一种提取遥感影像中建筑物图像的方法及系统技术方案

本发明专利技术中公开了一种提取遥感影像中建筑物图像的方法，包括：获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；获取待采集区域的遥感影像；将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果。并且还公开了实现这一方法的具体虚拟系统。本发明专利技术提供的提取遥感影像中建筑物图像的方法和系统，具有提取图像精度高和效率高的特点。

A method and system of extracting building image from remote sensing image

【技术实现步骤摘要】
一种提取遥感影像中建筑物图像的方法及系统
本专利技术涉及图像处理
，特别是涉及一种提取遥感影像中建筑物图像的方法及系统。
技术介绍
高分辨率遥感影像建筑物提取是城市变化监测、城市规划、三维建模、数字化城市建立等领域的关键技术。随着遥感卫星的分辨率不断提高，对遥感影像建筑物提取的精度提出了更高的要求。遥感影像建筑物提取是对影像中的地物进行语义分割，即通过对每个像素二分类的方法来获取建筑物目标与边缘轮廓信息。由于提取结果直观、有效地反映了研究区域内建筑物目标的位置及分布情况，成为城市规划等领域评估、研究的重要参考依据。在城市地区高分辨率遥感影像中，城区建筑物周围环境错综复杂，交通网络交叉密集，容易造成提取的结果中建筑物与道路边缘信息混淆、边缘不清。另外，卷积神经网络的前向传播过程中分辨率不断下降，提取结果往往边缘效果不理想，因而限制了建筑物提取的精度。
技术实现思路
本专利技术的目的是提供一种提取遥感影像中建筑物图像的方法及系统，具有提取图像精度高和效率高的特点。为实现上述目的，本专利技术提供了如下方案：一种提取遥感影像中建筑物图像的方法，包括：获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；获取待采集区域的遥感影像；将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果。可选的，在获取卷积神经网络模型之前，还包括：获取遥感影像样本；将所述遥感影像划分为大小相同的若干子图像；以建筑物区域像素为1，非建筑物区域像素为0，将所述子图像转化为真值图；获取所述真值图中建筑物区域像素占比低于预设条件的真值图，并将所获取的真值图作为训练样本；利用所述训练样本对所述卷积神经网络模型进行训练。可选的，在所述获取卷积神经网络模型之前，还包括：对所述卷积神经网络模型进行改进。可选的，所述对所述卷积神经网络模型进行改进，包括：对所述卷积神经网络模型中的横向连接层进行改进，即在扩张路径与收缩路径的对应层级间的特征图进行融合时，加入所述对应层级的前一层中的特征图进行融合；引入用于按特定概率对所述卷积神经网络模型中节点权重进行固定的Dropout策略；在所述卷积神经网络模型的各个卷积层之后均添加BN层。可选的，所述特定概率为0.25。一种提取遥感影像中建筑物图像的系统，包括：卷积神经网络模型获取模块，用于获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；遥感影像采集模块，用于获取待采集区域的遥感影像；第一提取模块，用于将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；第二提取模块，用于对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果。可选的，所述系统还包括：遥感影像样本获取模块，用于获取遥感影像样本；子图像划分模块，用于将所述遥感影像划分为大小相同的若干子图像；真值图转化模块，用于以建筑物区域像素为1，非建筑物区域像素为0，将所述子图像转化为真值图；训练样本获取模块，用于获取所述真值图中建筑物区域像素占比低于预设条件的真值图，并将所获取的真值图作为训练样本；优化训练模块，用于利用所述训练样本对所述卷积神经网络模型进行优化训练。可选的，所述系统还可以包括：卷积神经网络模型改进模块，用于对所述卷积神经网络模型进行改进。可选的，所述卷积神经网络模型改进模块，包括：横向连接层改进单元，用于对所述卷积神经网络模型中的横向连接层进行改进，即在扩张路径与收缩路径的对应层级间的特征图进行融合时，加入所述对应层级的前一层中的特征图；Dropout策略引入单元，用于引入按特定概率对所述卷积神经网络模型中节点权重进行固定的Dropout策略；BN层添加单元，用于在所述卷积神经网络模型的各个卷积层之后均添加BN层。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的提取遥感影像中建筑物图像的方法及系统，先获取以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型，再将所获取待采集区域的遥感影像输入到所述卷积神经网络模型中，来提取待采集区域的建筑物图像，得到初步提取结果，然后采用形态学闭运算对所述初步提取结果进行优化，得到待采集区域内建筑物图像的最终提取结果。即在本专利技术提供的提取遥感影像中建筑物图像的方法及系统中，通过采用卷积神经网络模型来提取遥感影像中建筑物图像，来提高提取建筑物图像的效率；并且，对采用卷积神经网络模型获取的建筑物图像的初步提取结果进行再次优化，来提高所提取建筑物图像的精确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提取遥感影像中建筑物图像方法的流程图；图2a为本专利技术实施例划分遥感影像后的示意图；图2b为本专利技术实施例标注后建筑物的示意图；图2c为本专利技术实施例将转化后的真值图；图3为本专利技术实施例改进后的卷积神经网络结构示意图；图4为本专利技术实施例建筑物初步提取结果图；图5为本专利技术实施例建筑物最终提取结果图；图6为本专利技术实施例提取遥感影像中建筑物图像系统的结构示意图；图7a为经典卷积神经网络提取建筑物的结果图；图7b为本专利技术实施例改进后的卷积神经网络提取建筑物的结果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的目的是提供一种提取遥感影像中建筑物图像的方法及系统，具有提取图像精度高和效率高的特点。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1为本专利技术实施例提取遥感影像中建筑物图像方法的流程图，如图1所示，本专利技术提供的提取遥感影像中建筑物图像的方法具体包括以下步骤：一种提取遥感影像中建筑物图像的方法，包括：S1、获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；S2、获取待采集区域的遥感影像；S3、将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；S4、对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果。为了进一步提高所获取卷积神经网络模型提取建筑物图像的准确性，在获取卷积神经网络模型之前，还包括：获取预处理后的遥感影像样本；本专利技术中以使用遥感数据集来自高分二号和Landsat8卫星的影像，影像成像时间为2018年7月，所选取的范围为美国马萨诸塞州主要城区的遥感影像为例进行说明。其中，用作建筑物提取的遥感影像共500幅，标注了背景和建筑物两个类别。本专利技术使用ImageDataGener本文档来自技高网...

