【技术实现步骤摘要】
遥感影像的建筑物实例提取方法、装置、存储介质及设备
本专利技术涉及遥感影像处理及深度学习
，尤其涉及一种遥感影像的建筑物实例提取方法、装置、存储介质及设备。
技术介绍
建筑物实例指的是每个独立的建筑物个体，可以是公寓、商场、工厂等能够提供给人们居住、娱乐、工作、储物等功能的空间场所。实例提取就是为每个像素预测其类别及所属实例。遥感影像的建筑物实例提取就是在遥感影像中分别找出每个建筑物实例对应的所有像素点。由于遥感影像具有容易获得且更新周期短的特点，从遥感影像中提取建筑物实例能了解到最新的建筑物分布情况，对于城市管理和规划、城市化评估、人口估计以及灾后重建等多项工作都具有重要意义。为了获得建筑物的分布情况，测绘等相关行业以人工的方式用ARCGIS等工具在遥感影像上标注出每个建筑物实例。由于建筑物分布变化频繁，需要及时更新建筑物标注，同时遥感影像本身具有对比度低、城区建筑物分布密集等特点，导致以手工方式标注遥感影像中的建筑物实例会耗费大量的时间与精力。现有的遥感影像建筑物提取方法旨在自动为每个像素分配建筑物和非建筑物标签，可以分为传统方法和基于深度学习的方法。传...
【技术保护点】
1.一种遥感影像的建筑物实例提取方法，其特征在于，所述方法包括：提取遥感影像数据的特征图，根据所述特征图预估遥感影像数据中存在的建筑物实例以及各个建筑物实例的初始检测框；根据各个建筑物实例的初始检测框内部的特征点的特征信息确定对应建筑物实例的候选边界线集合；根据各个建筑物实例的初始检测框内的建筑物实例的预测位置区域与对应建筑物实例的候选边界线集合中各候选边界线的有效区域的相似度，从所述候选边界线集合中选取对应建筑物实例的目标边界线；根据各个建筑物实例的目标边界线对各自的初始检测框进行调整，得到各个建筑物实例的目标检测框；从各个建筑物实例的目标检测框中提取对应的建筑物实例。
【技术特征摘要】
1.一种遥感影像的建筑物实例提取方法，其特征在于，所述方法包括：提取遥感影像数据的特征图，根据所述特征图预估遥感影像数据中存在的建筑物实例以及各个建筑物实例的初始检测框；根据各个建筑物实例的初始检测框内部的特征点的特征信息确定对应建筑物实例的候选边界线集合；根据各个建筑物实例的初始检测框内的建筑物实例的预测位置区域与对应建筑物实例的候选边界线集合中各候选边界线的有效区域的相似度，从所述候选边界线集合中选取对应建筑物实例的目标边界线；根据各个建筑物实例的目标边界线对各自的初始检测框进行调整，得到各个建筑物实例的目标检测框；从各个建筑物实例的目标检测框中提取对应的建筑物实例。2.根据权利要求1所述的方法，其特征在于，所述提取遥感影像数据的特征图，根据所述特征图预估遥感影像数据中存在的建筑物实例以及各个建筑物实例的初始检测框，包括：采用深层卷及神经网络提取遥感影像数据的特征图；根据所述特征图预估遥感影像数据中存在的建筑物实例以及各个建筑物实例的多个预估面积，并根据各个建筑物实例的多个预估面积为对应的建筑物实例生成相应的多个推荐区域；从所述特征图中提取各个推荐区域对应位置的特征向量，根据所述特征向量采用预设的学习模型确定每一推荐区域包含对应的建筑物实例的置信度以及位置偏移量；根据每一推荐区域包含对应的建筑物实例的置信度，确定各建筑物实例对应的目标推荐区域，并根据位置偏移量对所述目标推荐区域进行位置调整，得到各个建筑物实例的初始检测框。3.根据权利要求1所述的方法，其特征在于，根据各个建筑物实例的初始检测框内部的特征点的特征信息确定对应建筑物实例的候选边界线集合，包括：提取各个建筑物实例的初始检测框内部的特征点，并计算各个特征点的梯度方向；根据各个特征点的梯度方向确定所述初始检测框对应的建筑物实例的边界线方向；根据各个建筑物实例的边界线方向将对应初始检测框内的特征点划分为与所述边界线方向一致的候选边界线集合。