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！

龙图腾网获悉北京师范大学申请的专利一种基于遥感图片的大坝识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117809172B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311549312.3，技术领域涉及：G06V20/10；该发明授权一种基于遥感图片的大坝识别方法及装置是由许映军;王磊;陈强;吴吉东;李佳欣;彭如意设计研发完成，并于2023-11-20向国家知识产权局提交的专利申请。

本一种基于遥感图片的大坝识别方法及装置在说明书摘要公布了：本发明提供一种基于遥感图片的大坝识别方法及装置。所述方法包括：获取待识别的遥感图片；对所述遥感图片进行预处理，得到预处理后的遥感图片；将所述预处理后的遥感图片输入预设大坝识别模型，得到候选目标区域；对所述候选目标区域进行提取，得到长流域上的断流节点和地理环境信息；根据所述长流域上的断流节点和地理环境信息，确定大坝位置。本发明通过对待识别的遥感图片进行预处理，然后利用预设大坝识别模型，得到候选目标区域，再进行提取得到长流域上的断流节点和地理环境信息，能够准确的识别出大坝的位置；为大坝管理、监测和规划等领域提供了数据支持，具有识别准确、有效性高的优点。

本发明授权一种基于遥感图片的大坝识别方法及装置在权利要求书中公布了：1.一种基于遥感图片的大坝识别方法，其特征在于，包括： 获取待识别的遥感图片； 对所述遥感图片进行预处理，得到预处理后的遥感图片； 将所述预处理后的遥感图片输入预设大坝识别模型，得到候选目标区域；所述预设大坝识别模型是根据含有大坝的坝体图片对预设网络模型进行训练得到的； 对所述候选目标区域进行提取，得到长流域上的断流节点和地理环境信息； 根据所述长流域上的断流节点和地理环境信息，确定大坝位置； 其中，将所述预处理后的遥感图片输入预设大坝识别模型，得到候选目标区域，包括： 将所述预处理后的遥感图片输入卷积网络进行卷积处理，得到共享特征图； 将所述共享特征图输入区域生成网络进行区域选取，得到候选区域；具体地，通过滑动窗口机制和锚框操作，对共享特征图中的大坝位置进行边界框限定和区域选取，得到候选区域； 将所述候选区域进行物体分类和边界框回归处理，得到候选目标区域；具体地，提取每个候选区域的特征表示，然后使用池化操作将每个候选区域映射到固定大小的特征图上，通过全连接层进行物体分类和边界框回归处理，得到候选目标区域，候选目标区域中存在大坝的位置；所述候选目标区域包括多个点位； 其中，所述预设大坝识别模型的训练过程，包括： 按照预设条件获取多张含有大坝的坝体图片；预设条件是以大坝矢量点型数据为中心生成大坝矢量缓冲区；其中，以一个包含38000多个地理参考大坝的全球数据集中的大坝点型矢量为中心生成圆形缓冲区，从地球信息系统软件或者全球大坝数据库中获取坝体图片； 对所述含有大坝的坝体图片进行增强处理，得到增强的坝体图片；其中，使用镜面翻转、尺度变换、色彩变换、噪声扰动、亮度变换和位置变换对所述含有大坝的坝体图片进行增强处理； 对所述增强的坝体图片进行筛选和标注，得到有效样本集；其中，对所述增强的坝体图片中的大坝进行标注，去除重复、变形、不完整，无法识别的不合格样本，得到有效样本集； 按照预设比例对所述有效样本集进行划分，得到训练样本和验证样本；其中，将所述有效样本集的70%作为训练样本，30%作为验证样本； 利用所述训练样本和所述验证样本分别对预设网络模型进行训练和验证，得到预设大坝识别模型； 其中，利用所述训练样本和所述验证样本分别对预设网络模型进行训练和验证，得到预设大坝识别模型，包括： 利用所述训练样本分别对多个预设网络模型进行训练，得到多个训练好的大坝识别模型； 