[发明专利]一种城市植被种类识别方法、系统、设备以及介质在审
申请号: | 202011237350.1 | 申请日: | 2020-11-09 |
公开(公告)号: | CN112329649A | 公开(公告)日: | 2021-02-05 |
发明(设计)人: | 张杰 | 申请(专利权)人: | 上海圣之尧智能科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62 |
代理公司: | 上海塔科专利代理事务所(普通合伙) 31380 | 代理人: | 耿恩华 |
地址: | 201700 上海市青浦*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 城市 植被 种类 识别 方法 系统 设备 以及 介质 | ||
1.一种城市植被种类识别方法,其特征在于,包括:
采集一检测区域的多个检测图像,其中,所述检测图像对应于所述检测区域的局部;
将所述多个检测图像进行图像拼接,获得一所述检测区域的融合图像;
对所述融合图像进行特征提取获得所述融合图像的融合颜色特征向量和融合纹理特征向量;
基于所述融合颜色特征向量、所述融合纹理特征向量、与所述融合颜色特征向量对应的多个类型颜色特征向量以及与所述融合纹理特征向量对应的多个类型纹理特征向量,获得多个类型系数;
输出所述多个类型系数中的最小值所对应的植被类型。
2.根据权利要求1所述的城市植被种类识别方法,其特征在于,所述将所述多个检测图像进行图像拼接,获得一所述检测区域的融合图像包括:
对每一所述检测图像进行图像预处理;
将进行所述图像预处理后的所述检测图像进行图像配准获得一区域图像;
对所述区域图像进行图像融合以获得所述融合图像。
3.根据权利要求2所述的城市植被种类识别方法,其特征在于,所述对每一所述检测图像进行图像预处理包括:
对每一所述检测图像进行图像畸变纠正;
对所述检测图像进行图像平滑;
对经过图像平滑后的所述检测图像进行图像增强。
4.根据权利要求1所述的城市植被种类识别方法,其特征在于,所述类型系数的计算公式为:
其中:
dni为类型系数;
ai为类型颜色特征向量;
bi为类型纹理特征向量;
cn为融合颜色特征向量;
tn为融合纹理特征向量;
i为植被类型,i为整数。
5.根据权利要求1所述的城市植被种类识别方法,其特征在于,
所述类型颜色特征向量以及所述融合颜色特征向量均为256维向量;
所述类型纹理特征向量以及所述融合纹理特征向量均为3维向量。
6.根据权利要求1所述的城市植被种类识别方法,其特征在于,所述对所述融合图像进行特征提取获得所述融合图像的融合颜色特征向量和融合纹理特征向量还包括:
将所述融合图像由RGB颜色空间转换为HSV颜色空间;
对所述HSV颜色空间的所述融合图像进行特征提取获得所述融合颜色特征向量和所述融合纹理特征向量。
7.一种城市植被种类识别方法,其特征在于,包括:
于一检测区域上方,通过一无人机采集所述检测区域的多个检测图像,其中,所述检测图像对应于所述检测区域的局部;
所述无人机将所述多个检测图像进行图像拼接,获得一所述检测区域的融合图像;
所述无人机对所述融合图像进行特征提取获得所述融合图像的融合颜色特征向量和融合纹理特征向量;
所述无人机基于所述融合颜色特征向量、所述融合纹理特征向量、与所述融合颜色特征向量对应的多个类型颜色特征向量以及与所述融合纹理特征向量对应的多个类型纹理特征向量,获得多个类型系数;
所述无人机输出所述多个类型系数中的最小值所对应的植被类型。
8.一种城市植被种类识别系统,其特征在于,包括:
采集模块,采集一检测区域的多个检测图像,其中,所述检测图像对应于所述检测区域的局部;
融合模块,将所述多个检测图像进行图像拼接,获得一所述检测区域的融合图像;
提取模块,对所述融合图像进行特征提取获得所述融合图像的融合颜色特征向量和融合纹理特征向量;
系数获取模块,基于所述融合颜色特征向量、所述融合纹理特征向量、与所述融合颜色特征向量对应的多个类型颜色特征向量以及与所述融合纹理特征向量对应的多个类型纹理特征向量,获得多个类型系数;
输出模块,输出所述多个类型系数中的最小值所对应的植被类型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海圣之尧智能科技有限公司,未经上海圣之尧智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011237350.1/1.html,转载请声明来源钻瓜专利网。