CN117371963B - 一种国土调查举证照片自动核查方法与系统 - Google Patents

一种国土调查举证照片自动核查方法与系统 Download PDF

Info

Publication number
CN117371963B
CN117371963B CN202311662891.2A CN202311662891A CN117371963B CN 117371963 B CN117371963 B CN 117371963B CN 202311662891 A CN202311662891 A CN 202311662891A CN 117371963 B CN117371963 B CN 117371963B
Authority
CN
China
Prior art keywords
photo
evidence
photos
credibility
determining
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.)
Active
Application number
CN202311662891.2A
Other languages
English (en)
Other versions
CN117371963A (zh
Inventor
王峰
封宁
陈羡
刘加兵
尹学成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Digital Technology Co ltd
Original Assignee
Zhejiang Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Digital Technology Co ltd filed Critical Zhejiang Digital Technology Co ltd
Priority to CN202311662891.2A priority Critical patent/CN117371963B/zh
Publication of CN117371963A publication Critical patent/CN117371963A/zh
Application granted granted Critical
Publication of CN117371963B publication Critical patent/CN117371963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种国土调查举证照片自动核查方法与系统，属于图像处理技术领域，具体包括：获取待核查的举证照片集以及所述举证照片集所对应的待核查区域，通过举证照片集中的举证照片的可信度以及无效照片进行举证照片集的综合可信度的确定，基于GIS分析结果进行有效照片在待核查区域的图斑的覆盖结果以及图斑匹配度的确定，对有效照片进行图像识别得到有效照片中的建筑物，通过不同的建筑物的匹配的有效照片进行待核查区域的推测土地类型的识别可靠性的确定，并结合图斑匹配度以及综合可信度进行待核查区域的土地类型以及土地类型的识别准确率的输出，从而实现了对土地类型的准确评估和照片的自动核查。

