[發明專利]一種基于航測影像的場景高精度分類方法和系統

在審

• 申請號: 202110271323.4
• 申請日: 2021-03-12
• 公開（公告）號: CN113052028A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 張建光;孫銘;王敏;胡明峰;李小龍
• 申請（專利權）人: 山東聯合電力產業發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 趙陽

1.一種基于航測影像的場景高精度分類方法，其特征在于，包括如下步驟：

S1：通過無人機采集航測影像，并進行航測影像的預處理，生成輸入圖像后發送至預設處理終端；

S2：使用預設算法計算輸入圖像的復雜度參數；

S3：將復雜度參數輸入到反向傳播神經網絡中計算復雜度，得到多個標定復雜度的標簽；

S4：根據標簽和待選卷積神經網絡的特性選擇對應的卷積神經網絡，并通過選定的卷積神經網絡對輸入圖像進行特征提取和分類處理。

2.根據權利要求1所述的基于航測影像的場景高精度分類方法，其特征在于，所述復雜度參數包括顏色矩、灰度共生矩陣、信息熵和邊緣檢測結果。

3.根據權利要求2所述的基于航測影像的場景高精度分類方法，其特征在于，所述步驟S2包括：

采用顏色的一階矩、二階矩、三階矩來表示輸入圖像的顏色分布；

使用顏色矩計算公式計算相應的顏色分量；

將輸入圖像的HSV分量的前三個矩陣組成一個9維向量，作為表示顏色特征的顏色矩，并輸出。

4.根據權利要求2所述的基于航測影像的場景高精度分類方法，其特征在于，所述灰度共生矩陣用于提取輸入圖像紋理信息的特征描述，包括能量特征參數、熵特征參數、對比度特征參數、同質性特征參數和相關性特征參數。

5.根據權利要求1所述的基于航測影像的場景高精度分類方法，其特征在于，所述待選卷積神經網絡包括AlexNet網絡、ResNet-50網絡、ResNet-152網絡和DenseNet169網絡。

6.根據權利要求5所述的基于航測影像的場景高精度分類方法，其特征在于，所述標定復雜度的標簽為四個，所述四個標簽與待選卷積神經網絡一一對應。

7.根據權利要求1所述的基于航測影像的場景高精度分類方法，其特征在于，所述步驟S4之后還包括如下步驟：

S5：將分類處理后的輸入圖像按照類別標注，并利用結構化的表格數據進行記錄統計。

8.一種基于航測影像的場景高精度分類系統，其特征在于，包括：

采集單元，用于控制無人機采集航測影像，并進行航測影像的預處理，生成輸入圖像后發送至預設處理終端；

計算單元，用于使用預設算法計算輸入圖像的復雜度參數；

標定單元，用于將復雜度參數輸入到反向傳播神經網絡中計算復雜度，得到多個標定復雜度的標簽；

選擇分類單元，用于根據標簽和待選卷積神經網絡的特性選擇對應的卷積神經網絡，并通過選定的卷積神經網絡對輸入圖像進行特征提取和分類處理。

記錄單元，用于將分類處理后的輸入圖像按照類別標注，并利用結構化的表格數據進行記錄統計。