基于高分辨率遥感影像的高速铁路供电设施智能识别方法技术

本发明专利技术涉及遥感影像图像处理技术领域，涉及一种基于高分辨率遥感影像的高速铁路供电设施智能识别方法，其包括以下步骤：步骤S1：选取高分辨率遥感影像，在高速列车站周围区域判读勾绘样本；步骤S2：设置初始参数，利用带有供电网杆真实位置边界框的样本进行损失函数的计算以及参与反向传播过程中参数权重W以及偏移值b的迭代以及更新，从而完成对模型的训练；步骤S3：采用路网搜索的方式进行计算；步骤S4：随机选用一些车站影像放入训练好的模型中进行供电网杆的识别，并对识别结果进行检验。本发明专利技术能够实现对高速铁路供电设施的自动识别提取，大大提高识别效率的同时和保证了目标检测的稳定性。测的稳定性。测的稳定性。

【技术实现步骤摘要】
基于高分辨率遥感影像的高速铁路供电设施智能识别方法


[0001]本专利技术涉及遥感影像图像处理
，具体地说，涉及一种基于高分辨率遥感影像的高速铁路供电设施智能识别方法。

技术介绍

[0002]高速列车的动力来源为电能，而弓网系统却是高速列车核心的供电方式，所以高速铁路的供电设施主要就是指弓网系统中的弓网接触网杆。高速铁路的铁路线往往架设在了无人烟的自然环境中，遇山而进，伴水而行，林进林出的情况更是常态，因此，在对铁路供电设施状态好坏的检测，尤其是检查弓网附近的自然环境和人造环境是否会危险到弓网，乃至破坏弓网系统的问题中，组织人手沿着高速铁路线一起进入深山老林，跋山涉水，对如此大尺度的铁路线网进行线下人工检查不仅劳民伤财，而且毫无效率可言，更做不到可以实时检测，而在有这样的前提下，对大尺度区域识别以及提取目标的处理上继续使用基于人工判读的方法也是不理想的，因为同样是不能有效率性的和实时性的进行检查以及预防的。
[0003]以往的识别分类是依赖于人工的经验来进行判读的，这样的效率低，而且没有时效性，只有在解决小范围区域的目标检测上才会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于高分辨率遥感影像的高速铁路供电设施智能识别方法，其特征在于：包括以下步骤：步骤S1：选取高分辨率遥感影像，在高速列车站周围区域判读勾绘样本；步骤S2：设置初始参数，利用带有供电网杆真实位置边界框的样本进行损失函数的计算以及参与反向传播过程中参数权重W以及偏移值b的迭代以及更新，从而完成对模型的训练；步骤S3：采用路网搜索的方式进行计算；步骤S4：随机选用一些车站影像放入训练好的模型中进行供电网杆的识别，并对识别结果进行检验。2.根据权利要求1所述的基于高分辨率遥感影像的高速铁路供电设施智能识别方法，其特征在于：所述步骤S1的具体步骤为：步骤S11：根据高分辨率卫星遥感影像，对供电网杆位置进行勾绘；步骤S12：采用GIS工具对供电网干位置生成最小包络矩形；步骤S13：根据勾绘区域对原始影像进行裁剪，最后将面要素的shapefile文件、包络矩形的KML文件以及裁剪过后的影像TIFF文件分别存储。3.根据权利要求2所述的基于高分辨率遥感影像的高速铁路供电设施智能识别方法，其特征在于：所述步骤S2的具体步骤为：步骤S21：将原始影像放入卷积网络FastRCNN中提取得到特征信息，其中FastRCNN的损失函数为：L(p,u,t
u
,v)＝L
cls
(p,u)+λ[u≥1]L
loc
(t
u
,v)
ꢀꢀꢀꢀ
(1)式中，p是分类器预测的概率分布，u对应目标真实类别标签，t
u
对应边界框回归器预测的对应类别u的回归参数，v对应真实目标的边界框回归参数；步骤S22：以特征图像为模板放入到RPN网络中筛选出边界框，再进一步对边界框进行回归得到更为准确的位置，并将边界框的坐标信息映射到特征图上，其中，RPN网络采用如下损失函数，以个体判别作为代理任...

【专利技术属性】
技术研发人员：张瑞，刘安梦云，包馨，王婷，刘国祥，于来波，吴仁哲，吕继超，杨云杰，王天宇，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：