Description

一种国土调查举证照片自动核查方法与系统
技术领域
本发明属于图像处理技术领域，尤其涉及一种国土调查举证照片自动核查方法与系统。
背景技术
为了满足国土调查的需求，现有技术方案中往往是通过以实地拍照举证照片为主实现对国土调查的取证，而如何实现对国土调查拍摄照片的核查成为亟待解决的技术问题
为了解决上述技术问题，现有技术方案中在发明专利CN202211393289.9《一种国土变更调查的举证系统》中通过根据实地数据，对举证数据采集子系统收到的举证数据是否符合要求进行核查，并对核查结果进行存储，但是却存在以下技术问题：
在进行土地类型的识别时，未考虑结合图像识别结果进行图像类型的识别，具体的，一般来说不同的土地类型存在与其相匹配的建筑物类型，因此若不考虑建筑物类型的识别结果，则无法准确的实现对土地类型的识别。
在进行土地类型的识别时，未考虑不同的举证图片的可信度以及举证图片与预设图斑的匹配情况，当举证图片的可信度较低或者举证图片与预设图斑的匹配结果不佳时，此时依靠举证照片无法准确的实现对土地类型的识别。
针对上述技术问题，本发明提供了一种国土调查举证照片自动核查方法与系统。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种国土调查举证照片自动核查方法。
一种国土调查举证照片自动核查方法，其特征在于，具体包括：
S1获取待核查的举证照片集以及所述举证照片集所对应的待核查区域，根据所述举证照片集中的举证照片与所述待核查区域的历史举证照片的相似度进行历史照片相似度以及建筑物相似度的评估，并结合所述举证照片与举证照片集中的其它的举证照片的建筑物相似度进行所述举证照片的可信度以及举证照片集中的无效照片和有效照片的确定；
S2通过举证照片集中的举证照片的可信度以及无效照片进行所述举证照片集的综合可信度的确定，当所述综合可信度满足要求时，进入下一步骤；
S3基于GIS分析结果进行所述有效照片在待核查区域的图斑的覆盖结果的确定，并根据所述图斑的覆盖结果进行图斑匹配度的确定，当所述图斑匹配度满足要求时，进入下一步骤；
S4对所述有效照片进行图像识别得到所述有效照片中的建筑物，通过不同的建筑物的匹配的有效照片进行所述待核查区域的推测土地类型的识别可靠性的确定，并结合所述图斑匹配度以及综合可信度进行所述待核查区域的土地类型以及土地类型的识别准确率的输出。
本发明的有益效果在于：
1、通过进行举证照片的可信度以及举证照片集中的无效照片和有效照片的确定，实现了从与历史举证照片的相似情况以及与其它的举证照片的建筑物相似度两个角度对举证照片的可信情况进行准确评估，既避免了历史重复照片对土地类型的识别结果准确性的影响，同时还考虑到照片的建筑物与其它的举证照片的关联情况，从而保证了土地类型的确定的可靠性。
2、通过根据图斑的覆盖结果进行图斑匹配度的确定，既避免了采用其它区域的照片导致的识别准确率不佳的技术问题，同时还避免了由于举证照片集的数量不足导致无法实现对土地类型的准确识别的技术问题，从而极大的提升了土地类型的识别可靠性，也实现了对照片的可信情况的进一步评估。
3、通过结合图斑匹配度以及综合可信度进行待核查区域的土地类型以及土地类型的识别准确率的输出，不仅考虑到不同的举证照片集由于图斑匹配度以及综合可信度导致的照片可靠性的差异，同时还考虑到由于不同的举证照片的建筑物类型和数量的差异对土地类型的识别可靠性的影响，保证了土地类型的识别结果的识别准确性。
进一步的技术方案在于，所述举证照片集根据所述举证照片所对应的待核查区域进行划分，具体的，根据预先设置好的举证照片所对应的待核查区域或者根据举证照片之间的相似度进行划分。
进一步的技术方案在于，当所述图斑匹配度不满足要求或者综合可信度不满足要求，则确定所述举证照片集不满足核查要求，并直接输出无法进行土地类型的确定的结果。
进一步的技术方案在于，所述待核查区域的推测土地类型的识别可靠性的确定的方法为：
通过所述有效照片中的建筑物结果进行所述有效照片中的建筑物的确定，并基于所述建筑物的匹配的有效照片的数量以及有效照片的可信度进行所述建筑物的可信度的确定；
根据不同的所述建筑物的类型进行所述待核查区域的匹配的疑似土地类型的确定，并根据不同的疑似土地类型的匹配的建筑物的数量以及不同的建筑物的可信度进行不同的疑似土地类型的识别可信度的确定；
基于所述识别可信度对所述疑似土地类型筛选得到推测土地类型，并将所述推测土地类型的识别可信度作为所述推测土地类型的识别可靠性。
进一步的技术方案在于，结合所述图斑匹配度以及综合可信度进行所述待核查区域的土地类型以及土地类型的识别准确率的输出，具体包括：
将所述推测土地类型作为所述待核查区域的土地类型，通过所述图斑匹配度以及综合可信度的乘积进行准确率补偿量的确定，并根据所述准确率补偿量与所述识别可靠性的权重和进行所述土地类型的识别准确率的确定。
第二方面，本发明提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种国土调查举证照片自动核查方法。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；
图1是一种国土调查举证照片自动核查方法的流程图；
图2是举证照片的可信度的确定的方法的流程图；
图3是举证照片集的综合可信度的确定的方法的流程图；
图4是图斑匹配度的确定的方法的流程图；
图5是待核查区域的推测土地类型的识别可靠性的确定的方法的流程图；
图6是一种计算机系统的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
申请人发现，在进行土地类型的核查时，现有技术方案忽视了对举证照片的可信度进行评估，由于不同的举证照片与待核查土地的历史照片里面的建筑物的相似度存在差异，因此通过对举证照片与待核查土地的历史照片里面的建筑物的相似度进行评估，从而实现对举证照片的可信度的评估，从而实现对待核查土地的土地类型的确定。
为解决上述技术问题，申请人采用以下技术方案：
首先通过待核查的举证照片集中的举证照片与所述待核查区域的历史举证照片的相似度进行历史照片相似度以及建筑物相似度的评估，并对举证照片与举证照片集中的其它的举证照片的建筑物相似度进行评估，从而实现对举证照片的可信度的确定以及有效照片的筛选，具体的可以根据举证照片里面的建筑物与存在所述建筑物的待核查区域的历史举证照片的数量以及举证照片集中的其它的举证照片的数量进行可信度的评估；
