[发明专利]一种将基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法

权利要求书

1.一种将基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法，其特征在于包括如下步骤：

第一步、利用机器学习框架Tensorflow实现Mask R-CNN模型结构，并通过基于TCP/IP协议的Socket网络通信实现对Mask R-CNN模型的远程调用功能；

第二步、利用地理服务器提供的编程API，制作地理WPS服务，地理WPS服务可接受客户端的网络请求参数，然后向Mask R-CNN模型发出远程调用请求；

第三步、利用GDAL空间数据读取库，实现Mask R-CNN模型对遥感影像数据的自动化地物检测识别计算；

第四步、利用GIS空间处理和空间数据库，将Mask R-CNN模型遥感影像地物检测的输出结果自动转换为空间矢量多边形数据并进行存储；

第五步、将地物检测的空间矢量结果转换为能进行网络传输的地理编码格式，通过地理WPS服务返回至请求服务的客户端；

在第三步中，Mask R-CNN模型对遥感影像进行自动化地物检测的方法是：以长为W、高为H的检测窗口，W、H一般为1024个栅格大小，从遥感影像的左上角开始，以从左到右，从上到下的顺序遍历移动；检测窗口每移动到某个位置，利用GDAL库读取检测窗口范围内的遥感影像栅格数据，并调整图像通道，作为Mask R-CNN模型的输入图像进行地物检测；检测窗口内的地物检测完毕后，若窗口右边还有遥感影像栅格数据，则窗口向右平行移动W-Buffer距离，若窗口右边没有数据，则窗口回到影像最左边，并向下移动H-Buffer距离，直到遍历完整个遥感影像，Buffer一般为W或H的1/5；

在第四步中，将Mask R-CNN模型遥感影像地物检测的输出结果自动转换为空间矢量多边形数据的方法是：在检测窗口内的地物检测完毕后，利用栅格矢量化GIS处理，将Mask R-CNN模型输出的像素图像转换为空间矢量多边形数据；将本窗口内得到的每个地物矢量多边形，与相邻的左上方、上方、右上方和左方的检测窗口得到的地物矢量多边形进行空间相交GIS分析，若有重叠的多边形部分，则说明同一个地物因为面积大于检测窗口之间缓冲距离，被分割成了多个部分，此时将相交的地物矢量多边形进行空间合并GIS处理，形成一个完整的地物矢量多边形；将通过GIS空间处理完毕的地物矢量多边形存储至空间数据库。

2.如权利要求1所述的基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法，其特征在于：在第一步中，利用机器学习框架Tensorflow实现Mask R-CNN模型结构具体为:利用TensorFlow机器学习框架和Python编程语言将Mask R-CNN模型结构实现为可执行程序，并部署在配备有高性能CPU和GPU硬件环境的服务器上。

3.如权利要求1所述的基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法，其特征在于：在第一步中，Mask R-CNN模型的远程调用功能实现方法是：利用Python编程语言的Socket模块，构建TCP/IP协议监听程序，循环等待监听特定网络端口；请求调用Mask R-CNN模型的计算机或者程序通过该网络端口连接到监听程序，并将遥感影像的存储路径和地物检测的空间范围作为计算参数通过Socket网络通信传输给监听程序；监听程序接收到调用请求后，以计算参数开启新线程执行Mask R-CNN模型程序，生成36个字符的UUID作为当前计算任务的识别码返回给请求端，并在数据库中记录当前任务的识别码、开始时间和计算状态。

4.如权利要求1所述的基于Mask R-CNN的遥感影像地物检测实现为地理WPS服务的方法，其特征在于：在第二步中，采用的地理服务器是GeoServer。