基于无人机遥感与深度学习的违章建筑智能化提取方法技术

本发明专利技术公开一种基于无人机遥感与深度学习的违章建筑智能化提取方法，包括：多源多尺度违章建筑无人机遥感影像数据收集；构建无人机遥感影像预处理模型，基于预处理模型对无人机遥感影像数据进行预处理，基于预处理后的数据进行样本的制作，得到样本库；基于滑窗及非极大值抑制NMS方法，并结合深度学习网络构建违章建筑识别模型；使用样本库中的样本数据对违章建筑识别模型进行训练和优化；将待检测的无人机遥感影像输入预处理模型，并将预处理后的数据输入训练好的违章建筑识别模型，得到待检测无人机遥感影像中的违规建筑。本发明专利技术能够快速准确地对违章建筑进行智能化检测，为执法人员提供了数据支撑。

【技术实现步骤摘要】
基于无人机遥感与深度学习的违章建筑智能化提取方法
本专利技术涉及光学遥感
，特别是涉及一种基于无人机遥感与深度学习的违章建筑智能化提取方法。
技术介绍
基于光学遥感图像的目标检测和识别的实质是，通过算法寻找出图像中的预期目标，并对其具体属性进行提取。遥感图像的检测和识别在民用和军用领域都有着非常广泛且重要的应用，例如自然灾害观测和预防、农作物生长健康分析、空气质量检测、作战计划调整和精准打击等等。正是由于其在日常生产生活和国防安全中的重要作用，基于光学遥感图像的目标检测和识别技术一直是国内外目标识别领域的研究热点。以飞机的光学遥感影像信息提取、目标识别的研究为例，传统算法主要使用人工提取图像特征进行目标识别，这些特征包括纹理特征、梯度方向直方图HOG、Gabor变换等，然后将这些特征以特征向量的形式输入到一个传统的分类器，比如SVM、AdaBoost、决策树等进行分类。传统方法在人工特征提取、算法鲁棒性、位移、旋转不变性等方面往往表现欠佳，同时利用人工选定特征经常是依靠经验或者运气；近年来，随着深度学习在模式识别领域的研究深入，基于深度学习的图像检测和识别算法也在不断涌现，并且在各方面的性能表现都优于传统人工提取方法和机器学习方法。因此，将深度学习应用于光学遥感图像检测和识别成为一种可能的选择。无人机遥感是获取城市高分辨率影像的一种非常重要的手段。违章建筑与合法建筑在结构和图像特征上有很大的相似性，在相对低分辨率的卫星影像上区分难度较大,而无人机影像具有厘米级的空间分辨率，可识别丰富的建筑物细节信息，利用这些丰富的视觉信息，作为深度学习的特征，训练神经网络，可大幅度提高违章建筑的识别率。因此，目前亟需一种通过自我学习来得到合适特征，并且能够快速准确地对违章建筑进行智能化检测的方法。
技术实现思路
本专利技术的目的是提供一种基于无人机遥感与深度学习的违章建筑智能化提取方法，以解决现有技术存在的问题，能够快速准确地对违章建筑进行智能化检测，为执法人员提供了数据支撑。为实现上述目的，本专利技术提供了如下方案：本专利技术提供一种基于无人机遥感与深度学习的违章建筑智能化提取方法，包括如下步骤：多源多尺度违章建筑无人机遥感影像数据收集；构建无人机遥感影像预处理模型，基于无人机遥感影像预处理模型对所收集的无人机遥感影像数据进行预处理，基于预处理后的无人机遥感影像数据进行样本的制作，得到样本库；基于滑窗及非极大值抑制NMS方法，并结合深度学习网络构建违章建筑识别模型；使用样本库中的样本数据对违章建筑识别模型进行训练和优化；将待检测的无人机遥感影像输入无人机遥感影像预处理模型进行预处理，并将预处理后的数据输入训练好的违章建筑识别模型，完成违章建筑的识别、定位、提取，得到待检测无人机遥感影像中的违规建筑。优选地，基于地理空间数据抽象库GDAL栅格数据模型构建无人机遥感影像预处理模型，所述无人机遥感影像预处理模型预处理后的影像数据为.GIF格式数据。优选地，样本的制作过程包括：首先，对预处理后的无人机遥感影像进行截取，得到违章建筑的图像块；其次，基于全域勾绘的违章建筑数据，对图像块进行加标签处理；再次，将图像块进行若干个方向的旋转扩展。优选地，所述样本数据的XML文件用于记录样本影像的标签信息以及每个建筑目标在样本影像中的图像位置。优选地，所述样本库分为训练集、测试集、交叉验证集。优选地，构建并训练违章建筑识别模型具体包括如下步骤：首先，基于滑窗及非极大值抑制NMS方法，并结合目标检测one-stage方法中的YOLOv3算法构建违章建筑识别模型；其次，采用滑窗和NMS方法对无人机遥感影像中的建筑目标进行检测；再次，将检测出的建筑目标输入YOLOv3深度学习网络，对YOLOv3深度学习网络进行训练和优化。本专利技术公开了以下技术效果：(1)本专利技术通过无人机获取了全区厘米级分辨率的无人机遥感影像，并全域勾绘了违建商用房、农村房屋、农村辅助房、工业企业彩钢棚等不同特点、不同形状、多种类型的违章建筑数据，多达数百万违章数据，数据精细化程度和数据精度全国首屈一指。(2)利用深度学习方法和手段进行违章建筑的提取，不仅在识别效率上取得更加快速的突破，在识别效果上取得更加精确的结果，进一步增强了违章建筑提取的时效性和实用性。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性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术基于无人机遥感与深度学习的违章建筑智能化提取方法流程图；图2为本专利技术实施例中滑窗示意图；图3为本专利技术实施例中使用NMS算法对滑窗检测结果进行后处理之前与之后的示意图；其中，图3(a)为使用NMS算法对滑窗检测结果进行后处理之前的示意图；图3(b)为使用NMS算法对滑窗检测结果进行后处理之后的示意图。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。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。参照图1-3所示，本实施例提供一种基于无人机遥感与深度学习的违章建筑智能化提取方法，包括如下步骤：步骤S1、违章建筑无人机遥感影像数据收集；在遥感影像数据收集阶段，考虑到违章建筑目标天然具有多尺度、边界不规则的特性，因此需要构建多尺度的样本库，从而使样本库能够覆盖不同尺度下的目标；同时，需要考虑到无人机遥感影像获取的多源性(包括多传感器、多时相等)，地物目标在多源无人机影像上的成像特点存在着天然的差异；因此，通过多源多尺度违章建筑目标样本库的构建，能够从数据来源上保证目标检测模型的鲁棒性。在目标样本的制作过程中，选取来自国产高分辨率卫星高分二号GF-2、资源三号ZY-3、WORLDVIEW3的遥感影像以及来自于谷歌地球的遥感影像。步骤S2、违章建筑遥感影像预处理及样本制作；为进一步提高识别模型的识别准确度，需要对步骤S1所收集的违章建筑遥感影像数据进行加标签处理，本实施例通过人工标记进行加标签处理；由于无人机遥感影像原始数据格式较多，为了方便人工标记过程中添加空间参考等信息，所输出的常用影像数据格式为.GIF，实施例构建基于GDAL(地理空间数据抽象库，GeospatialDataAbstractionLibrary)栅格数据模型的无人机遥感影像预处理模型，充分考虑坐标系统、仿射地理变换等综合过程，形成一个单一的抽象数据模型，同时支持读取、写入、转换、处本文档来自技高网...