在得到有效照片后，根据举证照片集中的举证照片的可信度以及无效照片进行所述举证照片集的综合可信度的确定，具体的可以通过除去无效照片的有效照片的比例与举证照片的可信度的平均值的乘积进行综合可信度的确定，只有当所述综合可信度较大时，进入下一步骤；
然后通过GIS分析结果将有效图片与待核查区域的图斑进行匹配处理得到图斑的覆盖结果的确定，并根据所述图斑的覆盖结果中的图斑的覆盖面积的比例进行图斑匹配度的确定，当所述图斑匹配度较大时，进入下一步骤；
最后根据不同的有效照片中的建筑物的数量和类型进行待核查区域的土地类型的确定，并根据存在的不同的建筑物的有效照片的数量以及可信度进行不同的建筑物的可信度的确定，最后根据不同的建筑物的可信度的归一化处理后的权重和进行土地类型的识别可靠性的确定，并将与图斑匹配度以及综合可信度的乘积作为土地类型的识别准确率的输出。
以下将从方法类实施例和系统类实施例两个角度进行进一步的阐释。
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种国土调查举证照片自动核查方法，其特征在于，具体包括：
S1获取待核查的举证照片集以及所述举证照片集所对应的待核查区域，根据所述举证照片集中的举证照片与所述待核查区域的历史举证照片的相似度进行历史照片相似度以及建筑物相似度的评估，并结合所述举证照片与举证照片集中的其它的举证照片的建筑物相似度进行所述举证照片的可信度以及举证照片集中的无效照片和有效照片的确定；
可以理解的是，上述步骤S1中的所述举证照片集根据所述举证照片所对应的待核查区域进行划分，具体的，根据预先设置好的举证照片所对应的待核查区域或者根据举证照片之间的相似度进行划分。
在其中的一个可能的实施例中，上述步骤S1中的所述举证照片的可信度的确定的方法为：
通过所述举证照片与所述举证照片与举证照片集中的其它的举证照片的进行所述举证照片集中的重复举证照片的识别，并将所述重复举证照片排除后得到修正照片集；
通过所述修正照片集中的举证照片与所述历史举证照片的历史照片相似度确定所述举证照片属于重复照片时：
将所述重复照片作为无效照片，基于所述历史照片相似度进行所述重复照片的可信度的确定；
当所述举证照片不属于重复照片时：
通过所述举证照片的图像识别结果进行所述举证照片中的建筑物数量以及不同建筑物的图像特征的提取，并根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的历史举证照片，并将其作为历史建筑物照片，根据所述历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的历史可信度的确定，并通过所述举证照片中的不同的建筑物的历史可信度进行所述举证照片的历史可信度的确定；
根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的其它的举证照片，并将其作为当前建筑物照片，基于所述当前建筑物照片的数量以及不同的当前建筑物照片与所述举证照片的建筑物相似度的确定，根据所述当前建筑物照片的数量以及不同的当前建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的当前可信度的确定，并通过所述举证照片中的不同的建筑物的当前可信度进行举证照片的当前可信度的确定；
基于所述举证照片的不同的建筑物的当前可信度以及历史可信度进行所述建筑物的综合可信度以及可信建筑物的确定，并结合所述举证照片的当前可信度以及历史可信度进行所述举证照片的可信度的确定。
进一步的，上述步骤中的根据所述历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的历史可信度的确定，具体包括：
根据所述历史建筑物照片的拍摄时间进行不同的历史建筑物照片的权重值的确定，并结合历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的建筑物相似度的权重和的确定，并将所述建筑物相似度的权重和归一化处理后得到所述举证照片中的建筑物的历史可信度。
需要说明的是，所述举证照片集中的无效照片和有效照片的确定的方法为：
当所述举证照片集中的举证照片的可信度不满足要求时，则将所述举证照片作为无效照片，当所述举证照片集中的举证照片的可信度满足要求时，则将所述举证照片作为有效照片。
在另外的一个可能的实施例中，如图2所示，上述步骤S1中的所述举证照片的可信度的确定的方法为：
S11通过所述举证照片与所述举证照片与举证照片集中的其它的举证照片的进行所述举证照片集中的重复举证照片的识别，并将所述重复举证照片排除后得到修正照片集；
S12通过所述修正照片集中的举证照片与所述历史举证照片的历史照片相似度确定所述举证照片是否属于重复照片，若是，则将所述重复照片作为无效照片，基于所述历史照片相似度进行所述重复照片的可信度的确定，若否，则进入下一步骤；
S13通过所述举证照片的图像识别结果进行所述举证照片中的建筑物数量以及不同建筑物的图像特征的提取，并根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的历史举证照片，并将其作为历史建筑物照片，根据所述历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的历史可信度的确定，判断所述举证照片中是否存在历史可信度满足要求的建筑物，若是，则进入步骤S15，若否，则进入下一步骤；
S14根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的其它的举证照片，并将其作为当前建筑物照片，基于所述当前建筑物照片的数量以及不同的当前建筑物照片与所述举证照片的建筑物相似度的确定，判断所述举证照片中是否存在历史可信度满足要求的建筑物，若是，则进入步骤S15，若否，则通过举证照片的不同的建筑物的当前可信度以及历史可信度进行所述建筑物的综合可信度的确定，并根据所述综合可信度的最大值进行所述举证照片的可信度的确定；
