龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：甘肃省地震局(中国地震局兰州地震研究所)
摘要：本发明涉及的建筑震害地物识别技术领域，尤其涉及一种结合多种纹理特征的深度学习建筑震害识别方法及系统。所述方法包括以下步骤：1图像的预处理；2为深度学习网络分类模型添加空间域和频率域的纹理特征并训练深度学习网络分类模型；3将经过训练的深度学习网络分类模型用于地震破坏区域，进行分类并提取倒塌建筑。所述纹理特征包括空间域的均值特征、中值特征，以及频率域的Gabor特征；所述深度学习网络分类模型为深度卷积神经网络模型。本发明能够为判断地震破坏区域建筑物损毁的严重程度提供技术支持。
主权项：1.一种结合多种纹理特征的深度学习建筑震害识别方法，其特征在于，包括以下步骤：所述方法包括以下步骤：步骤S1、获取地震破坏区域的合成孔径雷达SAR图像；步骤S2、对所述SAR图像的原始图像进行预处理得到校正后的单极化SAR图像；随后从所述单极化SAR图像中选取样本集；所述样本集中包括要被识别分类的每种地物类型的图像；步骤S3、通过对原始SAR图像处理计算，获取3项用于建筑物震害识别的纹理特征，得到3项纹理特征图像，在所述样本集中添加每个样本相对应的3项纹理特征图像，得到多特征样本集；3项纹理特征包括：空间域的均值特征、空间域的中值特征，以及频率域的Gabor特征；步骤S4、将所述3项纹理特征与原始SAR图像同时叠加成多维数据输入，进行深度卷积神经网络运算；步骤S5、利用所述多特征样本集对深度卷积神经网络模型进行训练，得到经过训练的深度卷积神经网络模型；步骤S6、利用所述经过训练的深度卷积神经网络模型对所述地震破坏区域SAR图像进行地物分类。
全文数据：
权利要求：
百度查询： 甘肃省地震局(中国地震局兰州地震研究所) 结合多种纹理特征的深度学习建筑震害识别方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号