CN119399465A 基于关键点检测增强语义分割的屋顶光伏识别与评估方法 （江苏省电力试验研究院有限公司）

基于关键点检测增强语义分割的屋顶光伏本发明公开了一种基于关键点检测增强语著特征点作为关键点；针对每个检测到的关键2S3：将生成的关键点信息与预先训练的语义分割网络S4：使用描述符向量进行关键点的匹配和相似性比较2.根据权利要求1所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，3.根据权利要求2所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，;;;4.根据权利要求2所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，;3;5.根据权利要求2所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，6.根据权利要求1所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，;;其中，Fio(x,y)是在ROI区域内的特征图，是卷积核的权重，d,是卷积核的位移，Iaa(X,J)是ROI区域内的图像像素值；;;7.根据权利要求6所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，4;特征融合：将多个描述符信息进行融合，将来自不同尺;8.根据权利要求1所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，C1：将关键点信息与原始图像特征进行融合，通过特征级联;;损失函数：使用交叉熵损失函数来优化语义分割网络，计;C3：通过将关键点位置信息整合进网络中的注意力机制来实;;C5：使用几何一致性验证方法对增强后的分割结果59.根据权利要求8所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，;10.根据权利要求8所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，;11.根据权利要求1所述的基于关键点检测增强语义分割的屋顶光伏识别与评估方法，征数据库D表示为：;假设待处理图像中的关键点描述符为，与数据库中每个描述符d,的相似度通过欧;;;;最近邻匹配：找到数据库中与查询描述符最相似的描述符;6;D4：将匹配结果用于图像区域的识别和分类；通过将匹配的;;7[0003]现有的屋顶光伏潜力评估方法通常依赖于人工调查和现场测量，这不仅费时费理技术在从卫星图像中提取和识别屋顶特征方面仍面临不少[0004]在卫星图像处理领域，语义分割技术被广泛应用于图像中的物体识别和区域划8I(x,[0024]其中，是校正后的像素值，I(x,)是原始像素值，a是对比度调整因9方法中的Sobel算子和Canny边缘检测方法。这种结合方式能够有效提取图像中的显著特[0044]所述步骤A4中多尺度特征融合处理通过在不同尺度下独立提取特征并检测关键[0048]所述步骤A5中精细化处理通过局部梯度计算进行亚像素级别的调整，调整公式Inor(x,)是ROI区域内的图像像素值；[0065]具体为，使用主成分分析来降维，将特征图Fro(x,y)中的局部特征编码为描述符预测概率图Rg(x,)；[0096]A(x,y)=o(w:Fa(x,y)+b0)顶光伏识别与评估方法的程序被至少一个处理器执行时实现所述的基于关键点检测增强[0150]本发明方法结合了先进的关键点检测技术与语义分割技术，形成了一种综合方种等价形式的修改均落于本申请所附权利要求所限定[0166]如图1所示，本发明提供一种基于关键点检测增强语义分割的屋顶光伏识别与评[0172]步骤S1中关键点提取利用结合深度学习和传统图像处理I(x,[0181]其中，是校正后的像素值，I(x,)是原始像素值，a是对比度调整因j:和j,是插值因子，是缩放后的像素值。I(x,)是输入图像；方法中的Sobel算子和Canny边缘检测方法。这种结合方式能够有效提取图像中的显著特Inor(x,)是ROI区域内的图像像素值；[0226]具体为，使用主成分分析来降维，将特征图Fro(x,y)中的局部特征编码为描述符预测概率图Rg(x,)；[0257]A(x,y)=o(w:Fa(x,y)+b0)[0307]本实施例还提供一种基于关键点检测增强语义分割的屋储器电路(例如静态随机存取存储器电路或动态随以包括或依赖于存储的数据。计算机程序可以包括与专用计算机的硬件交互的基本输入/现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0311]这些计算机程序指令也