S15通过所述举证照片中的不同的建筑物的历史可信度进行所述举证照片的历史可信度的确定，通过所述举证照片中的不同的建筑物的当前可信度进行举证照片的当前可信度的确定，基于所述举证照片的不同的建筑物的当前可信度以及历史可信度进行所述建筑物的综合可信度以及可信建筑物的确定，并结合所述举证照片的当前可信度以及历史可信度进行所述举证照片的可信度的确定。
在本实施例中，通过进行举证照片的可信度以及举证照片集中的无效照片和有效照片的确定，实现了从与历史举证照片的相似情况以及与其它的举证照片的建筑物相似度两个角度对举证照片的可信情况进行准确评估，既避免了历史重复照片对土地类型的识别结果准确性的影响，同时还考虑到照片的建筑物与其它的举证照片的关联情况，从而保证了土地类型的确定的可靠性。
S2通过举证照片集中的举证照片的可信度以及无效照片进行所述举证照片集的综合可信度的确定，当所述综合可信度满足要求时，进入下一步骤；
在其中的一个可能的实施例中，如图3所示，上述步骤S2中的所述举证照片集的综合可信度的确定的方法为：
S21将所述举证照片集中的重复举证照片排除后得到修正照片集，并根据所述修正照片集的举证照片的数量以及无效照片的数量确定所述举证照片集是否可信，若是，则进入下一步骤，若否，则通过所述修正照片集的举证照片的数量以及无效照片的数量进行所述举证照片集的综合可信度的确定；
S22根据所述修正照片集的举证照片的数量以及有效照片的数量确定所述有效照片的数量是否满足要求，若是，则进入下一步骤，若否，则进入步骤S24；
S23基于所述修正照片集中的有效照片的可信度进行在预设可信度区间内的有效照片的数量以及可信度的确定，并结合所述有效照片的数量以及可信度进行所述修正照片集中的有效照片的综合可信度的确定，并判断所述有效照片的综合可信度是否满足要求，若是，则将所述有效照片的综合可信度作为所述举证照片集的综合可信度，若否，则进入下一步骤；
S24基于所述修正照片集的举证照片的数量以及无效照片的数量进行无效照片的比例的确定，并结合无效照片的可信度以及数量、有效照片的综合可信度确定所述举证照片集的综合可信度。
在另外的一个可能的实施例中，上述步骤S2中的所述举证照片集的综合可信度的确定的方法为：
将所述举证照片集中的重复举证照片排除后得到修正照片集，根据所述举证照片集对应的待核查区域的图斑面积进行所述举证照片集中的有效照片的最小数量的确定；
当所述修正照片集中的有效照片的数量小于所述举证照片集中的有效照片的最小数量时：
通过所述修正照片集的有效照片的数量以及有效照片的最小数量进行所述举证照片集的综合可信度的确定；
当所述修正照片集中的有效照片的数量不小于所述举证照片集中的有效照片的最小数量时：
基于所述修正照片集中的有效照片的可信度进行在预设可信度区间内的有效照片的数量以及可信度的确定，并结合所述有效照片的数量以及可信度进行所述修正照片集中的有效照片的综合可信度的确定，并判断所述有效照片的综合可信度是否满足要求，若是，则将所述有效照片的综合可信度作为所述举证照片集的综合可信度，若否，则进入下一步骤；
基于所述修正照片集的举证照片的数量以及无效照片的数量进行无效照片的比例的确定，并结合无效照片的可信度以及数量、有效照片的综合可信度确定所述举证照片集的综合可信度。
S3基于GIS分析结果进行所述有效照片在待核查区域的图斑的覆盖结果的确定，并根据所述图斑的覆盖结果进行图斑匹配度的确定，当所述图斑匹配度满足要求时，进入下一步骤；
需要进一步说明的是，所述图斑的覆盖结果包括所述图斑的覆盖面积、覆盖比例、空缺图斑数量以及空缺图斑的面积。
在其中的一个可能的实施例中，如图4所示，上述步骤S3中的所述图斑匹配度的确定的方法为：
S31通过所述有效照片在所述待核查区域的图斑的覆盖结果进行所述待核查区域的图斑的覆盖面积的确定，并结合所述图斑的面积确定所述图斑的覆盖面积是否满足要求，若是，则进入下一步骤，若否，则通过所述图斑的覆盖面积以及所述图斑的面积进行所述图斑匹配度的确定；
S32基于所述有效照片在所述待核查区域的图斑的覆盖结果进行所述有效照片在所述待核查区域的图斑的空缺图斑数量的确定，并结合所述图斑的面积确定所述图斑的空缺图斑数量是否满足要求，若是，则进入下一步骤，若否，则进入步骤S35；
S33获取所述待核查区域的图斑的空缺图斑的面积，并确定是否存在面积不满足要求的空缺图斑，若是，则进入步骤S35，若否，则进入步骤S34；
S34根据所述空缺图斑的面积进行面积大于预设面积的空缺图斑的数量的确定，并结合所述空缺图斑的数量以及空缺图斑的平均面积进行所述待核查区域的空缺图斑评估量的确定，并判断所述空缺图斑评估量是否满足要求，若是，则通过所述空缺图斑评估量进行所述图斑匹配度的确定，若否，则进入下一步骤；
S35获取所述待核查区域的图斑的覆盖面积以及覆盖比例，并结合面积不满足要求的空缺图斑的数量以及空缺图斑评估量进行所述图斑匹配度的确定。
可以理解的是，当所述图斑匹配度不满足要求或者综合可信度不满足要求，则确定所述举证照片集不满足核查要求，并直接输出无法进行土地类型的确定的结果。
在本实施例中，通过根据图斑的覆盖结果进行图斑匹配度的确定，既避免了采用其它区域的照片导致的识别准确率不佳的技术问题，同时还避免了由于举证照片集的数量不足导致无法实现对土地类型的准确识别的技术问题，从而极大的提升了土地类型的识别可靠性，也实现了对照片的可信情况的进一步评估。
S4对所述有效照片进行图像识别得到所述有效照片中的建筑物，通过不同的建筑物的匹配的有效照片进行所述待核查区域的推测土地类型的识别可靠性的确定，并结合所述图斑匹配度以及综合可信度进行所述待核查区域的土地类型以及土地类型的识别准确率的输出。
在其中的一个可能的实施例中，如图5所示，上述步骤S4中的所述待核查区域的推测土地类型的识别可靠性的确定的方法为：
S41通过所述有效照片中的建筑物结果进行所述有效照片中的建筑物的确定，并基于所述建筑物的匹配的有效照片的数量以及有效照片的可信度进行所述建筑物的可信度的确定；
S42根据不同的所述建筑物的类型进行所述待核查区域的匹配的疑似土地类型的确定，并根据不同的疑似土地类型的匹配的建筑物的数量以及不同的建筑物的可信度进行不同的疑似土地类型的识别可信度的确定；
S43基于所述识别可信度对所述疑似土地类型筛选得到推测土地类型，并将所述推测土地类型的识别可信度作为所述推测土地类型的识别可靠性。
具体的，结合所述图斑匹配度以及综合可信度进行所述待核查区域的土地类型以及土地类型的识别准确率的输出，具体包括：
