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！

龙图腾网获悉南京科技职业学院申请的专利高分辨率图像不透水面水信息特征精确提取方法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：CN116912509B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310320973.2，技术领域涉及：G06V10/42；该发明授权高分辨率图像不透水面水信息特征精确提取方法是由陈彬彬;陈正东;宋楚平;杨天辰设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本高分辨率图像不透水面水信息特征精确提取方法在说明书摘要公布了：本发明公开了高分辨率图像不透水面水信息特征精确提取方法，首先，利用百度街景获取实验区道路街景高分辨率图像，对包含小目标的有效图片进行标注，经过一系列预处理后，作为小目标检测模型的输入数据，然后，基于输入数据训练基于VGG网络的端到端单阶段不透水面小目标检测模型；最后，对提取的小目标的空间位置进行精确地理位置修正。

本发明授权高分辨率图像不透水面水信息特征精确提取方法在权利要求书中公布了：1.高分辨率图像不透水面水信息特征精确提取方法，包括以下步骤：S1、利用开放道路地图和百度地图街景静态图API批量获取沿道路走向的高分辨率街景图片，利用开源工具Labeling，参考COCO公开数据集的标注格式对图片中的小目标设施进行标注，再对街景图像进行数据标准化和数据增强处理，以提高小目标目标的检测准确率； S2、将数据集和标注数据输入基于VGG网络的端到端单阶段不透水面小目标检测模型进行训练，利用训练好的模型对小目标进行检测，提取小目标在图像中准确的位置与大小； S3、通过小目标距全景相机距离估计方法和雨水口距中心轴线偏移角度估计方法计算图像中小目标距离全景相机的距离和方向，并将相对位置映射到地理坐标系统中，以此提高小目标在真实地理空间位置的精度； S4、实验与分析，包括以下内容： 数据集采集、目标检测精度评价、对比算法、分析、雨水口精确地理位置修正方法精度评估； S2中，基于VGG网络的端到端单阶段不透水面小目标检测模型建立包括以下步骤： S2‑1、设计网络结构，输入图像大小统一为224×224像素，用于提取图像特征的卷积层使用VGG‑16网络中的13个卷积层，为降低特征图尺寸，分别在Conv2、Conv4、Conv7、Conv10、Conv13后面紧跟跨度为2的池化层； S2‑1‑1、特征图通道数由浅层的64最后变为深层的512，特征图尺寸由原始图像的224×224像素最后变为7×7像素； S2‑2、为了强化深度神经网络在检测中能捕获重点区域，在每个池化层前面分别加入了卷积注意力模块； S2‑2‑1、将CBAM注意力机制应用于前馈卷积神经网络中，CBAM注意力机制将模型在训练过程中输出的特征图按顺序从空间和通道维预测注意力分布图，再将其与输入特征图相乘，最后将它们转发到卷积层； S2‑2‑1‑1、CBAM对特征图依次进行通道注意力及空间注意力计算，得到一维通道注意力权重及二维空间注意力权重，最后对特征图加权计算，如下式所示： F上述式中代表矩阵对应元素逐一相乘，在乘法计算中，注意力的值按照对应维度进行复制，通道注意力权重采用空间维度复制，反之亦然；F′′为输出特征图； S2‑2‑1‑1‑1、通道子模块： 平均池和最大池汇集了空间统计特征和关于更有意义的部分空间信息，平均池操作和最大池操作的描述符都由包含一个隐藏层的多层感知器转发以生成信道注意图，最终输出的特征向量被合并到信道注意图中，通道注意值计算式如下上述式中，表示激活函数sigmoid；，对于两个输入是共享权重S2‑2‑1‑1‑2、空间子模块： 高效的特征描述符同时适用于平均池和最大池操作，这些处理方法都是沿着通道轴进行，应用卷积层在连接这两个操作的特征描述符上生成空间注意映射，空间注意的计算式如下上述式中，表示激活函数sigmoid；过滤器尺寸为7×7大小；表示卷积操作； S2‑3、提供上下文特征信息，其中上下文特征图分别来自注意力层Attention2和Attention3，目标特征图为最后池化层Maxpool5； S2‑3‑1、上下文特征图分别经过尺寸为1×1和3×3的卷积及全局平均池化操作后和目标特征图进行通道聚合，形成聚合后的目标特征图，在降低特征图尺寸中，先使用3×3卷积进行第一次下采样，然后使用全局平均池化进行直接下采样； S2‑4、回归器模块设计，经过特征提取器生成的目标特征图被送入回归器后，经过三层1×1卷积运算，得到空间大小为S×S，通道数为C的特征图向量，该特征图向量经过训练后，可用于目标检测，每个特征向量包含了两个预测边框和一个分类概率,S2‑5、通过损失函数指导网络进行参数调整，损失函数以YOLO的损失函数规则为基础，它包括目标物存在偏差Lconf、位置偏差Lpos和分类偏差Lcls； S3中，通过计算图像中小目标距离全景相机的距离和方向来确定其准确的地理位置，其包括以下步骤： S3‑1、小目标位置估计，计算水平路面上的小目标到相机镜头在地面投影点之间的距离，利用三角形的和差变换公式计算小目标所在位置的距离，如下式所示式中，k为相机传感器像素尺寸；将小目标位置对应的各变量带入上式即可计算得到小目标到相机镜头在地面投影点之间的距离； S3‑2、偏移角度计算，得到小目标的物距后还需计算其与全景车行驶方向的偏移角度，首先，计算识别出的小目标中心位置与图像帧中心的偏移量，偏移值的不同之处在于正偏移位于图像中心的右侧，而负偏移位于左侧，然后用反三角法计算偏移角； f为全景相机焦距；O为相机镜头中心位置；m为小目标投影到行车轴线在图像中的位置；r为小目标在图像上的位置；δ为小目标到镜头的连线与小目标投影到行车轴线的位置到镜头连线所形成的夹角，计算方法如下式所示百度街景的图像信息中提供了WGS‑84经纬度坐标，所以为了计算偏移量，坐标需转换成投影坐标系，结合百度街景像机参数，可以计算出小目标与全景相机的距离和方向，最终得到小目标的准确空间位置。

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南京科技职业学院，其通讯地址为：211899 江苏省南京市江北新区欣乐路188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。