【技术实现步骤摘要】
本专利技术涉及图像处理及地理定位，特别涉及一种非显著场景图像的地理定位方法、装置及计算设备。
技术介绍
1、图像地理定位是将没有标注地理位置的图像，通过一系列方法获得对应地理位置，使其与现实地理空间建立关联映射的技术，对进一步挖掘图像信息有着重要的作用，在网络空间测绘、情报获取、室外定位等方面具有较高的应用价值。目前图像地理定位大多针对具有地标性参考物、明显指示性背景文字、强地域性人类活动的显著场景图像进行定位，但是对于不包含上述明显信息的非显著场景难以精确定位其地理位置。
技术实现思路
1、本专利技术实施例提供了一种非显著场景图像的地理定位方法、装置及计算设备，能够实现非显著场景图像的精确地理定位，解决了非显著场景图像无明显地理标志物，难以精确定位地理位置等难题。
2、第一方面，本专利技术实施例提供了一种非显著场景图像的地理定位方法，包括：
3、构建地理空间知识库；其中，所述地理空间知识库包括存储空间语义特征、文字语义特征和地理位置之间的关联关系的索引表；
4、对待处理非显著场景图像进行特征提取，得到空间语义特征和文字语义特征；
5、根据所述地理空间知识库、所述待处理非显著场景图像的空间语义特征和文字语义特征，确定所述待处理非显著场景图像的地理位置。
6、可选地，所述构建地理空间知识库，包括：
7、获取已知地理位置的非显著场景图像及卫星遥感影像；
8、对所述非显著场景图像和所述卫星遥感影像进行特征
9、将所述已知地理位置的地理位置名称、空间语义特征和文字语义特征进行关联，得到对应所述已知地理位置的关联关系；
10、根据所述关联关系确定所述索引表；
11、根据所述索引表、所述已知地理位置的地理位置名称、所述已知地理位置的空间语义特征和所述已知地理位置的文字语义特征，生成所述地理空间知识库。
12、可选地，所述对待处理非显著场景图像进行特征提取，得到空间语义特征和文字语义特征，包括：
13、将所述待处理非显著场景图像输入预先训练的特征提取模型；
14、得到由所述特征提取模型输出的空间语义特征；其中，所述特征提取模型通过至少两组第一样本集训练得到，每一组第一样本集中包括作为输入的样本非显著场景图像以及作为输出的该样本非显著场景图像包括的空间语义特征；
15、根据所述待处理非显著场景图像和所述空间语义特征，确定各所述空间语义特征之间的特征关系为所述文字语义特征。
16、可选地，所述根据所述地理空间知识库、所述待处理非显著场景图像的空间语义特征和文字语义特征，确定所述待处理非显著场景图像的地理位置，包括：
17、根据所述待处理非显著场景图像的空间语义特征和文字语义特征，确定检索语义要素；
18、将所述检索语义要素输入所述索引表中，得到候选地理位置；
19、从所述候选地理位置中确定所述待处理非显著场景图像的地理位置。
20、可选地，在将所述检索语义要素输入所述索引表中，得到候选地理位置之后，还包括：
21、将所述待处理非显著场景图像输入预先训练的图像编码模型；
22、得到由所述图像编码模型输出的目标图像向量；其中，所述图像编码模型通过至少两组第二样本集训练得到，每一组第二样本集中包括作为输入的样本非显著场景图像以及作为输出的该样本非显著场景图像的图像向量；
23、将所述地理空间知识库中包括的卫星遥感影像输入所述图像编码模型，得到所述卫星遥感影像的图像向量；
24、根据所述目标图像向量和所述卫星遥感影像的图像向量，从所述卫星遥感影像中确定所述待处理非显著场景图像的候选地理位置。
25、可选地，所述从所述候选地理位置中确定所述待处理非显著场景图像的地理位置，包括：
26、所述空间语义特征包括地形标志、地貌标志、地域标志、植被类型标志、建筑标志、道路标志；
27、获取所述候选地理位置所包括的空间语义特征和文字语义特征；
28、对所述地形标志、所述地貌标志、所述地域标志、所述植被类型标志、所述建筑标志、所述道路标志、所述文字语义特征进行权重赋值，并根据所述权重赋值和得到所述候选地理位置时的置信度对所述候选地理位置进行评价，得到评分；
29、将所述评分大于预设评分阈值的候选地理位置确定为所述待处理非显著场景图像的地理位置。
30、第二方面，本专利技术实施例还提供了一种非显著场景图像的地理定位装置，包括：