将所述推测土地类型作为所述待核查区域的土地类型，通过所述图斑匹配度以及综合可信度的乘积进行准确率补偿量的确定，并根据所述准确率补偿量与所述识别可靠性的权重和进行所述土地类型的识别准确率的确定。
在本实施例中，通过结合图斑匹配度以及综合可信度进行待核查区域的土地类型以及土地类型的识别准确率的输出，不仅考虑到不同的举证照片集由于图斑匹配度以及综合可信度导致的照片可靠性的差异，同时还考虑到由于不同的举证照片的建筑物类型和数量的差异对土地类型的识别可靠性的影响，保证了土地类型的识别结果的识别准确性。
另一方面，如图6所示，本发明提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种国土调查举证照片自动核查方法。
上述的一种国土调查举证照片自动核查方法，具体包括：
获取待核查的举证照片集以及所述举证照片集所对应的待核查区域，通过所述举证照片与所述举证照片与举证照片集中的其它的举证照片的进行所述举证照片集中的重复举证照片的识别，并将所述重复举证照片排除后得到修正照片集；
通过所述修正照片集中的举证照片与所述历史举证照片的历史照片相似度确定所述举证照片属于重复照片时：
将所述重复照片作为无效照片，基于所述历史照片相似度进行所述重复照片的可信度的确定；
当所述举证照片不属于重复照片时：
通过所述举证照片的图像识别结果进行所述举证照片中的建筑物数量以及不同建筑物的图像特征的提取，并根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的历史举证照片，并将其作为历史建筑物照片，根据所述历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的历史可信度的确定，并通过所述举证照片中的不同的建筑物的历史可信度进行所述举证照片的历史可信度的确定；
根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的其它的举证照片，并将其作为当前建筑物照片，基于所述当前建筑物照片的数量以及不同的当前建筑物照片与所述举证照片的建筑物相似度的确定，根据所述当前建筑物照片的数量以及不同的当前建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的当前可信度的确定，并通过所述举证照片中的不同的建筑物的当前可信度进行举证照片的当前可信度的确定；
基于所述举证照片的不同的建筑物的当前可信度以及历史可信度进行所述建筑物的综合可信度以及可信建筑物的确定，并结合所述举证照片的当前可信度以及历史可信度进行所述举证照片的可信度的确定，并根据可信度进行举证照片集中的无效照片和有效照片的确定；
通过举证照片集中的举证照片的可信度以及无效照片进行所述举证照片集的综合可信度的确定，当所述综合可信度满足要求时，进入下一步骤；
基于GIS分析结果进行所述有效照片在待核查区域的图斑的覆盖结果的确定，并根据所述图斑的覆盖结果进行图斑匹配度的确定，当所述图斑匹配度满足要求时，进入下一步骤；
对所述有效照片进行图像识别得到所述有效照片中的建筑物，通过不同的建筑物的匹配的有效照片进行所述待核查区域的推测土地类型的识别可靠性的确定，将所述推测土地类型作为所述待核查区域的土地类型，通过所述图斑匹配度以及综合可信度的乘积进行准确率补偿量的确定，并根据所述准确率补偿量与所述识别可靠性的权重和进行所述土地类型的识别准确率的确定。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种国土调查举证照片自动核查方法，其特征在于，具体包括：
获取待核查的举证照片集以及所述举证照片集所对应的待核查区域，根据所述举证照片集中的举证照片与所述待核查区域的历史举证照片的相似度进行历史照片相似度以及建筑物相似度的评估，并结合所述举证照片与举证照片集中的其它的举证照片的建筑物相似度进行所述举证照片的可信度以及举证照片集中的无效照片和有效照片的确定；
所述举证照片的可信度的确定的方法为：
通过所述举证照片与所述举证照片与举证照片集中的其它的举证照片的进行所述举证照片集中的重复举证照片的识别，并将所述重复举证照片排除后得到修正照片集；
通过所述修正照片集中的举证照片与所述历史举证照片的历史照片相似度确定所述举证照片属于重复照片时：
将所述重复照片作为无效照片，基于所述历史照片相似度进行所述重复照片的可信度的确定；
当所述举证照片不属于重复照片时：
通过所述举证照片的图像识别结果进行所述举证照片中的建筑物数量以及不同建筑物的图像特征的提取，并根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的历史举证照片，并将其作为历史建筑物照片，根据所述历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的历史可信度的确定，并通过所述举证照片中的不同的建筑物的历史可信度进行所述举证照片的历史可信度的确定；
根据所述举证照片中的建筑物的图像特征确定疑似存在所述建筑物的其它的举证照片，并将其作为当前建筑物照片，基于所述当前建筑物照片的数量以及不同的当前建筑物照片与所述举证照片的建筑物相似度的确定，根据所述当前建筑物照片的数量以及不同的当前建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的当前可信度的确定，并通过所述举证照片中的不同的建筑物的当前可信度进行举证照片的当前可信度的确定；
基于所述举证照片的不同的建筑物的当前可信度以及历史可信度进行所述建筑物的综合可信度以及可信建筑物的确定，并结合所述举证照片的当前可信度以及历史可信度进行所述举证照片的可信度的确定；
通过举证照片集中的举证照片的可信度以及无效照片进行所述举证照片集的综合可信度的确定，当所述综合可信度满足要求时，进入下一步骤；
基于GIS分析结果进行所述有效照片在待核查区域的图斑的覆盖结果的确定，并根据所述图斑的覆盖结果进行图斑匹配度的确定，当所述图斑匹配度满足要求时，进入下一步骤；
对所述有效照片进行图像识别得到所述有效照片中的建筑物，通过不同的建筑物的匹配的有效照片进行所述待核查区域的推测土地类型的识别可靠性的确定，并结合所述图斑匹配度以及综合可信度进行所述待核查区域的土地类型以及土地类型的识别准确率的输出。
