[發(fā)明專利]一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110310464.2
• 申請(qǐng)日: 2021-03-23
• 公開(kāi)（公告）號(hào): CN113033390B
• 公開(kāi)（公告）日: 2022-12-13
• 發(fā)明（設(shè)計(jì)）人: 劉亞嵐;任玉環(huán);荊亞菲;余靜嫻
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院空天信息創(chuàng)新研究院
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/82;G06V10/774;G06V10/26;G06N3/04;G06N3/08
• 代理公司: 武漢宇晨專利事務(wù)所(普通合伙) 42001
• 代理人: 陳曉寧;王敏鋒

本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，步驟是：A、收集大壩遙感影像樣本，建立大壩遙感影像樣本集；B、基于深度學(xué)習(xí)模型YOLOv3框架，利用輕量級(jí)網(wǎng)絡(luò)ShuffleNet2替代原始主干網(wǎng)絡(luò)Darknet53，對(duì)模型進(jìn)行訓(xùn)練與測(cè)試，得到基于改進(jìn)YOLOv3的大壩目標(biāo)檢測(cè)模型；C、以一幅大幅面遙感影像作為輸入，根據(jù)分割步長(zhǎng)進(jìn)行滑動(dòng)窗口分割；D、基于上述改進(jìn)YOLOv3的大壩目標(biāo)檢測(cè)模型，對(duì)分割影像進(jìn)行大壩目標(biāo)檢測(cè)；E、根據(jù)分割步長(zhǎng)與檢測(cè)邊界框置信度，將分割影像重新合并為與原始遙感影像相同大小的影像。本發(fā)明可對(duì)光學(xué)遙感影像進(jìn)行大壩目標(biāo)快速智能檢測(cè)，有效提高目標(biāo)判讀的效率，為災(zāi)害應(yīng)急管理、大壩安全風(fēng)險(xiǎn)管理等提供高質(zhì)量的目標(biāo)檢測(cè)數(shù)據(jù)。

技術(shù)領(lǐng)域

本發(fā)明屬于遙感影像處理與分析技術(shù)領(lǐng)域，更具體涉及一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，適用于分辨率為0.5m-2m的光學(xué)遙感影像。

背景技術(shù)

大壩是指截河攔水的堤堰，水庫(kù)、江河等的攔水大堤。大壩是我國(guó)的重要基礎(chǔ)設(shè)施，是我國(guó)綜合防洪工程體系的重要組成部分。大壩的主要作用是提高江河下游的防洪標(biāo)準(zhǔn)，利用水能發(fā)電，改善河道航運(yùn)，為下游供水及灌溉，服務(wù)地區(qū)經(jīng)濟(jì)建設(shè)。而這些目標(biāo)的數(shù)據(jù)大多分散在不同的部門，不能滿足重大地震災(zāi)害應(yīng)急聯(lián)動(dòng)及國(guó)防安全對(duì)大壩目標(biāo)情報(bào)快速獲取的需求。隨著對(duì)地觀測(cè)技術(shù)的發(fā)展，遙感作為一種能夠快速獲取大區(qū)域范圍遙感影像的綜合技術(shù)，民用和軍用遙感應(yīng)用日趨廣泛和深入。基于遙感影像的目標(biāo)自動(dòng)識(shí)別在災(zāi)害應(yīng)急管理和軍事情報(bào)獲取中發(fā)揮著越來(lái)越重要的作用。然而現(xiàn)有的遙感影像分析技術(shù)仍未達(dá)到實(shí)際應(yīng)用的需求。尤其隨著影像分辨率的提高、數(shù)據(jù)量的劇增，尤其單幅影像大小的顯著增大，對(duì)遙感數(shù)據(jù)的利用率、自動(dòng)化處理效率和可靠性均提出了嚴(yán)峻的挑戰(zhàn)。

高分辨率光學(xué)遙感影像能獲取地物更多的形狀紋理信息，能更加直觀的展示地表情況，是未來(lái)遙感領(lǐng)域的重點(diǎn)。利用可見(jiàn)光高分辨率遙感影像對(duì)大壩目標(biāo)進(jìn)行檢測(cè)是本發(fā)明的側(cè)重點(diǎn)。大壩目標(biāo)檢測(cè)的目的是從可見(jiàn)光高分辨率遙感影像中識(shí)別出大壩目標(biāo)并對(duì)其進(jìn)行定位。朱然提出先準(zhǔn)確分割出水域目標(biāo)，然后利用水域?qū)λ畨文繕?biāo)進(jìn)行識(shí)別。李勇發(fā)等人通過(guò)引入交叉熵距離測(cè)度提出一種改進(jìn)的模糊C均值(Fuzzy C-means，F(xiàn)CM)聚類方法，對(duì)某水電站大壩遙感影像進(jìn)行分割后得到大壩目標(biāo)。沈葉健等人利用梯度直方圖及區(qū)域增長(zhǎng)方法，在中高分辨率可見(jiàn)光影像中提取了水壩上游的大面積水域，再用鏈碼表示大面積水域找尋下游水域，分割可能包含水壩的區(qū)域，最后在此基礎(chǔ)上提取了大壩目標(biāo)的一組特征參數(shù)，實(shí)現(xiàn)了水壩的識(shí)別。上述方法都是針對(duì)單個(gè)大壩目標(biāo)進(jìn)行識(shí)別，可遷移性差，不適用于不同類型、不同尺度、大范圍的大壩目標(biāo)檢測(cè)；而現(xiàn)有的機(jī)器學(xué)習(xí)方法，速度慢、自動(dòng)化檢測(cè)程度低，基本是面向小范圍、小目標(biāo)的影像，且不適用于大幅面遙感影像中像大壩這類大目標(biāo)檢測(cè)。

發(fā)明內(nèi)容

針對(duì)上述現(xiàn)有技術(shù)存在的缺陷，本發(fā)明的目的在于提供了一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，方法易行，操作方便，通過(guò)獲取不同地區(qū)、不同種類的大壩，可以通過(guò)光學(xué)遙感影像大壩目標(biāo)的快速智能識(shí)別與檢測(cè)，快速鎖定目標(biāo)，提高目標(biāo)檢測(cè)的自動(dòng)化處理效率和可靠性，有助于在重大災(zāi)情發(fā)生后第一時(shí)間快速掌握大壩的狀況，增強(qiáng)災(zāi)害應(yīng)急管理與軍事情報(bào)信息收集能力。

為進(jìn)一步實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明的構(gòu)思為：首先，建立高分辨率大壩樣本集；其次，對(duì)大壩樣本進(jìn)行訓(xùn)練和測(cè)試，得到大壩目標(biāo)檢測(cè)模型；然后，對(duì)大幅面遙感影像進(jìn)行分割，以滿足深度學(xué)習(xí)模型輸入要求；之后，對(duì)分割后的遙感影像進(jìn)行大壩目標(biāo)檢測(cè)；最后，將分割后的遙感影像合并成與原始大幅面遙感影像相同大小的大壩目標(biāo)檢測(cè)結(jié)果。

一種基于深度學(xué)習(xí)的大壩遙感智能檢測(cè)方法，其步驟是：

A、大壩遙感影像樣本集建立：收集大壩遙感影像樣本并標(biāo)注，建立大壩遙感影像樣本集；