31、构建模块，用于构建地理空间知识库；其中，所述地理空间知识库包括存储空间语义特征、文字语义特征和地理位置之间的关联关系的索引表；
32、特征提取模块，用于对待处理非显著场景图像进行特征提取，得到空间语义特征和文字语义特征；
33、定位模块，用于根据所述地理空间知识库、所述待处理非显著场景图像的空间语义特征和文字语义特征，确定所述待处理非显著场景图像的地理位置。
34、可选地，所述特征提取模块还用于执行如下操作：
35、将所述待处理非显著场景图像输入预先训练的特征提取模型；
36、得到由所述特征提取模型输出的空间语义特征；其中，所述特征提取模型通过至少两组第一样本集训练得到，每一组第一样本集中包括作为输入的样本非显著场景图像以及作为输出的该样本非显著场景图像包括的空间语义特征；
37、根据所述待处理非显著场景图像和所述空间语义特征，确定各所述空间语义特征之间的特征关系为所述文字语义特征。
38、第三方面，本专利技术实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现上述任一项所述的非显著场景图像的地理定位方法。
39、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述任一项所述的非显著场景图像的地理定位方法。
40、本专利技术实施例提供了一种非显著场景图像的地理定位方法、装置及计算设备，该方法首先构建了包括索引表的地理空间知识库，索引表中记载了空间语义特征、文字语义特征和地理位置之间的关联关系，然后对非显著场景图像进行特征提取，得到对应的空间语义特征和文字语义特征，以便由地理空间知识库中的索引表进一步确定该非显著场景图像的地理位置。如此，对于不包括地标性参考物、明显指示性背景文字、强地域性人类活动等的非显著场景图像，通过预先构建的地理空间知识库、空间语义特征和文字语义特征便能精确定位其地理位置，实现了非显著场景图像的精确地理定位。
本文档来自技高网...【技术保护点】
1.一种非显著场景图像的地理定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述构建地理空间知识库，包括：
3.根据权利要求1所述的方法，其特征在于，所述对待处理非显著场景图像进行特征提取，得到空间语义特征和文字语义特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述地理空间知识库、所述待处理非显著场景图像的空间语义特征和文字语义特征，确定所述待处理非显著场景图像的地理位置，包括：
5.根据权利要求4所述的方法，其特征在于，在将所述检索语义要素输入所述索引表中，得到候选地理位置之后，还包括：
6.根据权利要求4所述的方法，其特征在于，所述从所述候选地理位置中确定所述待处理非显著场景图像的地理位置，包括：
7.一种非显著场景图像的地理定位装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述特征提取模块还用于执行如下操作：
9.一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权
10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种非显著场景图像的地理定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述构建地理空间知识库，包括：
3.根据权利要求1所述的方法，其特征在于，所述对待处理非显著场景图像进行特征提取，得到空间语义特征和文字语义特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述地理空间知识库、所述待处理非显著场景图像的空间语义特征和文字语义特征，确定所述待处理非显著场景图像的地理位置，包括：
5.根据权利要求4所述的方法，其特征在于，在将所述检索语义要素输入所述索引表中，得到候选地理位置之后，还包括：<...
【专利技术属性】
技术研发人员：郭梓甲，翟佳，陈峰，叶帆，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。