2.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，所述举证照片集根据所述举证照片所对应的待核查区域进行划分，具体的，根据预先设置好的举证照片所对应的待核查区域或者根据举证照片之间的相似度进行划分。
3.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，根据所述历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的历史可信度的确定，具体包括：
根据所述历史建筑物照片的拍摄时间进行不同的历史建筑物照片的权重值的确定，并结合历史建筑物照片的数量以及不同的历史建筑物照片与所述举证照片的建筑物相似度进行所述举证照片中的建筑物的建筑物相似度的权重和的确定，并将所述建筑物相似度的权重和归一化处理后得到所述举证照片中的建筑物的历史可信度。
4.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，所述举证照片集中的无效照片和有效照片的确定的方法为：
当所述举证照片集中的举证照片的可信度不满足要求时，则将所述举证照片作为无效照片，当所述举证照片集中的举证照片的可信度满足要求时，则将所述举证照片作为有效照片。
5.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，所述举证照片集的综合可信度的确定的方法为：
S21将所述举证照片集中的重复举证照片排除后得到修正照片集，并根据所述修正照片集的举证照片的数量以及无效照片的数量确定所述举证照片集是否可信，若是，则进入下一步骤，若否，则通过所述修正照片集的举证照片的数量以及无效照片的数量进行所述举证照片集的综合可信度的确定；
S22根据所述修正照片集的举证照片的数量以及有效照片的数量确定所述有效照片的数量是否满足要求，若是，则进入下一步骤，若否，则进入步骤S24；
S23基于所述修正照片集中的有效照片的可信度进行在预设可信度区间内的有效照片的数量以及可信度的确定，并结合所述有效照片的数量以及可信度进行所述修正照片集中的有效照片的综合可信度的确定，并判断所述有效照片的综合可信度是否满足要求，若是，则将所述有效照片的综合可信度作为所述举证照片集的综合可信度，若否，则进入下一步骤；
S24基于所述修正照片集的举证照片的数量以及无效照片的数量进行无效照片的比例的确定，并结合无效照片的可信度以及数量、有效照片的综合可信度确定所述举证照片集的综合可信度。
6.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，所述图斑的覆盖结果包括所述图斑的覆盖面积、覆盖比例、空缺图斑数量以及空缺图斑的面积。
7.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，所述图斑匹配度的确定的方法为：
S31通过所述有效照片在所述待核查区域的图斑的覆盖结果进行所述待核查区域的图斑的覆盖面积的确定，并结合所述图斑的面积确定所述图斑的覆盖面积是否满足要求，若是，则进入下一步骤，若否，则通过所述图斑的覆盖面积以及所述图斑的面积进行所述图斑匹配度的确定；
S32基于所述有效照片在所述待核查区域的图斑的覆盖结果进行所述有效照片在所述待核查区域的图斑的空缺图斑数量的确定，并结合所述图斑的面积确定所述图斑的空缺图斑数量是否满足要求，若是，则进入下一步骤，若否，则进入步骤S35；
S33获取所述待核查区域的图斑的空缺图斑的面积，并确定是否存在面积不满足要求的空缺图斑，若是，则进入步骤S35，若否，则进入步骤S34；
S34根据所述空缺图斑的面积进行面积大于预设面积的空缺图斑的数量的确定，并结合所述空缺图斑的数量以及空缺图斑的平均面积进行所述待核查区域的空缺图斑评估量的确定，并判断所述空缺图斑评估量是否满足要求，若是，则通过所述空缺图斑评估量进行所述图斑匹配度的确定，若否，则进入下一步骤；
S35获取所述待核查区域的图斑的覆盖面积以及覆盖比例，并结合面积不满足要求的空缺图斑的数量以及空缺图斑评估量进行所述图斑匹配度的确定。
8.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，所述待核查区域的推测土地类型的识别可靠性的确定的方法为：
通过所述有效照片中的建筑物结果进行所述有效照片中的建筑物的确定，并基于所述建筑物的匹配的有效照片的数量以及有效照片的可信度进行所述建筑物的可信度的确定；
根据不同的所述建筑物的类型进行所述待核查区域的匹配的疑似土地类型的确定，并根据不同的疑似土地类型的匹配的建筑物的数量以及不同的建筑物的可信度进行不同的疑似土地类型的识别可信度的确定；
基于所述识别可信度对所述疑似土地类型筛选得到推测土地类型，并将所述推测土地类型的识别可信度作为所述推测土地类型的识别可靠性。
9.如权利要求1所述的国土调查举证照片自动核查方法，其特征在于，结合所述图斑匹配度以及综合可信度进行所述待核查区域的土地类型以及土地类型的识别准确率的输出，具体包括：
将所述推测土地类型作为所述待核查区域的土地类型，通过所述图斑匹配度以及综合可信度的乘积进行准确率补偿量的确定，并根据所述准确率补偿量与所述识别可靠性的权重和进行所述土地类型的识别准确率的确定。
10.一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-9任一项所述的一种国土调查举证照片自动核查方法。
CN202311662891.2A 2023-12-06 2023-12-06 一种国土调查举证照片自动核查方法与系统 Active CN117371963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311662891.2A CN117371963B (zh) 2023-12-06 2023-12-06 一种国土调查举证照片自动核查方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311662891.2A CN117371963B (zh) 2023-12-06 2023-12-06 一种国土调查举证照片自动核查方法与系统

