一种基于卷积神经网络的遥感影像建筑物提取方法技术

本发明专利技术公开了一种基于卷积神经网络的遥感影像建筑物提取方法，包括三个步骤：(1)在建筑物解码阶段建立了一种基于注意力机制的特征图融合方法，包括基于乘法和加法两种计算注意力权重的方式；(2)添加一个建筑物检测的分支任务进行联合训练，提高建筑物提取主任务的精度；(3)在损失函数中加入了对建筑物边缘像素的惩罚。本发明专利技术将注意力机制、多任务学习融入到卷积神经网络中，能够捕获建筑物不同的高层特征表达，通过特征融合，得到建筑物更丰富的特征表达，提高建筑物提取精度。同时，本发明专利技术加入了对建筑物边缘像素的惩罚，可以有效缓解提取结果中存在的建筑物边缘锯齿化的问题。

A Method of Building Extraction from Remote Sensing Images Based on Convolutional Neural Network

The invention discloses a building extraction method of remote sensing image based on convolution neural network, which includes three steps: (1) A feature map fusion method based on attention mechanism is established in the decoding stage of buildings, including two ways of calculating attention weight based on multiplication and addition; (2) adding a branch task of building detection for joint training to improve building lifting. Take the accuracy of the main task; (3) Punishment of building edge pixels is added to the loss function. The invention integrates attention mechanism and multi-task learning into convolution neural network, captures different high-rise feature expressions of buildings, obtains more abundant feature expressions of buildings through feature fusion, and improves the extraction accuracy of buildings. At the same time, the invention adds a penalty for building edge pixels, which can effectively alleviate the problem of building edge jagged in the extraction result.

【技术实现步骤摘要】
一种基于卷积神经网络的遥感影像建筑物提取方法
本专利技术属于图像处理
，具体涉及一种基于卷积神经网络的遥感影像建筑物提取方法。
技术介绍
目前世界各国发射了多种功能的遥感卫星，以监测气象、环保、农业、林业、海洋、国土等资源的情况。建筑物作为地面目标中最重要的人工目标之一，在城市规划、军事侦察、地图绘制等方面占据着重要的地位。例如在受灾地区，道路可能遭到大面积破坏，如果能从遥感卫星图像或者航拍图像中自动化的提取出建筑物，就可以迅速地找到一条可行的道路，从而加快救援工作。从遥感影像中提取建筑物分为以下两类方法：第一类基于人工设计特征的分类方法，比如建筑物颜色、形状和纹理。这类方法又可细分为三种：第一种是基于边缘和角点检测的方法，这种方法主要是根据图像灰度值的变化提取边缘或者角点，然后根据空间关系完成建筑物的轮廓和空间结构。这类方法在建筑物结构复杂的情况下精度不高。第二种是基于区域分割的方法，这种方法以分水岭算法为代表，以标记后区域的纹理特征为合并准则，以局部区域同质性为分割基础。这种方法常常存在过分割的现象。第三种是基于辅助信息的方法，主要是利用DEM(DigitalSurface本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的遥感影像建筑物提取方法，包括如下步骤：(1)获取大量的遥感图像以及航空俯拍图像以及这些图像对应的建筑物轮廓图，所述建筑物轮廓图中建筑物轮廓及其内部像素值均为1，建筑物轮廓外部像素值均为0；(2)对图像进行预处理以及数据增强处理得到大量样本，每一样本包括处理后的图像及其对应的建筑物轮廓图，并将所有样本按比例划分为训练集、验证集和测试集；(3)利用训练集样本中的图像作为卷积神经网络的输入，建筑物轮廓图作为卷积神经网络输出的真值标签，进而对该神经网络进行训练，最终训练完成后得到建筑物提取模型；(4)将测试集样本中的图像输入至建筑物提取模型，即可得到关于建筑物轮廓的二值图像，...

【技术特征摘要】
1.一种基于卷积神经网络的遥感影像建筑物提取方法，包括如下步骤：(1)获取大量的遥感图像以及航空俯拍图像以及这些图像对应的建筑物轮廓图，所述建筑物轮廓图中建筑物轮廓及其内部像素值均为1，建筑物轮廓外部像素值均为0；(2)对图像进行预处理以及数据增强处理得到大量样本，每一样本包括处理后的图像及其对应的建筑物轮廓图，并将所有样本按比例划分为训练集、验证集和测试集；(3)利用训练集样本中的图像作为卷积神经网络的输入，建筑物轮廓图作为卷积神经网络输出的真值标签，进而对该神经网络进行训练，最终训练完成后得到建筑物提取模型；(4)将测试集样本中的图像输入至建筑物提取模型，即可得到关于建筑物轮廓的二值图像，进而将该二值图像与测试集样本中的建筑物轮廓图进行比对。2.根据权利要求1所述的遥感影像建筑物提取方法，其特征在于：所述步骤(2)中对图像进行预处理，包括了高斯滤波以及直方图均衡化处理。3.根据权利要求1所述的遥感影像建筑物提取方法，其特征在于：所述步骤(2)中对图像进行数据增强处理，包括对原图像进行旋转、上下翻转、水平翻转、平移操作以得到新的图像，从而增加训练用的样本数量。4.根据权利要求1所述的遥感影像建筑物提取方法，其特征在于：所述步骤(3)中的卷积神经网络从输入至输出由10个卷积块B1～B10依次级联而成，其中B1～B5为编码卷积块，B6～B10为解码卷积块；卷积块B1由2个卷积层连接组成，所述卷积层由3×3的卷积核、BatchNorm和ReLU函数依次连接组成，其中前一个卷积层将输入图像的RGB三个通道转化为64个通道，后一个卷积层保持通道数不变；卷积块B2～B5均由一个最大池化层和2个卷积层依次连接组成，所述最大池化层用于将输入分辨率减半且池化窗口尺寸为...

【专利技术属性】
技术研发人员：邓水光，朱光亚，林博，尹建伟，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33