利用所述验证样本对多个所述训练好的大坝识别模型进行验证，得到多个验证结果； 根据所述验证结果，确定预设大坝识别模型；其中，采用以下任一方式确定预设大坝识别模型： 根据交并比、准确率、召回率和推理速度评估多个所述训练好的大坝识别模型的识别效果，并确定预设大坝识别模型；其中交并比的计算公式为，准确率的计算公式为，召回率的计算公式为，推理速度的计算公式为，其中，IOU为交并比，为两个边界框的交集面积，为两个边界框的并集面积；P代表准确率，R代表召回率，TP代表预测为1，预测正确，即实际为1；FP为代表预测为1，预测错误，即实际为0；FN为代表预测为0，预测错误，即实际为1；AP为推理速度；或 使用提取率、漏提率和误提率三种指标综合评价各种模型的提取效果，并确定预设大坝识别模型；其中，提取率的公式为E=RT,其中E为提取率，R为大坝正确提取的数量,T为大坝真实数量；漏提率的公式为：M=T-RT，其中M为漏提率，R为大坝正确提取的数量，T为大坝真实数量；误提率的公式为：F=KT，其中F为误提率，K为大坝错误提取的数量,T为大坝真实数量； 其中，对所述候选目标区域进行提取，得到长流域上的断流节点和地理环境信息，包括： 对所述候选目标区域进行提取，得到绿色波段的反射比、红色波段的反射比和高程数据； 根据所述绿色波段的反射比、所述红色波段的反射比和公式，得到归一化差值水体指数；其中，NDWI为归一化差值水体指数，为绿色波段的反射比，为红色波段的反射比；使用归一化差值水体指数从所述候选目标区域中提取水体信息； 根据所述归一化差值水体指数和所述高程数据，得到外接矩形长宽比；其中，根据AR=LW得到外接矩形长宽比，其中，AR为外接矩形长宽比，L代表外接矩形的长度，W代表外接矩形的宽度，外接矩形的长度和外接矩形的宽度均由高程数据得到； 根据所述外接矩形长宽比，得到长流域上的断流节点； 对所述候选目标区域进行提取，得到高程数据； 利用所述高程数据，得到地面粗糙度和地面起伏程度；地面粗糙度是特定的区域内地球表面积与其投影面积之比，高程数据以栅格形式呈现，每个栅格单元包含一个高度值，根据地面粗糙度的定义，每个栅格单元的表面积与其投影面积之比，公式为：M＝AC×ABAC×AC＝1cosα，ABC是一个栅格单元的纵剖面，M为地面粗糙度，α为此栅格单元的坡度，则AB面的面积为此栅格的表面积，AC面的面积为此栅格的投影面积，其中有cosα＝ACAB；地面起伏程度是单位面积内最大相对高程差，公式为：R＝Hmax-Hmin，式中R代表地面起伏程度，Hmax代表单位面积内最大高程值，Hmin代表单位面积内最小高程值；其中，单位面积内最大高程值、单位面积内最小高程值均可以由高程数据得到； 所述方法还包括： 利用所述高程数据，得到大坝比例检测值；大坝比例检测值的计算公式为：Sp＝UD，Sp表示大坝比例检测值，U表示缓冲区内水域面积中较大的面积，D表示缓冲区内水域面积中较小的面积；其中，缓冲区内水域面积中较大的面积、缓冲区内水域面积中较小的面积均可以由高程数据得到； 根据所述长流域上的断流节点、所述地理环境信息和所述大坝比例检测值，确定大坝位置； 其中，根据所述长流域上的断流节点、所述地理环境信息和所述大坝比例检测值，确定大坝位置，包括： 根据预设权重、所述水体信息、地理环境信息和所述大坝比例检测值，确定大坝位置； 其中，对所述遥感图片进行预处理，得到预处理后的遥感图片，包括： 对所述遥感图片进行大气校正、正射校正和镶嵌裁剪中的一种或多种预处理，得到预处理后的遥感图片。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京师范大学，其通讯地址为：100000 北京市海淀区新街口外大街19号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。