Publications (2)

Publication Number Publication Date
CN117371963A CN117371963A (zh) 2024-01-09
CN117371963B true CN117371963B (zh) 2024-02-23

Family

ID=89408091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311662891.2A Active CN117371963B (zh) 2023-12-06 2023-12-06 一种国土调查举证照片自动核查方法与系统

Country Status (1)

Country Link
CN (1) CN117371963B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5323317A (en) * 1991-03-05 1994-06-21 Hampton Terry L Method and apparatus for determining runoff using remote geographic sensing
US9779504B1 (en) * 2011-12-14 2017-10-03 Atti International Services Company, Inc. Method and system for identifying anomalies in medical images especially those including one of a pair of symmetric body parts
CN109214270A (zh) * 2018-07-13 2019-01-15 中国地质调查局南京地质调查中心 基于无人机影像的疑似违法违规用地信息快速提取方法
CN111479057A (zh) * 2020-04-13 2020-07-31 杭州今奥信息科技股份有限公司 基于无人飞行器的图斑智能举证方法
CN111597377A (zh) * 2020-04-08 2020-08-28 广东省国土资源测绘院 基于深度学习技术的野外调查方法、系统
CN112766417A (zh) * 2021-02-26 2021-05-07 袁锦秀 一种利用现场照片识别目标地块土地利用现状地类的方法及系统
CN113642764A (zh) * 2021-06-30 2021-11-12 重庆大学 一种村镇聚落空间演化模拟预测方法及计算机设备
CN114565733A (zh) * 2022-03-02 2022-05-31 交通运输部科学研究院 一种植被覆盖度测量方法、装置、电子设备及介质
CN114612792A (zh) * 2021-12-27 2022-06-10 广东省国土资源测绘院 一种土地卫片现场举证照片智能辅助审核方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5547860B1 (ja) * 2013-08-05 2014-07-16 ソノー電機工業株式会社 ユーザの現在位置と現在方位角を用いて目的の地理的情報を検索してユーザに提供するユーザ携帯端末