【技术保护点】
1.一种提取遥感影像中建筑物图像的方法，其特征在于，包括：获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；获取待采集区域的遥感影像；将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果。

【技术特征摘要】
1.一种提取遥感影像中建筑物图像的方法，其特征在于，包括：获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；获取待采集区域的遥感影像；将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果。2.根据权利要求1所述的提取遥感影像中建筑物图像的方法，其特征在于，在获取卷积神经网络模型之前，还包括：获取遥感影像样本；将所述遥感影像划分为大小相同的若干子图像；以建筑物区域像素为1，非建筑物区域像素为0，将所述子图像转化为真值图；获取所述真值图中建筑物区域像素占比低于预设条件的真值图，并将所获取的真值图作为训练样本；利用所述训练样本对所述卷积神经网络模型进行训练。3.根据权利要求1所述的提取遥感影像中建筑物图像的方法，其特征在于，在所述获取卷积神经网络模型之前，还包括：对所述卷积神经网络模型进行改进。4.根据权利要求3所述的提取遥感影像中建筑物图像的方法，其特征在于，所述对所述卷积神经网络模型进行改进，包括：对所述卷积神经网络模型中的横向连接层进行改进，即在扩张路径与收缩路径的对应层级间的特征图进行融合时，加入所述对应层级的前一层中的特征图进行融合；引入用于按特定概率对所述卷积神经网络模型中节点权重进行固定的Dropout策略；在所述卷积神经网络模型的各个卷积层之后均添加BN层。5.根据权利要求4所述的提取遥感影像中建筑物图像的方法，其特征在于，所述特定概率为0.25。6.一种提取遥感影像中建筑物图像的系统，其特征在于，包括：卷积神经网络...

【专利技术属性】
技术研发人员：王阳萍，任欣磊，党建武，杨景玉，李攀峰，杜晓刚，沈瑜，张振海，闵永智，陈永，杨艳春，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃,62