CN115937702B 一种基于深度学习的黄土高原侵蚀沟提取方法及系统 （长春吉电能源科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115937702B(45)授权公告日2025.07.11

(21)申请号202211522668.3

(22)申请日2022.11.30

(65)同一申请的已公布的文献号申请公布号CN115937702A

(43)申请公布日2023.04.07

(73)专利权人长春吉电能源科技有限公司

地址130000吉林省长春高新技术产业开

发区超达大路6199号

专利权人吉林高分遥感应用研究院有限公

司

江西中电投新能源发电有限公司

(72)发明人许兆鹏刘瓦崔立业陈楠王磊田宇曹国庆吕相南叶棚超张旭晴王蕴琦

权利

(74)专利代理机构北京高沃律师事务所11569专利代理师常祖正

(51)Int.CI.

GO6V20/13(2022.01)

GO6V10/44(2022.01)

GO6V10/54(2022.01)

GO6V10/82(2022.01)

GO6V10/80(2022.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)

GO6N3/084(2023.01)

(56)对比文件

CN110335350A,2019.10.15

CN111353976A,2020.06.30

审查员贾云杰

要求书2页说明书6页附图2页

(54)发明名称

一种基于深度学习的黄土高原侵蚀沟提取方法及系统

(57)摘要

CN115937702B本发明涉及一种基于深度学习的黄土高原侵蚀沟提取方法及系统，涉及遥感影像提取领域，方法包括：获取黄土高原的第一遥感图像；对所述第一遥感图像进行预处理，得到第二遥感图像；根据所述第二遥感图像构建数据集；构建基于双端输入的深度学习模型，所述深度学习模型用于对黄土高原的侵蚀沟信息进行提取；利用所述数据集对所述深度学习模型进行训练，得到训练后的深度学习模型；获取待测的黄土高原第三遥感图像；利用所述训练后的深度学习模型对所述第三遥感图像进行侵蚀沟提取。本发明能够获

CN115937702B

获取黄土高原的第一遥感图像

2

对所述第一遥感图像进行预处理，得到第二遥感图像

根据所述第二遥感图像构建数据集

构建基于双端输入的深度学习模型，所述深度学习模型用于对黄土高原的侵蚀沟信息进行提取

5

利用所述数据集对所述深度学习模型进行训练，得到训练后的深度学习模型

6

获取待测的黄土高原第三遥感图像

利用所述训练后的深度学习模型对所述第三遥感图像进行侵蚀沟提取

CN115937702B权利要求书1/2页

2

1.一种基于深度学习的黄土高原侵蚀沟提取方法，其特征在于，所述基于深度学习的黄土高原侵蚀沟提取方法包括：

获取黄土高原的第一遥感图像；

对所述第一遥感图像进行预处理，得到第二遥感图像；

根据所述第二遥感图像构建数据集；

构建基于双端输入的深度学习模型，所述深度学习模型用于对黄土高原的侵蚀沟信息进行提取；

利用所述数据集对所述深度学习模型进行训练，得到训练后的深度学习模型；

获取待测的黄土高原第三遥感图像；

利用所述训练后的深度学习模型对所述第三遥感图像进行侵蚀沟提取；

所述数据集包括第二遥感图像和所述第二遥感图像的DEM、坡度、边缘信息以及纹理信

息；

利用Canny边缘检测算子提取所述第二遥感图像的边缘信息；

基于灰度共生矩阵计算所述第二遥感图像的纹理信息；所述纹理信息包括逆差距、对比度和能量；

所述深度学习模型包括第一输入端，第二输入端和输出端；

所述第一输入端和第二输入端分别包括依次连接的五个编码器模块，所述输出端包括依次连接的五个解码器模块；

所述第一输入端和第二输入端的编码器模块均与所述输出端的解码器模块对应连接；

所述第一输入端用于输入第二遥感图像，所述第二输入端用于输入DEM、坡度、边缘信息以及纹理信息。

2.根据权利要求1所述的基于深度学习的黄土高原侵蚀沟提取方法，其特征在于，所述第一遥感图像的数据源采用Googleearth中16级影像。

3.根据权利要求1所述的基于深度学习的黄土高原侵蚀沟提取方法，其特征在于，所述五个编码器模块中的深度可分离卷积通道数分别为32、64、128、