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5323317A (en) * 1991-03-05 1994-06-21 Hampton Terry L Method and apparatus for determining runoff using remote geographic sensing
US9779504B1 (en) * 2011-12-14 2017-10-03 Atti International Services Company, Inc. Method and system for identifying anomalies in medical images especially those including one of a pair of symmetric body parts
CN109214270A (zh) * 2018-07-13 2019-01-15 中国地质调查局南京地质调查中心 基于无人机影像的疑似违法违规用地信息快速提取方法
CN111597377A (zh) * 2020-04-08 2020-08-28 广东省国土资源测绘院 基于深度学习技术的野外调查方法、系统
CN111479057A (zh) * 2020-04-13 2020-07-31 杭州今奥信息科技股份有限公司 基于无人飞行器的图斑智能举证方法
CN112766417A (zh) * 2021-02-26 2021-05-07 袁锦秀 一种利用现场照片识别目标地块土地利用现状地类的方法及系统
CN113642764A (zh) * 2021-06-30 2021-11-12 重庆大学 一种村镇聚落空间演化模拟预测方法及计算机设备
CN114612792A (zh) * 2021-12-27 2022-06-10 广东省国土资源测绘院 一种土地卫片现场举证照片智能辅助审核方法
CN114565733A (zh) * 2022-03-02 2022-05-31 交通运输部科学研究院 一种植被覆盖度测量方法、装置、电子设备及介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Hashim, M (Hashim, Mazlan) [1].Landslide susceptibility mapping using GIS-based statistical models and Remote sensing data in tropical environment.SCIENTIFIC REPORTS.2015,第5卷9899. *
Shahabi, H (Shahabi, Himan) [1] *
中国地球观测遥感卫星发展现状及文献分析;孙伟伟;杨刚;陈超;常明会;黄可;孟祥珍;刘良云;;遥感学报(05);479-510 *
基于ArcGIS实现第三次国土调查项目自主举证图斑的提取;关明;胡耀崇;;经纬天地(第06期);68-72 *
基于模型构建器检查第三次国土调查图斑与举证图斑属性信息一致性;赵璟;;矿山测量(第04期);68-71 *

Also Published As

Publication number Publication date
CN117371963A (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
WO2020248387A1 (zh) 基于多路摄像的人脸识别方法、装置、终端及存储介质
CN112418009A (zh) 一种图像质量检测方法、终端设备及存储介质
CN110969045B (zh) 一种行为检测方法、装置、电子设备和存储介质
CN111915549A (zh) 瑕疵检测方法、电子装置及计算机可读存储介质
Tai et al. A fully automatic method for comparing cartridge case images
CN110956628B (zh) 图片等级分类方法、装置、计算机设备和存储介质
CN115810134B (zh) 一种车险反欺诈的图像采集质检方法、系统和装置
CN112528099A (zh) 一种基于大数据的人员同行分析方法、系统、设备及介质
CN109711165A (zh) 一种深度学习算法的可靠性评估方法及系统
CN117371963B (zh) 一种国土调查举证照片自动核查方法与系统
CN110728680A (zh) 行车记录仪检测方法、装置、计算机设备和存储介质
CN111178203A (zh) 签名审核方法、装置、计算机设备和存储介质
CN116467110B (zh) 一种平板电脑的损坏检测方法及系统
CN115830351B (zh) 图像处理方法、设备以及存储介质
CN112330967B (zh) 套牌车辆的识别方法、装置、系统和计算机设备
CN115688107A (zh) 一种涉诈app检测系统和方法
CN111274899B (zh) 人脸匹配方法、装置、电子设备和存储介质
CN112183454A (zh) 图像检测方法及装置、存储介质、终端
CN112434717B (zh) 一种模型训练方法及装置
CN113327023A (zh) 穿行测试方法、装置、电子设备及计算机可读存储介质
CN113657371A (zh) 一种相机角度的调整方法、系统、存储介质、电子设备
JP2013003751A (ja) 顔照合システム及び顔照合方法
CN112529883A (zh) 一种基于图像边缘识别的贴片检测方法及装置
CN115859292B (zh) 一种涉诈app检测系统和判定方法以及存储介质
CN113128543A (zh) 图像匹配方法、应用测试方法及装置和系统

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
GR01 Patent grant
GR01 Patent grant