【技术实现步骤摘要】
一种建筑物矢量多边形的提取方法、系统、服务器及存储介质
本专利技术涉及建筑物轮廓提取
，特别涉及一种建筑物矢量多边形的提取方法、系统、服务器及存储介质。
技术介绍
建筑物轮廓矢量提取是遥感影像信息自动提取领域中的一个经典问题，它的主要目标是识别并提取出遥感影像中的建筑物轮廓。建筑物矢量提取的结果在许多领域中都有着广泛的应用，比如军事侦察、变化监测、地图制图和地理分析等。因此，建筑物矢量轮廓提取具有着重要的研究价值。传统的建筑物轮廓提取方法大都是基于人工设计的特征，利用建筑物轮廓的正交性等先验知识进行轮廓的提取，通过人工设计的大量的规则，利用图理论以及活动轮廓模型等经典优化框架来进行建筑物轮廓的提取。这些方法受人工提取特征的局限性，往往难以对遮挡、阴影等复杂场景进行处理。近年来，随着深度学习技术的崛起，大多数的现有方法都是基于建筑物分割的结果进行轮廓提取，这些方法通常采取分割、边缘检测、轮廓规则化这样一种多阶段的处理流程来获取建筑物的矢量，这一过程非常的繁琐。而且逐像素分割的结果往往趋于平滑，需要大量后处...
【技术保护点】
1.一种建筑物矢量多边形的提取方法，其特征在于，包括：/n获取目标图像的全局关键点及建筑物关键点，并使用所述全局关键点对所述建筑物关键点进行优化，得到优化关键点；/n以任一优化关键点为中心对四周的角度进行划分，根据所述目标图像得到划分后的角度中属于建筑物的角度，并根据所述属于建筑物的角度得到所述任一优化关键点沿建筑物边缘的前向方向和后向方向；/n得到所有优化关键点的前向方向和后向方向，并根据所述所有优化关键点的前向方向和后向方向对所述所有优化关键点进行连接，得到建筑物对应的矢量多边形。/n
【技术特征摘要】 【专利技术属性】
1.一种建筑物矢量多边形的提取方法，其特征在于，包括：
获取目标图像的全局关键点及建筑物关键点，并使用所述全局关键点对所述建筑物关键点进行优化，得到优化关键点；
以任一优化关键点为中心对四周的角度进行划分，根据所述目标图像得到划分后的角度中属于建筑物的角度，并根据所述属于建筑物的角度得到所述任一优化关键点沿建筑物边缘的前向方向和后向方向；
得到所有优化关键点的前向方向和后向方向，并根据所述所有优化关键点的前向方向和后向方向对所述所有优化关键点进行连接，得到建筑物对应的矢量多边形。
2.根据权利要求1所述的建筑物矢量多边形的提取方法，其特征在于，所述获取目标图像的全局关键点及建筑物关键点，并使用所述全局关键点对所述建筑物关键点进行优化，得到优化关键点的步骤具体包括：
利用主干网络FPN对所述目标图像进行特征提取，得到所述目标图像的所述全局关键点，并通过MaskR-CNN框架对所述目标图像进行处理，得到所述目标图像的建筑物包围框坐标及所述建筑物包围框内的所述建筑物关键点；
根据所述建筑物关键点生成建筑物关键点热图，对所有所述建筑物关键点热图进行阈值化处理得到所有连通区域图；同时根据所述全局关键点生成全局关键点热图，并对全局关键点热图进行阈值化处理，采用非极大值抑制算法获取抑制后的全局关键点；
将所述所有连通区域图采样至与全局关键点热图相同的分辨率，对采样后的目标连通区域中的建筑物关键点采用非极大值抑制算法获取目标连通区域对应的抑制后的建筑物关键点；
使用所述目标连通区域内的所述抑制后的全局关键点更新至所述目标连通区域内相邻的所述抑制后的建筑物关键点，并将更新后的所述建筑物关键点作为优化关键点。
3.根据权利要求2所述的建筑物矢量多边形的提取方法，其特征在于，所述得到所有优化关键点的前向方向和后向方向，并根据所述所有优化关键点的前向方向和后向方向对所述所有优化关键点进行连接，得到建筑物对应的矢量多边形的步骤具体包括：
得到所有优化关键点的前向方向和后向方向；
对目标连通区域内的相邻优化关键点a点及b点，当向量与a点前向方向的夹角小于预设角度，且向量与b点后向方向的夹角小于预设角度，则b点为a点前向方向上的可连接点；当向量与b点前向方向的夹角小于预设角度，且向量与a点后向方向的夹角小于预设角度，则a点为b点后向方向上的可连接点；
依次连接所述目标连通区域的相邻优化关键点，得到建筑物对应的矢量多边形。
技术研发人员：舒震，胡翔云，张觅，李小凯，饶友琢，刘沁雯，花卉，王慧慧，王有年，
申请(专利权)人：武汉汉达瑞科技有限公司，
类型：发明
国别省市：湖北;42
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。