圖像識別技術(shù)在土地衛(wèi)片執(zhí)法審核中的應(yīng)用

潘興利

摘要：隨著人工智能技術(shù)的不斷發(fā)展，圖像識別技術(shù)也不斷朝著智能化的方向發(fā)展。特別是在一些識別難度較大的環(huán)境中，這種技術(shù)可以取代傳統(tǒng)的圖像識別方式，客觀且準確地完成圖像識別。因此，本課題研究具有十分重要的意義。

關(guān)鍵詞：智能識別;土地衛(wèi)片執(zhí)法;審核

引言

自2010年以來，自然資源部（原國土資源部，下同）每年在全國部署開展年度全覆蓋衛(wèi)片檢查工作。通過開展年度衛(wèi)片檢查，嚴肅查處了大批國土資源違法行為，有力震懾了違法當事人，在提高地方黨委政府依法依規(guī)管地管礦用地用礦意識、有效保護國土資源、維護國土資源管理秩序方面發(fā)揮了重要作用。2017年度衛(wèi)片檢查，自然資源部要求必須對衛(wèi)片檢查信息系統(tǒng)下發(fā)的衛(wèi)片圖斑逐一填報合法性判定結(jié)果及判定依據(jù)，對需要舉證的地方要進行舉證。地方舉證人員必須到待舉證圖斑現(xiàn)場，進行實地拍照和信息填報，舉證照片將作為審核的重要信息。然而，衛(wèi)片檢查工作時間緊、任務(wù)重，且舉證圖斑無法全數(shù)審核，需要考慮利用深度學(xué)習(xí)技術(shù)智能識別舉證照片以提高審核工作效率。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，圖像識別技術(shù)有較好的識別效果，利用圖像識別技術(shù)開展基于影像數(shù)據(jù)的土地有關(guān)自動分類研究也越來越多，但對基于舉證照片的土地衛(wèi)片執(zhí)法輔助審核有關(guān)的智能識別研究鮮有報道。

1智能圖像識別技術(shù)概述

智能圖像識別技術(shù)是人工智能領(lǐng)域的一項技術(shù)，圖像識別技術(shù)的對象主要是圖像，以各種類型的圖像為基礎(chǔ)，通過對圖像進行處理可以整合復(fù)雜信息，降低數(shù)據(jù)處理的難度。由于每一個圖像都是具有自己的特色的，將信息制作成圖像難度比較大，工作人員需要對數(shù)據(jù)信息進行層層的處理，在經(jīng)歷過層層的加工之后數(shù)據(jù)信息可以以復(fù)雜圖像的形式呈現(xiàn)出來。圖像制作過程主要是通過人工智能來實現(xiàn)的，主要的過程和步驟是在獲取信息的基礎(chǔ)上，計算機對數(shù)據(jù)信息進行預(yù)處理，然后根據(jù)數(shù)據(jù)信息的特征選擇屬于數(shù)據(jù)信息的特征，在確定好數(shù)據(jù)信息的特征之后，再選擇相應(yīng)的模板匹配模型，這樣看來圖像的處理過程十分復(fù)雜，需要借助于人工智能大數(shù)據(jù)技術(shù)，對眾多的數(shù)據(jù)信息進行分門別類的處理，根據(jù)處理的結(jié)果選擇合適的模型。但是圖像制作完成之后，也會出現(xiàn)各種各樣的問題，工作人員在識別圖像的時候會面臨各種各樣的問題，為了降低圖像識別的難度，需要重視技術(shù)的融合。智能圖像識別技術(shù)需要設(shè)計的工作有很多，并且工作比較復(fù)雜，需要涉及各個部門的工作，因此做好各部門之間的信息共享十分重要。

2人工智能中的圖像識別技術(shù)原理

人工智能中的圖像識別技術(shù)，其原理復(fù)雜程度不高，與肉眼識別相比，二者并無明顯的差異，僅在過程上有所差別。圖像識別技術(shù)在識別圖片時，會通過掃描的方式運用人工智能、虛擬現(xiàn)實技術(shù)提取圖像特點，然后在數(shù)據(jù)庫中找出與之類似的圖像，最終完成對圖像的識別和處理。目前，圖像識別技術(shù)的應(yīng)用領(lǐng)域十分廣泛，在電力、醫(yī)療、工業(yè)等領(lǐng)域的應(yīng)用較為普遍，主要負責圖像處理和識別等任務(wù)。人工智能中的圖像識別技術(shù)的原理：通過對不同類型處理方式的使用，不斷積累數(shù)據(jù)，以實現(xiàn)分析圖片和實際事物的目的。在此基礎(chǔ)上，結(jié)合智能技術(shù)可以將二維平面圖形轉(zhuǎn)化為三維模型。正因如此，圖像識別技術(shù)在醫(yī)療行業(yè)領(lǐng)域取得了良好的應(yīng)用效果。比如：患者在生病后通過拍片的方式，即可明確發(fā)生病情的身體部位和原因。

