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：中山大学

摘要：本发明涉及水文测验技术领域，公开了一种基于水体覆盖特征识别的山间溪流量测验方法，该方法针对流量小、比降大及断面形态高度复杂的山区溪流，通过卷积神经网络从溪流图像的RGB信息矩阵中提取水体覆盖范围的空间特征信息，为溪流图像赋予流量分类标签后，将携带标签的溪流图像对卷积神经网络模型进行训练，建立RGB信息矩阵与流量分类标签概率之间的关系映射表，将获取的待测验溪流图像为输入，通过卷积神经网络模型与关系映射表，得到该待测验溪流图像对应的流量，实现对山区溪流量的自动化连续观测；该方法不仅工程成本与环境成本低廉，还可快速、实时、自动化监测山区溪流量。

主权项：1.一种基于水体覆盖特征识别的山间溪流量测验方法，其特征在于，包括以下步骤：获取特定时间段内目标山间溪流的溪流图像样本及其对应的流量值，对所述溪流图像样本进行预处理，获取预处理后的溪流图像样本的RGB信息矩阵，包括：提取所述溪流图像样本中的河道区域；通过设置设定阈值增强所述河道区域的明暗与色彩对比度；对所述溪流图像样本中的河道区域进行平滑、降噪处理，将所述溪流图像样本的红、绿、蓝三通道值提取为所述RGB信息矩阵；所述特定时间段以不同流态、不同季节或不同水文情势为周期进行划分；通过卷积神经网络模型提取所述RGB信息矩阵中的图像特征数据，所述卷积神经网络模型为最后三层依次是一个全连接层、一个激活层和一个分类层的AlexNet深度卷积神经网络，所述图像特征数据为目标山间溪流的水体覆盖特征；将预处理后的溪流图像样本按照所述流量值划分的流量分类值进行分类，并为每个溪流图像样本赋予一个流量分类标签，将包含流量分类标签的溪流图像样本构建数据集，并将所述数据集划分为训练集和验证集；通过所述训练集对所述卷积神经网络模型进行训练，得到各流量分类标签对应的分类概率，并根据分类概率最大的流量分类标签，构建所述RGB信息矩阵与流量分类标签概率之间的关系映射表；其中，所述通过所述训练集对所述卷积神经网络模型进行训练，得到各流量分类标签对应的分类概率，包括：将ReLU函数作为卷积层的激活函数，挑选并传递所述图像特征数据；将Softmax函数作为输出层的激活函数，将所述图像特征数据压缩为特征向量；通过以下公式计算溪流图像样本包含的流量分类标签对应的分类概率： 式中，x为图像特征数据对应的特征向量，y为流量分类标签，n为流量分类标签的数量，hx，yi为线性连接函数，Py|x为流量分类标签的分类概率；具体的，根据流量分类值的数目设定新的全连接层的参数，池化方式选取最大池化，通过以下公式将神经网络提取出来的水体覆盖特征挑选并传递下去：fx＝max0,x使用Softmax函数为输出层的激活函数，它将一个含任意实数的K维向量压缩到另一个K维实向量中，使得每一个元素的范围都在0,1之间，并且所有元素的和为1；通过动量随机梯度下降法对所述卷积神经网络进行训练，通过反向传播算法优化所述卷积神经网络模型的权重，并选取各个神经元的最优权重连接溪流图像样本的RGB信息矩阵和流量分类标签概率；获取待测验溪流图像样本，提取预处理后的所述待测验溪流图像样本的RGB信息矩阵，并将所述待测验溪流图像样本的RGB信息矩阵输入至所述卷积神经网络模型中进行识别，并根据所述关系映射表得到所述待测验溪流图像样本的RGB信息矩阵对应的流量分类标签，流量分类标签对应的流量值即为所述待测验溪流图像样本对应的溪流流量。

全文数据：

权利要求：

百度查询： 中山大学 一种基于水体覆盖特征识别的山间溪流量测验方法