4.根据权利要求3所述的方法，其特征在于，所述根据各个建筑物实例的边界线方向将对应初始检测框内的特征点划分为与所述边界线方向一致的候选边界线集合，包括：根据所述初始检测框内各个特征点的梯度方向确定对应特征点的边缘方向，同一特征点的梯度方向与边缘方向相互垂直；根据预设的划分模型将所述初始检测框内各个特征点按照其边缘方向划分为与所述边界线方向一致的候选边界线集合，所述边界线方向包括与初始检测框内多数特征点的边缘方向相同的角度方向θ1和与所述θ1相差90°的角度方向θ2，所述划分模型为：Point1＝{i|βi∈[θ1-δ,θ1+δ],i∈P}Point2＝{i|βi∈[θ2-δ,θ2+δ],i∈P}其中，Point表示特征点的集合,Point1为边缘方向与θ1方向一致的特征点组成的候选边界线集合，Point2为边缘方向与θ2方向一致的特征点组成的候选边界线集合，δ表示建筑物实例方向的最大偏差阈值，βi表示特征点i的边缘方向。5.根据权利要求1所述的方法，其特征在于，所述根据各个建筑物实例的初始检测框内的建筑物实例的预测位置区域与对应建筑物实例的候选边界线集合中各候选边界线的有效区域的相似度，从所述候选边界线集合中选取对应建筑物实例的目标边界线，包括：按照预设尺寸将各个建筑物实例的初始检测框划分为多个检测区域，根据各个初始检测框内每一检测区域的特征向量查找检测区域内包含建筑物实例的目标检测区域；根据各个初始检测框内每一目标检测区域在边界线方向θ1和θ2对应的切线，与对应候选边界线集合中靠近该目标检测区域中心点的候选边界线形成的区域作为当前候选边界线的有效区域；提取目标检测区域中各个像素点在对应的初始检测框的特征图的特征向量平均值，得到目标检测区域的维度为n的特征向量A，并分别提取对应建筑物实例的每一候选边界线的有效区域中各个像素点在当前初始检测框的特征图的特征向量平均值，得到各个选边界线的有效区域的维度为n的特征向量B，分别计算目标检测区域的特征向量A与各个选边界线的有效区域的特征向量B的余弦相似度；从对应的特征向量B与特征向量A的余弦相似度小于预设相似阈值的各个候选边界线中，在θ1和θ2的正负方向上分别选取远离当前目标检测区域中心点的候选边界线作为对应建筑物实例的目标边界线。6.根据权利要求5所述的方法，其特征在于，所述根据各个建筑物实例的目标边界线对各自的初始检测框进行调整，得到各个建筑物实例的目标检测框，包括：根据各个建筑物实例的目标边界线的交点确定位置调整参数，并根据所述位置调整参数对对应建筑物实例的初始检测框进行调整，得到各个建筑物实例的目标检测框。7.根据权利要求1所述的方法，其特征在于，所述从各个建筑物实例的目标检测框中提取对应的建筑物实例，包括：从所述遥感影像数据的特征图中提取目标检测框对应位置的特征向量；将所述目标检测框对应位置的特征向量输入预设神经网络模型的全连接网络，生成目标检测框包含对应建筑物实例的概率预测结果；将所述目标检测框对应位置的特征向量输入预设神经网络模型的卷积层，得到包含所述目标检测框局部信息的特征向量；将所述概率预测结果的维度调整为所述包含所述目标检测框局部信息的特征向量的维度，并将维度调整后的概率预测结果与所述包含所述目标检测框局部信息的特征向量逐元素相乘后得到的特征作为预设分类模型的输入，根据分类输出结果提取所述目标检测框内的建筑物实例。8.一种遥感影像的建筑物实例提取...
【专利技术属性】
技术研发人员：陈欢欢，汪勇，朱云慧，高健，黄不了，黄恩兴，于娜，闫继扬，
申请(专利权)人：星际空间天津科技发展有限公司，中国科学技术大学，
类型：发明
国别省市：天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。