【技术保护点】
1.一种基于无人机遥感与深度学习的违章建筑智能化提取方法，其特征在于，包括如下步骤：/n多源多尺度违章建筑无人机遥感影像数据收集；/n构建无人机遥感影像预处理模型，基于无人机遥感影像预处理模型对所收集的无人机遥感影像数据进行预处理，基于预处理后的无人机遥感影像数据进行样本的制作，得到样本库；/n基于滑窗及非极大值抑制NMS方法，并结合深度学习网络构建违章建筑识别模型；使用样本库中的样本数据对违章建筑识别模型进行训练和优化；/n将待检测的无人机遥感影像输入无人机遥感影像预处理模型进行预处理，并将预处理后的数据输入训练好的违章建筑识别模型，完成违章建筑的识别、定位、提取，得到待检测无人机遥感影像中的违规建筑。/n

【技术特征摘要】
1.一种基于无人机遥感与深度学习的违章建筑智能化提取方法，其特征在于，包括如下步骤：
多源多尺度违章建筑无人机遥感影像数据收集；
构建无人机遥感影像预处理模型，基于无人机遥感影像预处理模型对所收集的无人机遥感影像数据进行预处理，基于预处理后的无人机遥感影像数据进行样本的制作，得到样本库；
基于滑窗及非极大值抑制NMS方法，并结合深度学习网络构建违章建筑识别模型；使用样本库中的样本数据对违章建筑识别模型进行训练和优化；
将待检测的无人机遥感影像输入无人机遥感影像预处理模型进行预处理，并将预处理后的数据输入训练好的违章建筑识别模型，完成违章建筑的识别、定位、提取，得到待检测无人机遥感影像中的违规建筑。


2.根据权利要求1所述的基于无人机遥感与深度学习的违章建筑智能化提取方法，其特征在于，基于地理空间数据抽象库GDAL栅格数据模型构建无人机遥感影像预处理模型，所述无人机遥感影像预处理模型预处理后的影像数据为.GIF格式数据。


3.根据权利要求1所述的基于无人机遥感与深度学习的违章建筑智能化提取方法，其特征在于，样本的制作过程...

【专利技术属性】
技术研发人员：龚建华，孙麇，武栋，李京，李毅，张国永，
申请(专利权)人：嘉兴河图遥感技术有限公司，嘉兴博海信息科技有限公司，浙江中科空间信息技术应用研发中心，
类型：发明
国别省市：浙江;33