[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

本發明提出的一種基于航測影像的場景高精度分類方法和系統，通過構建反向傳播網絡，完成航測影像的復雜度度量。并根據影像的復雜度級別，自適應選擇適合其復雜度的卷積神經網絡。最后，利用該卷積神經網絡對影像進行分類，完成航測影像分類過程。本發明能夠集成發揮淺層網絡速度快和深層網絡準確率高的優勢，提高航測影像場景分類的效率。

技術領域

本發明涉及電力勘測技術領域，更具體的說是涉及一種基于航測影像的場景高精度分類方法和系統。

背景技術

近年來，隨著中國經濟建設的高速發展，用電需求急劇增長，對電網建設的需求亦日益強烈。目前，對于電網鋪設的勘測，主要通過人工勘測或無人機航測后再人工識圖來完成，所謂的無人機“勘測”實際上也僅僅是對地形的“航測”而不是“勘測”，是設計人員眼和手的延伸，航測地圖仍然需要人工肉眼進行勘測識別。由此，造成了人工勘測設計工作量較大、勘測設計風險較高，一旦出現失誤將會給工程建設帶來不良影響。

造成電網勘測工作無法脫離人工的根本原因是配電網所處環境地形與地貌復雜，分類方式和依據與一般圖像識別與分類差別較大，現有的基于航測影像的場景分類方法無法為配電網的智能設計提供技術保障，無法實現小樣本的場景要素識別。

發明內容

針對以上問題，本發明的目的在于提供一種基于航測影像的場景高精度分類方法和系統，采用多種卷積神經網絡對航測影像進行分類處理，集成發揮淺層網絡速度快和深層網絡準確率高的優勢，提高航測影像場景分類的效率和準確性。

本發明為實現上述目的，通過以下技術方案實現：一種基于航測影像的場景高精度分類方法，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。

進一步，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。

進一步，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。

進一步，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。

進一步，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。

進一步，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。

進一步，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。

相應的，本發明還公開了一種基于航測影像的場景高精度分類系統，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。