3圖像識別技術(shù)在土地衛(wèi)片執(zhí)法審核中的應(yīng)用

3.1數(shù)據(jù)特點分析

在土地衛(wèi)片執(zhí)法工作中，需要各地針對國家季度衛(wèi)片圖斑進行現(xiàn)場圖斑核實和上報，其中，圖斑類型準確與否是上級審核的主要內(nèi)容，而舉證照片就是圖斑類型的最直接、最重要的佐證材料。舉證照片是工作人員在實地拍攝的舉證圖斑的現(xiàn)場照片，主要包括設(shè)施農(nóng)用地、臨時用地、臨時占用林地、林業(yè)生產(chǎn)工程設(shè)施、農(nóng)村道路、不改變原用地性質(zhì)的光伏用地、實地未變化、農(nóng)田水利設(shè)施、農(nóng)業(yè)簡易棚、水面簡易棚、土地整理、農(nóng)業(yè)結(jié)構(gòu)調(diào)整、水面高架路橋、河堤整治、邊坡治理、電塔用地、鄉(xiāng)村旅游用地、點狀供地項目用地、搶險救災(zāi)用地、災(zāi)毀用地、軍用土地、海域、其他特別用地等23個類別。舉證照片是以土地執(zhí)法管理屬性為依據(jù)劃分類別的，人文信息復(fù)雜、類別眾多，且不同類別舉證照片還具有相似的交叉圖像特征，不能簡單地將所有類別的舉證照片進行圖像識別應(yīng)用。

3.2圖像匹配分類

圖像匹配分類需利用有效程序制定標準的識別規(guī)則，避免盲目識別造成的數(shù)據(jù)誤差。按照標準的識別規(guī)則可以突顯出相似的特征種類。對圖像匹配分類需要圖像識別過程具有很好的辨識度，不僅需要標準的識別規(guī)則，還需要設(shè)計合適的分類器。常用的分類器有Adaboost分類器和SVM分類器。前者利用迭代的分類方法，自適應(yīng)組合精度更高的弱分類器，合成一個功能強大的分類器;后者利用二分類算法，獲取小數(shù)據(jù)集的分類精度，同時可以支持線性和非線性分類。

3.3技術(shù)路線

在現(xiàn)有基本建設(shè)工程管理制度和設(shè)計概預(yù)算編制辦法指導(dǎo)下，按照系統(tǒng)性、差異性、記實性、典型性、適應(yīng)性等測定基本原則和技術(shù)精度要求開展試驗，從工程、工點、施工條件的選擇，無人機參數(shù)設(shè)置，圖形圖像識別處理、數(shù)理統(tǒng)計與分析研究，組織工作等方面擬定工作大綱。通過對路基工程典型工點航拍影像的識別計算，對比現(xiàn)場寫實記錄的結(jié)果，得出兩者的差值，分析其成因，判定試驗方案的科學(xué)性、可行性，為增強定額測定數(shù)據(jù)的完整性、準確性和真實性，為今后采用人工智能開展定額測定探索新的路徑。

3.4神經(jīng)網(wǎng)絡(luò)

在大數(shù)據(jù)時代下，圖像識別技術(shù)在發(fā)展的過程中與多項技術(shù)相融合，其中神經(jīng)網(wǎng)絡(luò)技術(shù)便是代表性技術(shù)。其應(yīng)用方式為集傳統(tǒng)圖像識別技術(shù)和神經(jīng)網(wǎng)絡(luò)算法于一體的新型圖像識別技術(shù)。神經(jīng)網(wǎng)絡(luò)技術(shù)是人工智能技術(shù)的重要組成部分，與圖像識別技術(shù)相融合，可以使兩種技術(shù)的優(yōu)勢充分發(fā)揮。以人工神經(jīng)網(wǎng)絡(luò)為例，人工神經(jīng)網(wǎng)絡(luò)可以對人類神經(jīng)網(wǎng)絡(luò)進行模擬，具備學(xué)習(xí)能力，在經(jīng)過大量的訓(xùn)練后，其識別率會直線上升。與傳統(tǒng)圖像識別技術(shù)相比，基于神經(jīng)網(wǎng)絡(luò)算法的圖像識別技術(shù)，在識別復(fù)雜圖像時可以取得良好的效果，但技術(shù)應(yīng)用成本卻有所增加。這項技術(shù)的圖像識別過程與傳統(tǒng)圖像識別技術(shù)相同，其優(yōu)勢主要表現(xiàn)為識別效率高和精度高，能夠?qū)崿F(xiàn)對圖像的快速識別，同時還能依據(jù)圖像特征進行分類處理。

結(jié)束語

利用航空攝影圖像識別技術(shù)開展工程定額測定是一項多學(xué)科應(yīng)用的創(chuàng)新研究，其中GIS數(shù)據(jù)、圖像采集、目標識別、邏輯算法等是該技術(shù)應(yīng)用的關(guān)鍵。通過驗證，該技術(shù)路線、試驗方法和成果滿足研究要求，過程客觀公正，不僅具有進一步深入研究和推廣應(yīng)用價值，而且對拓展定額測定工作思路，利用高科技測定方法開展其他專業(yè)定額測定也有較強的借鑒意義。

參考文獻

[1]華正陽.基于視覺技術(shù)的熱成像圖像識別系統(tǒng)研究[J].通訊世界，2019，26（12）：12-13.

[2]孔松濤，黃鎮(zhèn)，楊謹如.紅外熱像無損檢測圖像處理研究現(xiàn)狀與進展[J].紅外技術(shù)，2019，41（12）：1133-1140.

[3]童小明.一種簡單的圖像識別技術(shù)[J].軟件，2019，40（12）：218-221+225.

[4]鄧祺盛，紀爽，李政，馬雪倩，趙璐.基于BP神經(jīng)網(wǎng)絡(luò)的圖像識別系統(tǒng)[J].現(xiàn)代計算機，2019（35）：54-58+62.

[5]唐婭莉.計算機圖像識別技術(shù)的現(xiàn)狀和改進建議[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2019（12）：147-148.