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！

摘要：本发明涉及测绘遥感技术领域，公开了一种基于不变结构特征的SAR影像输电杆塔检测方法，包括以下步骤：基于图映射过程，将高分SAR图像中的输电杆塔特征转换为轮廓中的关键点，构建有效的邻接矩阵以帮助图网络更高效地提取对象特征；基于图聚合网络，高效衡量图结构中各节点的重要性，并获取有价值的特征，聚合图结构中节点之间的特征信息，使得同一类型节点之间的特征能够稳定地表达。本发明将输电杆塔定义为一种刚性结构，由一致性组件构成，采用图结构建模和图网络进行轮廓特征提取，与传统的全连接层或全卷积网络相比，图结构建模下的图网络可以用相对较少的模型参数实现更高的检测性能提升。

主权项：1.一种基于不变结构特征的SAR影像输电杆塔检测方法，其特征在于，包括以下步骤：S100：基于图映射过程，将高分SAR图像中的输电杆塔特征转换为轮廓中的关键点，构建有效的邻接矩阵以帮助图网络更高效地提取对象特征；在步骤S100中，包括以下步骤：S101：图映射过程包括图映射网络和图映射算法，图映射网络采用与区域候选网络相同的网络架构，即以维度为的特征图作为输入，其中、和分别为特征图的宽、高和通道数；S102：图映射网络将总共预测点集作为感兴趣区映射到目标角点，以构建精细的目标表示：其中，表示的是经过第层处理后特征图的宽度，表示的是经过第层处理后特征图的高度；其中为每个特征金字塔网络层对应的下采样率，是特征金字塔网络的总层数，为特征金字塔的层数；S103：将图映射网络生成的高质量提议送入提取器以获得方位感兴趣区特征，其中的目标角点将输入到图映射算法中；图映射算法负责聚焦输电杆塔的关键部分，并基于节点间的连接策略进一步映射为图结构表示；S200：基于图聚合网络，高效衡量图结构中各节点的重要性，并获取有价值的特征，聚合图结构中节点之间的特征信息，使得同一类型节点之间的特征能够稳定地表达；在步骤S200中，从图聚合网络的某个图聚合层输入邻接矩阵和节点特征集，表示为： ；其中、、分别表示第1、和个节点特征向量，其中表示节点数量，是每个节点特征的通道，是一个维的节点特征向量；定义一个可学习的共享线性变换矩阵，，是一个参数矩阵，其中每一行对应一个维的输入向量，通过该参数矩阵进行线性变换得到一个维的输出向量，用于提取每个节点上的特征；对于节点特征集中每一节点，根据推导出的邻接矩阵，得到其所有一跳邻居节点的集合，每个节点的特征更新公式为： ；其中，代表非线性激活函数，表示连接两个向量，表示与之间的归一化融合因子，用于衡量每个一跳邻居节点的融合比例，计算方法如下： ；其中也是非线性激活函数，表示转置运算，为高维权重向量，是以自然常数为底的指数函数，，它负责提取每个一跳邻居节点特征的融合重要性；S300：基于图映射网络应用交并比损失和倒角距离损失的混合指导输电杆塔边缘点集的学习，在图聚合网络在检测定位中，利用平滑L1损失作为模型优化准则，实现提取与类别无关的区域提议，并应用检测器来识别输电杆塔；在步骤S300中，分为两个阶段，第一阶段负责提取与类别无关的区域提议，倒角距离损失则用于描述两个轮廓间点集分布的差异，采用交叉熵损失来学习与类别无关的区域提议子任务： ；其中，为交并比损失，为交叉熵损失，为倒角距离损失，表示对应于第一阶段串联的训练阶段，聚焦提取区域提议；第二阶段应用检测器来识别输电杆塔，此阶段中的图聚合网络利用对数损失和平滑L1损失实现目标定位： ；其中为参数因子，，对应于第二阶段串联的训练阶段，基于提议精确检测和定位目标，表示对数损失，是平滑L1损失，用于目标定位。

全文数据：

权利要求：

百度查询： 安徽省测绘档案资料馆(安徽省基础测绘信息中心) 合肥工业大学 一种基于不变结构特征的SAR影像输电杆塔检测方法