【技术实现步骤摘要】
基于深层卷积残差网络的航拍图建筑物分割方法及装置
本专利技术涉及计算机视觉的图像分割领域,具体涉及基于深层卷积残差网络的航拍图建筑物分割方法及装置。
技术介绍
着我国城市化脚步的加快,各种类型的城镇房屋以及形状各异的功能性建筑物的数量也在突飞猛进。由于近几年城市的规划以及智慧城市的发展,城市建筑物3D建模需求变得越来越大,对一个建筑物的3D建模通常是一个不小的工程,3D建模的人员需要在建模软件中先对一个建筑的整体进行构造,然后对其细节进行修改,最后对建好的模型贴上纹理图片才能真正结束一个建筑物的数字模型构建。在3D建模的第一步,也就是对建筑物主体进行构建往往需要花费大量的时间,所以城市建筑物航拍图的精确实例分割就是探索如何快速从航拍图中得到一个建筑物主体轮廓的俯视平面图,以便后续人员使用每个建筑物的轮廓图和贴图可以快速进行整个城市建筑物主体的建立。另外,伴随着无人机航拍技术的发展,可以更容易地获得大量城镇建筑物的航拍图、俯瞰图。因此,如何从这些建筑物航拍图精确分割出目标建筑物区域具有很高的研究价值。图像分割算法的研究 ...
【技术保护点】
1.基于深层卷积残差网络的航拍图建筑物分割方法,其特征在于,所述方法包括以下步骤:/nS1:获取建筑物的清晰航拍图,并对其轮廓以及五个关键点的位置进行标注,得到航拍图建筑物精确分割的训练集和测试集;/nS2:搭建以五个关键点的位置表示为热图,并作为卷积残差网络额外输入通道的航拍图分割网络(E-DEXTR)结构;所述E-DEXTR网络包括输入数据的预处理部分、以深层卷积残差网络ResNet-101为主体的特征提取部分和金字塔场景解析模块;预处理部分用于对输入图像的裁剪和包含五个关键点位置信息的热图的生成;/nS3:将制作好的建筑物训练数据集作为E-DEXTR网络的输入,通过迭 ...
【技术特征摘要】
1.基于深层卷积残差网络的航拍图建筑物分割方法,其特征在于,所述方法包括以下步骤:
S1:获取建筑物的清晰航拍图,并对其轮廓以及五个关键点的位置进行标注,得到航拍图建筑物精确分割的训练集和测试集;
S2:搭建以五个关键点的位置表示为热图,并作为卷积残差网络额外输入通道的航拍图分割网络(E-DEXTR)结构;所述E-DEXTR网络包括输入数据的预处理部分、以深层卷积残差网络ResNet-101为主体的特征提取部分和金字塔场景解析模块;预处理部分用于对输入图像的裁剪和包含五个关键点位置信息的热图的生成;
S3:将制作好的建筑物训练数据集作为E-DEXTR网络的输入,通过迭代训练得到航拍图分割模型,并且通过测试集数据对训练获得的分割模型进行测试和性能评估,得到最终的航拍图建筑物分割模型;
S4:将所获得的模型应用于用户需要进行处理的建筑物航拍图,得到最终的航拍图建筑物精确分割图。
2.根据权利要求1所述的基于深层卷积残差网络的航拍图建筑物分割方法,其特征在于,步骤S1制作建筑物航拍图训练集和测试集时的五关键点标注方式为:
使用标注软件打开建筑物航拍图,将建筑物的轮廓用创建多边形工具勾勒出来;然后使用创建点的工具分别选择建筑物对象最上方的点、最底部的点、最左边的点、最右边的点以及位于建筑物对象中间位置的点作为五关键点进行标注,如果建筑物屋顶有明显干扰物,将中间的点位置选择在干扰物上。
3.根据权利要求1所述的基于深层卷积残差网络的航拍图建筑物分割方法,其特征在于,步骤S2构建的E-DEXTR网络中将五个关键点的位置信息表示为热图作为额外输入通道,与航拍图R、G、B通道一起作为卷积残差网络的输入;对应于所标注的五个关键点,分别以每个点为中心生成高斯分布的概率区域,从而得到包含五个关键点位置信息的热图;E-DEXTR网络中的输入数据的预处理部分的裁剪方式是对输入的图像和热图通过上、下、左、右四个端点生成的矩形边界框进行裁剪。
4.根据权利要求3所述的基于深层卷积残差网络的航拍图建筑物分割方法,其特征在于,
包含五个关键点位置信息的热图矩阵中的值表示所对应像素点属于需分割的某个建筑物的概率,热图的大小与输入图片相同,经过相同矩形框裁剪的图像R...
【专利技术属性】
技术研发人员:许华杰,张晨强,苏国韶,
申请(专利权)人:广西大学,
类型:发明
国别省市:广西;45
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。