[发明专利]一种基于航测影像的场景高精度分类方法和系统

权利要求书

1.一种基于航测影像的场景高精度分类方法，其特征在于，包括如下步骤：

S1：通过无人机采集航测影像，并进行航测影像的预处理，生成输入图像后发送至预设处理终端；

S2：使用预设算法计算输入图像的复杂度参数；

S3：将复杂度参数输入到反向传播神经网络中计算复杂度，得到多个标定复杂度的标签；

S4：根据标签和待选卷积神经网络的特性选择对应的卷积神经网络，并通过选定的卷积神经网络对输入图像进行特征提取和分类处理。

2.根据权利要求1所述的基于航测影像的场景高精度分类方法，其特征在于，所述复杂度参数包括颜色矩、灰度共生矩阵、信息熵和边缘检测结果。

3.根据权利要求2所述的基于航测影像的场景高精度分类方法，其特征在于，所述步骤S2包括：

采用颜色的一阶矩、二阶矩、三阶矩来表示输入图像的颜色分布；

使用颜色矩计算公式计算相应的颜色分量；

将输入图像的HSV分量的前三个矩阵组成一个9维向量，作为表示颜色特征的颜色矩，并输出。

4.根据权利要求2所述的基于航测影像的场景高精度分类方法，其特征在于，所述灰度共生矩阵用于提取输入图像纹理信息的特征描述，包括能量特征参数、熵特征参数、对比度特征参数、同质性特征参数和相关性特征参数。

5.根据权利要求1所述的基于航测影像的场景高精度分类方法，其特征在于，所述待选卷积神经网络包括AlexNet网络、ResNet-50网络、ResNet-152网络和DenseNet169网络。

6.根据权利要求5所述的基于航测影像的场景高精度分类方法，其特征在于，所述标定复杂度的标签为四个，所述四个标签与待选卷积神经网络一一对应。

7.根据权利要求1所述的基于航测影像的场景高精度分类方法，其特征在于，所述步骤S4之后还包括如下步骤：

S5：将分类处理后的输入图像按照类别标注，并利用结构化的表格数据进行记录统计。

8.一种基于航测影像的场景高精度分类系统，其特征在于，包括：

采集单元，用于控制无人机采集航测影像，并进行航测影像的预处理，生成输入图像后发送至预设处理终端；

计算单元，用于使用预设算法计算输入图像的复杂度参数；

标定单元，用于将复杂度参数输入到反向传播神经网络中计算复杂度，得到多个标定复杂度的标签；

选择分类单元，用于根据标签和待选卷积神经网络的特性选择对应的卷积神经网络，并通过选定的卷积神经网络对输入图像进行特征提取和分类处理。

记录单元，用于将分类处理后的输入图像按照类别标注，并利用结构化的表格数据进行记录统计。