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：武汉大学

摘要：本发明提供一种基于历史卫星影像指导的低分辨率卫星影像车辆计数方法，包括模型训练和模型预测部分，训练时使用卫星影像分割模型编码器分别提取高分影像的特征，相应同时刻低分影像和两张历史低分影像的特征；使用卫星影像分割模型解码器获取低分影像车辆覆盖图并训练模型；根据所有高分影像中的标注车辆区域计算车辆密度图，计算场景累积密度图；根据低分影像的车辆覆盖图计算车辆密度图，训练车辆计数回归模型；预测中使用卫星影像分割模型划分得到车辆覆盖图，使用场景的车辆累积密度图和车辆覆盖图得到车辆密度图，使用车辆计数回归模型预测得到低分影像中车辆数目。本发明支持使用低拍摄成本但高采样频率的低分辨率卫星进行地面长时间观测。

主权项：1.一种基于历史卫星影像指导的低分辨率卫星影像车辆计数方法，其特征在于：包括模型训练和模型预测部分，所述模型训练部分中，使用卫星影像分割模型编码器分别提取高分辨率卫星影像的特征，与高分辨率卫星影像同时刻拍摄的低分辨率卫星影像的特征和两张历史低分辨率卫星影像的特征；使用卫星影像分割模型解码器获取低分辨率卫星图像的车辆覆盖图；利用高分辨率卫星影像、低分辨率卫星影像和历史低分辨率卫星影像的特征、低分辨率卫星影像的覆盖图和标签训练卫星影像分割模型，当误差收敛后，保存卫星影像分割模型；根据所有高分辨率卫星影像中的标注车辆区域计算车辆密度图；根据高分辨率卫星影像的车辆密度图计算场景的累积密度图；根据低分辨率卫星影像解码得到的车辆覆盖图计算车辆密度图；训练车辆计数回归模型，当误差收敛后，保存车辆计数回归模型；所述模型预测部分中，输入待预测的低分辨率卫星影像；使用卫星影像分割模型划分得到车辆覆盖图；使用场景的车辆累积密度图和车辆覆盖图得到车辆密度图；使用车辆计数回归模型预测得到最终的该低分辨率卫星影像中的车辆数目；模型训练部分的实现包括以下过程，步骤1.1，高分辨率卫星影像车辆区域标注，并将标注的车辆区域和车辆数目同时作为同时刻拍摄的低分辨率卫星影像的标注信息；步骤1.2，训练数据预处理，包括将高分辨率卫星影像和同时刻拍摄的低分辨率卫星影像进行裁切和旋转预处理操作，扩大训练数据量；步骤1.3，训练数据输入到卫星影像分割模型，包括取出训练数据集中的高分辨率卫星影像，对应的低分辨率卫星影像，相邻日期拍摄的低分辨率卫星影像和其它日期拍摄的低分辨率卫星影像，并输入到卫星影像分割模型；步骤1.4，使用卫星影像分割模型的编码器提取高分辨率卫星影像的特征、与高分辨率卫星影像同时刻拍摄的低分辨率卫星影像的特征和两张历史低分辨率卫星影像的特征；步骤1.5，当满足预设的相应迭代停止条件时，保存卫星影像分割模型，进入步骤1.6，否则返回步骤1.4继续下一次迭代训练；步骤1.6，计算高分辨率卫星影像的车辆密度图，利用标注的高分辨率卫星影像中的车辆位置及区域，分别计算每张高分辨率卫星影像的车辆密度图；步骤1.7，计算并保存场景的车辆累积密度图，包括利用步骤1.6得到同一场景的每张高分辨率卫星影像车辆密度图计算该场景的累积密度图；步骤1.8，计算低分辨率卫星影像的车辆密度图，包括利用步骤1.7得到的同一场景的车辆累积密度图和步骤1.4得到的低分辨率卫星影像的车辆覆盖图得到低分辨率图像车辆密度图；步骤1.9，构建和训练车辆计数回归模型，包括构建用于映射车辆累积密度图到车辆数目的回归模型及优化；步骤1.10，保存车辆计数回归模型，包括当满足预设的相应迭代停止条件时，结束车辆计数回归模型的优化工作，保存优化好的车辆计数回归模型，用于低分辨率卫星影像的车辆数目的预测；步骤1.6计算高分辨率卫星影像的车辆密度图方式如下，首先不失一般性地，考虑高分辨率的卫星影像图中识别出的所有车辆中的一个车辆oi，通过公式计算得到密度Di，其中oj表示车辆oi的k个最邻近的车辆中的一个，kNN表示k个最邻近值，doi,oj表示车辆oi和oj矩形框中心点之间的距离，avg表示取平均值，即该车辆与k个最邻近车辆矩形框中心点的平均距离；然后，对每一个车辆oi使用二维高斯函数计算得到该车辆在卫星影像图的密度其中x,y是高分辨率卫星影像图中的像素索引，exp表示以自然常数e为底的指数函数，xi,yi表示车辆oi的中心像素索引，δ是标准差；最后，累加这些值Mdensityx,y＝∑iGaussianix,y得到某一张图像的车辆密度图，其中i为该影像中车辆数目。

全文数据：

权利要求：

百度查询： 武汉大学 基于历史卫星影像指导的低分辨率卫星影像车辆计数方法