基于多源异构深度网络融合的建筑物屋顶识别方法和装置制造方法及图纸

本申请涉及一种基于多源异构深度网络融合的建筑物屋顶识别方法

【技术实现步骤摘要】
基于多源异构深度网络融合的建筑物屋顶识别方法和装置


[0001]本申请涉及图像识别
，特别是涉及一种基于多源异构深度网络融合的建筑物屋顶识别方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品
。

技术介绍

[0002]随着电力技术的发展，建筑物屋顶识别在电力系统规划与管理等众多领域都有重要的应用
。
通过对不同类型建筑物屋顶的特征分析，可以了解到其形状
、
大小等情况不同，这些信息可以用于后续的发电站规划与设计
。
因此，如何高效地进行建筑物屋顶的识别，成为了重要的研究方向
。
[0003]传统技术通常是通过人工识别建筑物屋顶的图像，实现建筑物屋顶的识别；但是，通过该方式进行识别需要耗费较多的人工处理时间，导致建筑物屋顶识别效率较低
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高建筑物屋顶识别效率的基于多源异构深度网络融合的建筑物屋顶识别方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0005]第一方面，本申请提供了一种基于多源异构深度网络融合的建筑物屋顶识别方法
。
所述方法包括：
[0006]获取目标区域的光学图像和所述目标区域的遥感图像；所述目标区域中包含建筑物屋顶；
[0007]将所述光学图像输入至光学图像分割模型，得到所述建筑物屋顶的光学分割图像；
[0008]将所述遥感图像输入至遥感图像分割模型，得到所述建筑物屋顶的遥感分割图像；
[0009]对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像；
[0010]对所述融合分割图像进行识别，得到所述建筑物屋顶的面积信息
。
[0011]在其中一个实施例中，所述对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像，包括：
[0012]根据所述光学分割图像中的像素点的最大像素值，确定出所述光学分割图像中各像素点的相对像素值；
[0013]根据所述遥感分割图像中的像素点的最大像素值，确定出所述遥感分割图像中各像素点的相对像素值；
[0014]根据所述光学分割图像中各像素点的相对像素值和所述遥感分割图像中各像素点的相对像素值，对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像
。
[0015]在其中一个实施例中，所述根据所述光学分割图像中各像素点的相对像素值和所述遥感分割图像中各像素点的相对像素值，对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像，包括：
[0016]根据所述光学分割图像中各像素点的位置信息和所述遥感分割图像中各像素点的位置信息，确定出所述光学分割图像中各像素点与所述遥感分割图像中各像素点之间的匹配关系；
[0017]根据所述匹配关系，确定出所述光学分割图像与所述遥感分割图像之间的像素点匹配对；
[0018]针对每一像素点匹配对，从所述像素点匹配对中选取出对应的相对像素值最大的像素点，作为所述建筑物屋顶的待生成融合分割图像中的目标像素点；
[0019]根据各所述目标像素点，生成所述建筑物屋顶的融合分割图像
。
[0020]在其中一个实施例中，所述对所述融合分割图像进行识别，得到所述建筑物屋顶的面积信息，包括：
[0021]对所述融合分割图像进行边缘检测处理，得到所述建筑物屋顶的边缘检测图像；
[0022]对所述边缘检测图像进行识别，得到所述建筑物屋顶的面积信息
。
[0023]在其中一个实施例中，所述对所述边缘检测图像进行识别，得到所述建筑物屋顶的面积信息，包括：
[0024]对所述边缘检测图像进行识别，确定出所述边缘检测图像中的边缘特征点；
[0025]对所述边缘特征点的包围区域进行识别，得到所述包围区域的面积值；
[0026]将所述包围区域的面积值，识别为所述建筑物屋顶的面积信息
。
[0027]在其中一个实施例中，在对所述融合分割图像进行识别，得到所述建筑物屋顶的面积信息之后，还包括：
[0028]根据所述建筑物屋顶的地理位置信息，确定出对应的太阳高度角信息和太阳方位角信息；
[0029]根据所述面积信息
、
所述太阳高度角信息和所述太阳方位角信息，确定所述建筑物屋顶对应的光伏面板铺设面积
