高分辨率图像不透水面水信息特征精确提取方法技术

本发明专利技术公开了高分辨率图像不透水面水信息特征精确提取方法，首先，利用百度街景获取实验区道路街景高分辨率图像，对包含小目标的有效图片进行标注，经过一系列预处理后，作为小目标检测模型的输入数据，然后，基于输入数据训练基于VGG网络的端到端单阶段不透水面小目标检测模型；最后，对提取的小目标的空间位置进行精确地理位置修正。置进行精确地理位置修正。置进行精确地理位置修正。

【技术实现步骤摘要】
高分辨率图像不透水面水信息特征精确提取方法


[0001]本专利技术涉及水面水信息特征精确提取
，尤其涉及高分辨率图像不透水面水信息特征精确提取方法。

技术介绍

[0002]小目标有两种定义方式，一种是相对尺寸大小，国际组织SPIE的定义在256
×
256的图像中目标面积小于80个像素就为小目标，即小于256
×
256的0.12％就为小目标，即可认为是小目标，另外一种是绝对尺寸的定义，即尺寸小于32*32像素的目标即可认为是小目标。在高分辨率遥感图像中，不透水面上的雨水口、检查井、排水口、泵站等与水信息相关的设施所占图像比例极小，可以将其认定为小目标物体。但是，卫星图像的空间分辨率完全超过了不透水面水信息特征中小目标的尺寸，不能提取小目标物体的特征，而无人机倾斜摄影图像虽然能够检测到小目标物体信息，但是由于拍摄角度、地面背景信息过于复杂等问题，只能提取部分小目标物体的信息。城市街景是一种创新型的地图表达方式，通过全景相机以道路为拍摄路径，对道路及附属设施、周边建筑、车辆等目标场景进行连续拍摄，然后将这些高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.高分辨率图像不透水面水信息特征精确提取方法，包括以下步骤：S1、利用开放道路地图和百度地图街景静态图API批量获取沿道路走向的高分辨率街景图片，利用开源工具Labeling，参考COCO公开数据集的标注格式对图片中的小目标设施进行标注，再对街景图像进行数据标准化和数据增强处理，以提高小目标目标的检测准确率；S2、将数据集和标注数据输入基于VGG网络的端到端单阶段不透水面小目标检测模型进行训练，利用训练好的模型对小目标进行检测，提取小目标在图像中准确的位置与大小；S3、通过小目标距全景相机距离估计方法和雨水口距中心轴线偏移角度估计方法计算图像中小目标距离全景相机的距离和方向，并将相对位置映射到地理坐标系统中，以此提高小目标在真实地理空间位置的精度；S4、实验与分析，雨水口是不透水面水信息特征中最小的地物对象，针对不透水面水信息特征中雨水口的提取实际上就属于小目标的提取，道路表面两侧的雨水口是汇集、排除城市地表雨水的重要构筑物，通常设置于道路两侧紧挨路缘石的位置，其设计及运行条件会在很大程度上影响排水系统的整体性能，因此，如果要真实的表示排水系统性能及评估城市洪涝灾害的风险，就必须在城市排水模型中加以考虑。2.根据权利要求1所述的高分辨率图像不透水面水信息特征精确提取方法，其特征在于，S2中，基于VGG网络的端到端单阶段不透水面小目标检测模型建立包括以下步骤：S2
‑
1、设计网络结构，输入图像大小统一为224
×
224像素，用于提取图像特征的卷积层使用VGG
‑
16网络中的13个卷积层，为降低特征图尺寸，分别在Conv2、Conv4、Conv7、Conv10、Conv13后面紧跟跨度为2的池化层。S2
‑
2、为了强化深度神经网络在检测中能捕获重点区域，在每个池化层前面分别加入了卷积注意力模块；S2
‑
3、提供上下文特征信息，其中上下文特征图分别来自注意力层Attention2和Attention3，目标特征图为最后池化层Maxpool5；S2
‑
4、回归器模块设计，经过特征提取器生成的目标特征图被送入回归器后，经过三层1
×
1卷积运算，得到空间大小为S
×
S，通道数为C的特征图向量，该特征图向量经过训练后，可用于目标检测，每个特征向量包含了两个预测边框和一个分类概率。S2
‑
5、通过损失函数指导网络进行参数调整，损失函数以YOLO的损失函数规则为基础，它包括目标物存在偏差Lconf、位置偏差Lp...

【专利技术属性】
技术研发人员：陈彬彬，陈正东，宋楚平，杨天辰，
申请(专利权)人：南京科技职业学院，
类型：发明
国别省市：