前,需要先设定区域划分规则;所述设定区域划分规则的方法包括:
获取区域图像大数据;
基于区域图像大数据生成图像范围信息;
基于区域图像大数据生成图像距离信息;
将图像范围信息设定为区域划分规则的第一规则信息;
将图像距离信息设定为区域划分规则的第二规则信息。
6.根据权利要求1所述的一种城乡聚落传统肌理智能辅助识别方法,其特征在于,根据区域划分规则对传统肌理区域图像进行划分后得到划分好的传统肌理图像,并对传统肌理图像进行特征标识后显示并输出。
7.根据权利要求6所述的一种城乡聚落传统肌理智能辅助识别方法,其特征在于,在得到传统肌理图像后,需要根据传统肌理图像判断肌理识别模块的识别正确率,所述判断肌理识别模型的识别正确率的方法包括:
获取人工识别信息;
根据人工识别信息得到识别正确率;
根据识别正确率对肌理识别模型进行校准。
8.一种城乡聚落传统肌理智能辅助识别系统,其特征在于:包括,
获取模块(1),用于获取目标识别区域的区域图像信息和预设的区域划分规则;
调取模块(2),用于调取预先建立好的肌理识别模型;
识别模块(3),用于利用肌理识别模型对区域图像进行识别后得到区域图像中的传统肌理区域图像;
划分模块(4),用于根据区域划分规则对传统肌理区域图像进行划分。
9.一种智能终端,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110809810.1A CN113657166A (zh) | 2021-07-17 | 2021-07-17 | 一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110809810.1A CN113657166A (zh) | 2021-07-17 | 2021-07-17 | 一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113657166A true CN113657166A (zh) | 2021-11-16 |
Family
ID=78477552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110809810.1A Pending CN113657166A (zh) | 2021-07-17 | 2021-07-17 | 一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113657166A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530170A (zh) * | 2016-09-21 | 2017-03-22 | 环境保护部南京环境科学研究所 | 一种区域生态保护红线的边界优化方法 |
CN106651723A (zh) * | 2016-12-29 | 2017-05-10 | 环境保护部南京环境科学研究所 | 一种水源涵养功能保护红线的划定方法 |
US20180225504A1 (en) * | 2017-02-08 | 2018-08-09 | Ordnance Survey Limited | Topographic Data Machine Learning Method and System |
CN110135351A (zh) * | 2019-05-17 | 2019-08-16 | 东南大学 | 基于城市建筑空间数据的建成区边界识别方法及设备 |
CN110765941A (zh) * | 2019-10-23 | 2020-02-07 | 张学玲 | 一种基于高分遥感影像的海水污染区域识别方法和设备 |
CN111414878A (zh) * | 2020-03-26 | 2020-07-14 | 京东城市(北京)数字科技有限公司 | 一种关于地块的社会属性分析、图像处理方法及装置 |
CN111462320A (zh) * | 2020-03-20 | 2020-07-28 | 中国电建集团昆明勘测设计研究院有限公司 | 基于约束性Delaunay三角网的“两区”地块自动批量生成方法 |
CN112035584A (zh) * | 2020-08-28 | 2020-12-04 | 北京清华同衡规划设计研究院有限公司 | 空间规划情景模拟方法及系统 |
CN112084941A (zh) * | 2020-09-09 | 2020-12-15 | 国科天成(北京)科技有限公司 | 一种基于遥感图像的目标检测与识别方法 |
CN112860767A (zh) * | 2021-02-09 | 2021-05-28 | 中国科学院地理科学与资源研究所 | 一种基于时序数据的城乡过渡带的识别 |
-
2021
- 2021-07-17 CN CN202110809810.1A patent/CN113657166A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530170A (zh) * | 2016-09-21 | 2017-03-22 | 环境保护部南京环境科学研究所 | 一种区域生态保护红线的边界优化方法 |
CN106651723A (zh) * | 2016-12-29 | 2017-05-10 | 环境保护部南京环境科学研究所 | 一种水源涵养功能保护红线的划定方法 |
US20180225504A1 (en) * | 2017-02-08 | 2018-08-09 | Ordnance Survey Limited | Topographic Data Machine Learning Method and System |
