申请/专利权人：华南理工大学;广州大斧文化科技有限公司

申请日：2023-09-25

公开（公告）日：2024-02-06

公开（公告）号：CN117523405A

主分类号：G06V20/13

分类号：G06V20/13;G06V20/10;G06V10/774;G06V10/764;G06V10/762;G06V10/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明公开了一种传统村落建筑屋面破损识别及破损率计算方法，步骤如下：获取传统村落遥感影像图片；制作训练集构建破损屋面实例分割模型；将待分割的传统村落遥感影像图片输入破损屋面实例分割模型中，得到实例分割结果；定义实例分割结果中破损屋面的掩膜范围进行超像素分割，提取单个破损屋面的超像素子块图像；将子块图像输入SVM分类器，识别子块图像破损区域、非破损区域、天井和院落区域3种类别；计算单个破损屋面中破损区域子块图像的像素点比上破损区域和非破损区域子块图像的像素点之和的值，该值即为单个破损屋面的破损率。本发明用于遥感影像的建筑屋面破损区域自动识别，并通过像素点计算建筑屋面的破损率，识别速度快。

主权项：1.一种传统村落建筑屋面破损识别及破损率计算方法，其特征在于，所述屋面破损识别及破损率计算方法包括如下步骤：S1、获取传统村落的遥感影像图片：以卫星遥感影像为基本图源，下载传统村落遥感影像图片；将所述遥感影像图片按比例划分为训练样本和测试样本；S2、制作训练集构建破损屋面实例分割模型：使用所述训练样本，标注包含传统村落建筑的遥感影像图片，形成训练集T，其中，所述训练集T包含2种目标对象类型，第1类目标对象标签为broken，对应破损状态的传统村落建筑屋面；第2类目标对象标签为non-broken，对应非破损状态的传统村落建筑屋面，使用训练集T在yolov8x-seg.pt预训练权重模型上进行训练，获取破损屋面实例分割模型Posun_BEST.pt；S3、将待分割的测试样本输入破损屋面实例分割模型中，得到实例分割结果：将所述测试样本中的图片，输入破损屋面实例分割模型Posun_BEST.pt中进行分割，计算得到每一张图片中的破损屋面和非破损屋面实例分割结果；S4、定义实例分割结果中破损屋面的掩膜范围进行超像素分割，提取单个破损屋面的超像素子块图像：使用所述实例分割结果，逐个提取每一张图片中破损屋面的掩膜范围Mask，通过SLIC算法在掩膜范围内进行超像素分割，得到聚类后的超像素块，提取超像素块作为子块图像，构成测试集d；S5、将子块图像输入经过训练的SVM分类器，得到子块图像破损区域、非破损区域、天井和院落区域3种类型的分类结果；其中，所述SVM分类器包括3种目标识别类别，第1类为非破损区域的子块图像，标签为0；第2类为破损区域的子块图像，标签为1；第3类为天井和院落区域的子块图像，标签为2；S6、破损率计算：根据所述分类结果计算单个破损屋面破损区域子块图像的像素点比上破损区域和非破损区域子块图像的像素点之和的值，该值即为单个建筑屋面破损率计算结果。

全文数据：

权利要求：

百度查询： 华南理工大学;广州大斧文化科技有限公司 一种传统村落建筑屋面破损识别及破损率计算方法

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