一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法及系统技术方案

本发明专利技术公开了一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法及系统，涉及图像处理技术领域，包括对采集到的遥感影像数据进行预处理，基于预处理后的数据进行数据集制作与扩增；基于深度学习，以数据集为输入，构建违章建筑和违章施工识别模型；在训练完成的违章建筑和违章施工识别模型基础上，将新采集的数据输入至识别模型中，输出初步违章子图片；将初步违章子图片进行大范围拼接，引入电力设施位置进行嵌套精细识别，最终获得违章建筑与施工地的空间分布情况。本发明专利技术将深度学习模型与嵌套处理方法相结合，能充分提取和整合遥感影像中的全局特征和局部细节特征，显著提升了对复杂场景中违章建筑与施工区域的检测精准度和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别是一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法及系统。

技术介绍

1、随着现代社会发展，电力线路廊道违章建筑和违章施工日益增多，严重威胁电网的安全稳定运行。传统的现场巡检方式成本高、效率低、周期长，无法及时有效地发现和处理违章问题。近年来，遥感影像技术迅猛发展，尤其是国产高分辨率遥感卫星提供的高精度数据，为电力线路廊道管理提供了新的技术手段。然而，高分辨率遥感影像数据量大、图像特征复杂多样，传统方法在违章建筑的识别准确性和精度上尚存在不足，迫切需要发展更先进、更精准的遥感影像处理技术，以实现违章建筑和施工地的精细化、自动化监测。

技术实现思路

1、鉴于上述存在的问题，提出了本专利技术。

2、因此，本专利技术所要解决的问题在于：传统的现场巡检方式成本高、效率低、周期长，无法及时有效地发现和处理违章问题。

3、为解决上述技术问题，本专利技术提供如下技术方案：一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其包括，对采集到的遥感影像数据进本文档来自技高网...

【技术保护点】

1.一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：包括，

2.如权利要求1所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：所述预处理包括辐射定标、大气校正、正射校正和图像融合；

3.如权利要求2所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：所述数据集制作与扩增包括，基于预处理后的遥感影像数据，以电力线路为中心，采用矩形或方形区域裁剪，对截取后的影像切片，采用目视解译方法对影像进行标注；

4.如权利要求3所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法...

【技术特征摘要】

1.一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：包括，

2.如权利要求1所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：所述预处理包括辐射定标、大气校正、正射校正和图像融合；

3.如权利要求2所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：所述数据集制作与扩增包括，基于预处理后的遥感影像数据，以电力线路为中心，采用矩形或方形区域裁剪，对截取后的影像切片，采用目视解译方法对影像进行标注；

4.如权利要求3所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：所述数据集制作与扩增还包括，采用滑动窗口技术对标记后的影像数据进行子图像的精细截取，利用数据增强技术对数据进行扩增；

5.如权利要求4所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法，其特征在于：所述构建违章建筑和违章施工识别模型包括，选用u2-net作为深度学习模型的核心网络结构，u2-net采用双层嵌套u型结构包含多个u型子模块，每个子模块内置多个残差卷积块；

6.如权利要求5所述的一种基于深度学习的彩钢瓦违章建筑分割检测与地理信息恢复方法...

【专利技术属性】
技术研发人员：黄维，崔志美，黄志都，邬蓉蓉，刘英龙，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：