文库搜索
切换导航
首页
频道
联系我们
国家标准目录
国际ISO标准目录
行业标准目录
地方标准目录
首页
联系我们
国家标准目录
国际ISO标准目录
行业标准目录
地方标准目录
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211259179.3 (22)申请日 2022.10.14 (71)申请人 国网四川电力送变电建 设有限公司 地址 610000 四川省成 都市成华区建 设南 支路2号 (72)发明人 阳建 李刚 景文川 徐源 王涛 黄欠 黄鹏 余游 王泽贵 (74)专利代理 机构 成都行之专利代理事务所 (普通合伙) 51220 专利代理师 史丽红 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/40(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的地理信息提取方法及 系统 (57)摘要 本发明公开了一种基于深度学习的地理信 息提取方法及系统, 属于图像处理技术领域; 用 三维图像数据结合已有的地图数据, 通过深度学 习方法训练得到网络分类模型, 在训练网络分类 模型前先对三维图像数据进行一系列的预处理 操作得到梯度向量, 将三维图像数据中小结构的 常规地图上无法准确描述显示的地理信息暴露 出来, 在通过深度学习方法来训练构建网络分类 模型, 卷积神经网络可以很方便提取三维图像数 据中判别性较高的信息, 通过网络分类模型对待 提取图像识别提取时能够得到更加准确的地理 信息分类结果, 为张牵场的选址提供准确的地理 依据; 由于网络分类模型具有良好的训练基础, 使得三维的待提取图像也能够快速精准的提取 出所需地理信息 。 权利要求书2页 说明书6页 附图2页 CN 115546551 A 2022.12.30 CN 115546551 A 1.一种基于深度学习的地理信息提取 方法, 其特 征在于, 包括: 步骤一: 获取目标区域的三维图像数据; 步骤二: 对三维图像数据预处 理后切片处 理得到N个图像数据; 步骤三: 计算出各图像数据的梯度 幅值图像, 并对梯度 幅值图像进行分割得到区域图 像; 步骤四: 计算每个区域图像的梯度向量后输入卷积神经网络进行训练得到网络分类模 型; 步骤五: 将待提取图像输入网络分类模型进行识别提取 得到该图像的地理信息 。 2.根据权利要求1所述的一种基于深度 学习的地理信 息提取方法, 其特征在于, 所述预 处理过程为将三维图像数据投影得到二维图像数据。 3.根据权利要求1所述的一种基于深度 学习的地理信 息提取方法, 其特征在于, 梯度幅 值图像的获取 方法为: 基于图像数据的像素点计算出x方向的梯度Dx和y方向的梯度Dy; 基于x方向的梯度Dx和y方向的梯度Dy根据式 计算该像素点的图像梯度 计算出所有像素点的图像梯度 后得到梯度幅值图像。 4.根据权利要求3所述的一种基于深度 学习的地理信 息提取方法, 其特征在于, 像素点 在x方向的梯度Dx和y方向的梯度Dy通过下式计算: 式中x和y为像素点在图像数据上的横坐标和纵坐标。 5.根据权利要求1所述的一种基于深度 学习的地理信 息提取方法, 其特征在于, 所述 区 域图像的获取方法包括: 用分水岭算法对梯度幅值图像进 行分割得到多个区域不同的图像 块, 对每个图像块进行 所述区域类别的标注得到区域图像。 6.根据权利要求1所述的一种基于深度 学习的地理信 息提取方法, 其特征在于, 区域图 像的梯度方向计算方法为: 区域图像上的像素点 i的坐标为(n, m); 用像素点 i的梯度方向 向量为 以区域图像上 所有像素点的梯度方向 向量表示该区域图像的梯度向量。 7.根据权利要求1所述的一种基于深度 学习的地理信 息提取方法, 其特征在于, 所述待 提取图像为无 人机测量的三维地理数据。权 利 要 求 书 1/2 页 2 CN 115546551 A 28.根据权利要求7所述的一种基于深度 学习的地理信 息提取方法, 其特征在于, 先对待 提取图像执 行步骤二和步骤三后得到待提取图像的区域图像; 再计算待提取图像各区域图像的梯度向量后输入网络分类模型进行识别提取。 9.一种基于深度学习的地理信息提取系统, 应用于权利要求1 ‑8任意一项所述的基于 深度学习的地理信息提取方法, 包括: 采集模块、 预 处理模块、 计算模块、 训练模块和提取模 块; 采集模块用于获取目标区域的三维地图数据; 预处理模块用于对三维地图数据预处 理后切片处 理得到N个图像数据; 计算模块用于计算出各图像数据的梯度幅值图像, 并对梯度幅值图像进行分割得到区 域图像; 训练模块用于对区域图像计算梯度方向后输入卷积神经网络进行训练得到网络分类 模型; 提取模块用于将待提取图像输入网络分类模型进行识别提取 出该图像的地理信息 。 10.一种非暂态计算机可读存储介质, 其上存储有计算机指令, 其特征在于, 该指令被 处理器执行时实现权利要求1 ‑8中任一项所述的方法的步骤。权 利 要 求 书 2/2 页 3 CN 115546551 A 3
专利 一种基于深度学习的地理信息提取方法及系统
文档预览
中文文档
11 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2元下载(无需注册)
温馨提示:本文档共11页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2元下载
本文档由 SC 于
2024-02-18 22:24:38
上传分享
举报
下载
原文档
(599.0 KB)
分享
友情链接
YD-T 4066-2022 移动终端图像及视频防抖性能技术要求和测试方法.pdf
GB-T 34411-2017 基本医疗保险待遇稽核业务规范.pdf
GM-T 0038-2014 证书认证密钥管理系统检测规范.pdf
奇安信 2018勒索病毒白皮书政企篇.pdf
WS 373.1-2012 医疗服务基本数据集 第1部分:门诊摘要.pdf
思度安全-DSMM-001 数据安全管理总纲V1.0.pdf
T-BJQC 201905-2023 智能网联汽车信息安全测试方法和判定准则.pdf
GM T 0131-2023 电子签章应用接口规范.pdf
GB-T 37964-2019 信息安全技术 个人信息去标识化指南.pdf
T-ZJAF 13.6—2023 公共视频资源 第 6 部分:运维服务要求.pdf
GB-T 25808-2021 硫化黑2BR、3B 200%.pdf
GB-T 22336-2008 企业节能标准体系编制通则.pdf
DL-T 741-2019 架空输电线路运行规程.pdf
GB-T 30101-2013 聚乙烯醇水溶短纤维.pdf
GB-T 31710.3-2015 休闲露营地建设与服务规范 第3部分:帐篷露营地.pdf
GB-T 34532-2017 焦化废水 氨氮含量的测定 甲醛法.pdf
GB-T 38542-2020 信息安全技术 基于生物特征识别的移动智能终端身份鉴别技术框架.pdf
T-SHXFXH 002—2023 建筑电气防火检测技术规程.pdf
DB31-T 397-2021 医源性织物清洗消毒卫生要求 上海市.pdf
DB53-T 1137-2023 公路建设项目电子文件与电子档案管理系统建设指南 云南省.pdf
1
/
11
评价文档
赞助2元 点击下载(599.0 KB)
回到顶部
×
微信扫码支付
2
元 自动下载
点击进入官方售后微信群
支付 完成后 如未跳转 点击这里下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。