【技术实现步骤摘要】
一种基于残差网络的遥感影像建筑物自动提取方法和系统
本专利技术属于多光谱遥感图像
，尤其涉及一种基于残差网络的遥感影像建筑物自动提取方法和系统。
技术介绍
遥感是使用运用现代化的运载工具和传感器，探测和识别远距离研究对象的技术。基于人造地球卫星、航空等平台上的遥测仪器，从远距离获取目标物体的电磁波特性，通过该信息的传输、贮存、卫星、修正、识别目标物体，对地球表面实施感应遥测和资源管理。随着经济与科学技术的发展，遥感对地观测技术进入了一个高速发展时期。各种传感器的发射升空，使得卫星遥感数据极为丰富，为人类研究地球创造了前所未有的有利条件，为遥感开拓了更广阔的应用前景，为信息时代的到来建设打下了坚实的基础。随着经济建设的不断发展，城市化进程的不断推进，土地的利用和管理显得尤其重要。建筑物作为地物类型中分布最广的人工目标类型之一，相关信息的准确获取在城市规划、人口布局、土地分析和环境调查等方面具有重要意义。近年来，我国国力不断增强，发射了多颗高分辨率光学卫星，积累了海量的数据。由于其包含丰富的地物光谱、空间信息，能够...
【技术保护点】
1.一种基于残差网络的遥感影像建筑物自动提取方法，其特征在于，包括：/n构建训练样本数据集；/n对训练样本数据集中的样本进行扩充，得到扩充后的训练样本数据集；/n构建用于遥感影像建筑物自动提取的待训练残差网络模型；/n根据扩充后的训练样本数据集中的训练样本，对待训练残差网络模型进行训练，得到网络参数；/n根据得到的网络参数，对待训练残差网络模型进行参数更新，得到训练残差网络模型；/n根据训练残差网络模型，对测试数据进行建筑物检测。/n
【技术特征摘要】
1.一种基于残差网络的遥感影像建筑物自动提取方法，其特征在于，包括：
构建训练样本数据集；
对训练样本数据集中的样本进行扩充，得到扩充后的训练样本数据集；
构建用于遥感影像建筑物自动提取的待训练残差网络模型；
根据扩充后的训练样本数据集中的训练样本，对待训练残差网络模型进行训练，得到网络参数；
根据得到的网络参数，对待训练残差网络模型进行参数更新，得到训练残差网络模型；
根据训练残差网络模型，对测试数据进行建筑物检测。
2.根据权利要求1所述的基于残差网络的遥感影像建筑物自动提取方法，其特征在于，构建训练样本数据集，包括：
获取通过遥感卫星相机采集到的多光谱与全色影像；
将多光谱与全色影像进行融合，得到融合影像；
对融合影像进行分割处理，得到分割影像；
确定与分割影像对应匹配的标签；其中，标签，用于指示建筑物的位置；
根据得到的携带有标签的各分割影像，得到训练样本数据集。
3.根据权利要求1所述的基于残差网络的遥感影像建筑物自动提取方法，其特征在于，对训练样本数据集中的样本进行扩充，得到扩充后的训练样本数据集，包括：
将训练样本数据集中的样本进行旋转和变换，完成对对训练样本数据集中的样本进行扩充，得到扩充后的训练样本数据集；其中，旋转角度：0°、90°、180°和270°四种旋转角度；变换，包括：伽马变换、对比度变换、饱和度变换、锐化处理和散焦模糊处理。
4.根据权利要求1所述的基于残差网络的遥感影像建筑物自动提取方法，其特征在于，构建用于遥感影像建筑物自动提取的待训练残差网络模型，包括：
在Caffe框架下逐层搭建残差神经网络，得到用于遥感影像建筑物自动提取的待训练残差网络模型；其中，所述残差神经网络采用卷积层进行残差学习。
5.根据权利要求1所述的基于残差网络的遥感影像建筑物自动提取方法，其特征在于，根据扩充后的训练样本数据集中的训练样本，对待训练残差网络模型进行训练，得到网络参数，包括：
对待训练残差网络模型进行初始化；
将扩充后的训练样本数据集中的训练样本输入到初始化后的待训练残差网络模型中进行训练，得到预测结果和扩充后的训练样本数据集中的标签的误差；
根据得到的预测结果和扩充后的训练样本数据集中的标签的误差，对待训练残差网络模型中的权重和偏置进行调整；
当待训练残差网络模型迭代更新至预设次数时，记录此时的网络参数。
6.根据权利要求1所述的基于残差网络的遥感影像建筑物...
【专利技术属性】
技术研发人员：王海波，公雪霜，王冰冰，齐建超，曹琼，邵俊，
申请(专利权)人：中国资源卫星应用中心，
类型：发明
国别省市：北京;11
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。