。
[0030]第二方面，本申请还提供了一种基于多源异构深度网络融合的建筑物屋顶识别装置
。
所述装置包括：
[0031]图像获取模块，用于获取目标区域的光学图像和所述目标区域的遥感图像；所述目标区域中包含建筑物屋顶；
[0032]第一输入模块，用于将所述光学图像输入至光学图像分割模型，得到所述建筑物屋顶的光学分割图像；
[0033]第二输入模块，用于将所述遥感图像输入至遥感图像分割模型，得到所述建筑物屋顶的遥感分割图像；
[0034]图像融合模块，用于对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像；
[0035]图像识别模块，用于对所述融合分割图像进行识别，得到所述建筑物屋顶的面积信息
。
[0036]第三方面，本申请还提供了一种计算机设备
。
所述计算机设备包括存储器和处理
器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0037]获取目标区域的光学图像和所述目标区域的遥感图像；所述目标区域中包含建筑物屋顶；
[0038]将所述光学图像输入至光学图像分割模型，得到所述建筑物屋顶的光学分割图像；
[0039]将所述遥感图像输入至遥感图像分割模型，得到所述建筑物屋顶的遥感分割图像；
[0040]对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像；
[0041]对所述融合分割图像进行识别，得到所述建筑物屋顶的面积信息
。
[0042]第四方面，本申请还提供了一种计算机可读存储介质
。
所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0043]获取目标区域的光学图像和所述目标区域的遥感图像；所述目标区域中包含建筑物屋顶；
[0044]将所述光学图像输入至光学图像分割模型，得到所述建筑物屋顶的光学分割图像；
[0045]将所述遥感图像输入至遥感图像分割模型，得到所述建筑物屋顶的遥感分割图像；
[0046]对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多源异构深度网络融合的建筑物屋顶识别方法，其特征在于，所述方法包括：获取目标区域的光学图像和所述目标区域的遥感图像；所述目标区域中包含建筑物屋顶；将所述光学图像输入至光学图像分割模型，得到所述建筑物屋顶的光学分割图像；将所述遥感图像输入至遥感图像分割模型，得到所述建筑物屋顶的遥感分割图像；对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像；对所述融合分割图像进行识别，得到所述建筑物屋顶的面积信息
。2.
根据权利要求1所述的方法，其特征在于，所述对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像，包括：根据所述光学分割图像中的像素点的最大像素值，确定出所述光学分割图像中各像素点的相对像素值；根据所述遥感分割图像中的像素点的最大像素值，确定出所述遥感分割图像中各像素点的相对像素值；根据所述光学分割图像中各像素点的相对像素值和所述遥感分割图像中各像素点的相对像素值，对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述光学分割图像中各像素点的相对像素值和所述遥感分割图像中各像素点的相对像素值，对所述光学分割图像和所述遥感分割图像进行融合处理，得到所述建筑物屋顶的融合分割图像，包括：根据所述光学分割图像中各像素点的位置信息和所述遥感分割图像中各像素点的位置信息，确定出所述光学分割图像中各像素点与所述遥感分割图像中各像素点之间的匹配关系；根据所述匹配关系，确定出所述光学分割图像与所述遥感分割图像之间的像素点匹配对；针对每一像素点匹配对，从所述像素点匹配对中选取出对应的相对像素值最大的像素点，作为所述建筑物屋顶的待生成融合分割图像中的目标像素点；根据各所述目标像素点，生成所述建筑物屋顶的融合分割图像
。4.
根据权利要求1所述的方法，其特征在于，所述对所述融合分割图像进行识别，得到所述建筑物屋顶的面积信息，包括：对所述融合分割图像进行边缘检测处理，得到所述建筑物屋顶的边缘...

【专利技术属性】
技术研发人员：黎嘉明，黎立丰，蒙文川，杨雄平，杨再敏，饶志，席云华，李爽，孙思扬，
申请(专利权)人：南方电网能源发展研究院有限责任公司，
类型：发明
国别省市：