申请/专利权人：武汉大学

申请日：2023-02-17

公开（公告）日：2023-03-14

公开（公告）号：CN115797788A

主分类号：G06V20/10

分类号：G06V20/10;G06N3/0464;G06N3/08;G06V10/20;G06V10/764;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2023.04.14#授权;2023.03.31#实质审查的生效;2023.03.14#公开

摘要：本发明涉及一种基于深度学习的多模态铁路设计要素遥感特征提取方法，其包括对目标区域遥感影像进行预处理，得到目标区域的单波段图像、可见光图像和热红外图像；选择三种图像中至少一张图像根据铁路设计要素进行分类，将经过分类的三种图像合并成具有预设通道的第一图像；将第一图像根据单波段数、可见光波段数和热红外波段数得到若干组不同组合的第二图像并裁剪构建数据集；将训练集中的图像转化为预设数据类型输入到深度学习模型中进行训练，得到训练好的深度学习模型；将目标区域的遥感影像输入到训练好的深度学习模型中，提取得到铁路设计要素。本发明利用可见光波段、单波段和热红外三种遥感影像进行神经网络训练，提高了提取地物的精度。

主权项：1.一种基于深度学习的多模态铁路设计要素遥感特征提取方法，其特征在于，包括：对目标区域遥感影像进行预处理，得到目标区域的单波段图像、可见光图像和热红外图像；选择所述单波段图像、所述可见光图像和所述热红外图像中至少一张图像根据铁路设计要素进行分类，将经过分类的所述单波段图像、所述可见光图像和所述热红外图像合并成具有预设通道的第一图像；将所述第一图像根据单波段数、可见光波段数和热红外波段数得到若干组不同组合的第二图像，将所述若干组第二图像进行裁剪构建数据集；将所述数据集中的训练集图像转化为预设数据类型并输入到预设的深度学习网络模型中进行训练，得到训练完备的深度学习网络模型；将目标区域的待测遥感影像输入到所述训练完备的深度学习网络模型中，提取得到铁路设计要素。

全文数据：

权利要求：

百度查询： 武汉大学 基于深度学习的多模态铁路设计要素遥感特征提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD