一种建筑垃圾遥感图像样本的生成方法技术

本发明专利技术公开了一种建筑垃圾遥感图像样本的生成方法，将下载好的遥感图像做预处理得到样本数据集，在样本集进入程序时，系统会为样本集进行对比度调整，之后输入到生成对抗网络中进行样本的生成，若样本精度达到标准且网络达到收敛则完成。本发明专利技术解决了使用遥感图像进行建筑垃圾识别时建筑垃圾遥感图像样本过少问题。

【技术实现步骤摘要】
一种建筑垃圾遥感图像样本的生成方法
本专利技术涉及一种建筑垃圾遥感图像样本的生成方法，其是一种基于生成对抗网络与LBP算子的建筑垃圾遥感图像样本的生成方法。
技术介绍
随着工业化、城市化进程的加速,建筑业也同时快速发展,相伴而产生的建筑垃圾日益增多,中国建筑垃圾的数量已占到城市垃圾总量的1/3以上。中国正处于经济建设高速发展时期,每年不可避免地产生数亿吨建筑垃圾。如果不及时处理和利用,必将给社会、环境和资源带来不利影响,建筑垃圾的智能化监管识别研究迫在眉睫。对于主流深度学习识别算法中,大量的训练样本是其得到最优模型的保证,而且训练样本需要包含各种不同的场景,这样才能使得模型具有足够好的鲁棒性。由于没有建筑垃圾样本集,需要首先制作建筑垃圾样本集,但是一方面满足要求的遥感影像数据量有限,另一方面人工判读解译效率往往较低,因此大型建筑垃圾样本集的制备难度较大,仅靠现有数据,需要对数据进行数据增强才能满足深度学习的大量样本要求。在图像领域,常见的数据增强技术包括图像平移几个像素,或者图像水平翻转。然而,使用简单数据增强有时并不符合客观现本文档来自技高网...

【技术保护点】
1.一种建筑垃圾遥感图像样本的生成方法，其特征在于，包括：/nS1、遥感图像预处理制作样本数据集/nS1.1、正射校正/n正射校正时输入数据选择多光谱数据，DEM数据选择全球分辨率为900米的DEM数据，输出像元大小为4米，重采样方法为三次卷积法，输出像元大小为1米；/nS1.2、图像融合/n首先以全色数据为基准对多光谱数据进行配准，配准后多光谱数据的存储格式如果是BSQ，将其转化为BIL，提高融合效率；/nS1.3、图像利用分类/n将图像进行非监督土地利用分类，生成土地利用分类标注图；/nS1.4、减少通道/n检查融合后图像是否为四通道，若为四通道，则将图像通道融合转化为三通道；/nS1.5...

【技术特征摘要】
1.一种建筑垃圾遥感图像样本的生成方法，其特征在于，包括：
S1、遥感图像预处理制作样本数据集
S1.1、正射校正
正射校正时输入数据选择多光谱数据，DEM数据选择全球分辨率为900米的DEM数据，输出像元大小为4米，重采样方法为三次卷积法，输出像元大小为1米；
S1.2、图像融合
首先以全色数据为基准对多光谱数据进行配准，配准后多光谱数据的存储格式如果是BSQ，将其转化为BIL，提高融合效率；
S1.3、图像利用分类
将图像进行非监督土地利用分类，生成土地利用分类标注图；
S1.4、减少通道
检查融合后图像是否为四通道，若为四通道，则将图像通道融合转化为三通道；
S1.5、剪裁
将土地利用分类标注图与三通道遥感图像均剪裁为256×256；
S1.6、筛选样本
将裁好的图像进行对比查看，选出土地利用分类标注图中标记为建筑垃圾的图像，并根据图名对应，找到相应的三通道遥感图像；
S1.7、制作样本数据集
将筛选好的三通道遥感图像样本以7:3的比例生成训练集与测试集；
S2、对样本数据集进行优化调整，生成样本
S2.1、对比度调整
首先对图像的灰度图像进行自适应直方图均衡化，并使用通过RGB转Lab方法替换为均衡化图像的亮度通道进行图像融合；
S2.2、网络架构
使用全卷积网络
生成器网络与判别器网络均使用全卷积网络，不使用全连接层，生成器共六层卷积网络，第一层网络结构设置为8×8×256，第二层16×16×128，第三层为32×32×64，第四层为64×64×32，第五层为128×128×16，第六层为256×256×3，
判别器共四层，第一层网络结构设置为64×64×32，第二层32×32×64，第三层为16×16×128，第四层为8×8×256，每层包含leaky_relu层，...

【专利技术属性】
技术研发人员：刘扬，李思琦，杜明义，辛超，姚毅，周远洋，张敏，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京;11