[发明专利]一种基于深度学习的无人机遥感图像板房或建材检测方法

权利要求书

1.一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，包括以下步骤：

步骤1，无人机航拍图像进行降采样，得到降采样后的图像；

步骤2，将降采样后图像中的映射空间进行灰度处理，得到灰度处理后的图像；

步骤3，用户判断灰度处理后的图像是否进行直方图均衡化，得到直方图均衡化的图像；如果需要，执行步骤4，否者执行步骤5；

步骤4，将灰度处理后的图像进行直方图均衡化，执行步骤5；

步骤5，将灰度处理后的图像或直方图均衡化的图像进行LSD线段检测，提取出图像中直线线段边缘；

步骤6，对直线线段边缘进行线段长度约束处理，提取符合线段长度约束范围内的线段，作为提取出的线段；

步骤7，将步骤6提取出的线段生成线段簇；

步骤8，通过步骤7得到的线段簇求得最小外接矩形，作为检测候选框；

步骤9，针对检测候选框进行深度学习模板判定，检测出板房或减材；所述深度学习模板判定采用CNN网络模型判定。

2.根据权利要求1所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，步骤2中，通过YUV颜色编码方法对映射空间进行灰度处理。

3.根据权利要求1所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，步骤5中，将灰度处理后的图像或直方图均衡化的图像作为LSD线段检测的输入，进行LSD线段检测。

4.根据权利要求1所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，步骤6中，约束处理的条件为，若步骤1中无人机航拍高度为350-450mm，则提取出像素范围为30-100的线段。

5.根据权利要求1所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，步骤7中，对提取出的线段进行平行和垂直分析，将有垂直或平行关系的线段彼此标记成同样的标号，连通同样标号的线段，形成线段簇。

6.根据权利要求5所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，垂直分析中，近似垂直的容忍角度≤5°。

7.根据权利要求1-6任意一项所述的基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，步骤9中，CNN网络模型的数据分类包括以下步骤：图像依次经过输入层、第一卷积层、第二池化层、第三卷积层、下采样层、第五卷积层、上采样层和softmax-loss分类层处理；将分类后数据中板房或建材类别概率值＞0.5的板房或建材确定为最终板房或建材。

8.根据权利要求7所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，第一卷层中卷积核的大小设置为3*3，步长为1；第二池化层中池化的步长设置为2。

9.根据权利要求7所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，第三卷积层中卷积核的大小为3*3，步长为1；第五卷积层中卷积核的大小为1*1，步长为1；将第五卷积层中的特征图进行双线性差值处理，得到上采样层。

10.根据权利要求7所述的一种基于深度学习的无人机遥感图像板房或建材检测方法，其特征在于，softmax-loss分类层处理中，输出上采样层图像中每一个像素属于板房或建材的概率值。