CN110135351A (zh) * | 2019-05-17 | 2019-08-16 | 东南大学 | 基于城市建筑空间数据的建成区边界识别方法及设备 |
CN110765941A (zh) * | 2019-10-23 | 2020-02-07 | 张学玲 | 一种基于高分遥感影像的海水污染区域识别方法和设备 |
CN111462320A (zh) * | 2020-03-20 | 2020-07-28 | 中国电建集团昆明勘测设计研究院有限公司 | 基于约束性Delaunay三角网的“两区”地块自动批量生成方法 |
CN111414878A (zh) * | 2020-03-26 | 2020-07-14 | 京东城市(北京)数字科技有限公司 | 一种关于地块的社会属性分析、图像处理方法及装置 |
CN112035584A (zh) * | 2020-08-28 | 2020-12-04 | 北京清华同衡规划设计研究院有限公司 | 空间规划情景模拟方法及系统 |
CN112084941A (zh) * | 2020-09-09 | 2020-12-15 | 国科天成(北京)科技有限公司 | 一种基于遥感图像的目标检测与识别方法 |
CN112860767A (zh) * | 2021-02-09 | 2021-05-28 | 中国科学院地理科学与资源研究所 | 一种基于时序数据的城乡过渡带的识别 |
Non-Patent Citations (5)
Title |
---|
张捷等: "黄陵县主城区整体空间特色要素探析", 建筑与文化, vol. 2018, no. 10, 31 October 2018 (2018-10-31), pages 158 - 160 * |
范文义等: ""3S"理论与技术", 31 August 2016, 东北林业大学出版社, pages: 323 * |
邓书斌等: "ENVI遥感图像处理方法(第二版)", 31 October 2014, 高等教育出版社, pages: 228 * |
陆海英等: "基于遥感的城乡结合部地域范围界定研究——以无锡市为例", 南京师范大学报(自然科学版), vol. 2004, no. 02, pages 98 - 102 * |
马利邦;郭晓东;张启媛;: "陇中黄土丘陵区乡村聚落的空间格局――以甘肃省通渭县为例", 山地学报, no. 04, pages 408 - 416 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528863A (zh) | 表格结构的识别方法、装置、电子设备及存储介质 | |
CN108399386A (zh) | 饼图中的信息提取方法及装置 | |
CN111259854B (zh) | 一种文本图像中表格的结构化信息的识别方法及装置 | |
CN113947766B (zh) | 一种基于卷积神经网络的实时车牌检测方法 | |
CN116229007B (zh) | 利用bim建模的四维数字图像构建方法、装置、设备及介质 | |
CN114511718B (zh) | 一种建筑施工用物料智能管理方法及系统 | |
CN113569968B (zh) | 模型训练方法、目标检测方法、装置、设备及存储介质 | |
CN111695609A (zh) | 目标物损伤程度判定方法、装置、电子设备及存储介质 | |
CN112749653A (zh) | 行人检测方法、装置、电子设备及存储介质 | |
CN115909059A (zh) | 一种自然资源样本库建立方法和装置 | |
CN104299241A (zh) | 基于 Hadoop 的遥感图像显著性目标检测方法及系统 | |
CN113989287A (zh) | 城市道路遥感图像分割方法、装置、电子设备和存储介质 | |
CN111982077B (zh) | 电子地图绘制方法、系统和电子设备 | |
CN116137061B (zh) | 数量统计模型的训练方法、装置、电子设备及存储介质 | |
CN110991437B (zh) | 字符识别方法及其装置、字符识别模型的训练方法及其装置 | |
CN116052110B (zh) | 一种路面标线缺损智能定位方法及系统 | |
CN106324708A (zh) | 雨量记录图纸的数字化方法、装置 | |
CN115841558B (zh) | 城市道路建模的方法、装置、电子设备和存储介质 | |
CN111985471A (zh) | 一种车牌定位方法、装置及存储介质 | |
CN113657166A (zh) | 一种城乡聚落传统肌理智能辅助识别方法、系统、终端及存储介质 | |
CN115600570A (zh) | 一种电网设备预警限值表格重构方法、录入方法及装置 | |
Zhang et al. | A YOLOv3-Based Industrial Instrument Classification and Reading Recognition Method | |
CN115546655A (zh) | 一种基于深度学习的乡村景观基本空间单元识别方法 | |
CN114240924A (zh) | 一种基于数字化技术的电网设备质量评估方法 | |
CN115439864A (zh) | 水表读数识别方法、系统、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |