一种基于U-Net的城市建成区统计方法技术

本发明专利技术公开了一种基于U

【技术实现步骤摘要】
一种基于U
‑
Net的城市建成区统计方法


[0001]本专利技术涉及图像处理
，更具体的说，本专利技术涉及一种基于U
‑
Net的城市建成区统计方法。

技术介绍

[0002]深度学习是人工智能技术中的一种先进方法，近年来发展迅速，在人脸识别，物体检测等领域都取得了空前的优异效果，推进着自动驾驶技术从科幻慢慢走向现实。
[0003]深度学习方法在测绘领域有着得天独厚的优势，例如遥感，点云等具有明显特征的基础数据，深度学习图像识别方法都能发挥巨大的作用。
[0004]建成区，指市行政区范围内经过征收的土地和实际建设发展起来的非农业生产建设地段，该区域具有明显特征，项目内容是从遥感图像中提取出建成区有关区域并进行面积计算，传统方法是通过人员进行标注统计，求取面积，工作内容简单，但耗费人力物力。

技术实现思路

[0005]为了克服现有技术的不足，本专利技术提供一种基于U
‑
Net的城市建成区统计方法，可大幅度提高人员工作效率，减少人工成本。
[0006]本专利技术解决其技术问题所采用的技术方案是：一种基于U
‑
Net的城市建成区统计方法，其改进之处在于，该方法包括以下的步骤：S10、采集建成区遥感图像数据，获得建成区遥感图像；S20、建成区标注，针对建成区建筑进行数据标注，按照建成区定义进行标注；S30、图像块分割，按照服务器计算能力对建成区遥感图像进行分割处理，形成若干等大小的图像块，以获得多个样本；S40、格式转换，将VOC格式转换为COCO数据集，制作用于训练的数据集；S50、数据集划分，将数据集划分为训练集和测试集，训练集用于训练模型，测试集用于评估模型的准确率和鲁棒性；S60、构建U
‑
Net模型进行训练，以判断是否满足评估指数要求，当不满足评估指数要求时，则调整评估参数后，继续构建U
‑
Net模型进行训练；当满足评估指数要求时，则进入下一步；S70、完成模型训练后，将待预测图像按规则分割，输入网络中进行区域分割提取；S80、拼接识别完毕的图像块，获得原图像的检测结果，检测结果覆盖了建成区；S90、合并统计图像块面积，获取建成区面积。
[0007]进一步的，步骤S10中，在理解区域特性后，进行遥感图像的分割，以减少服务器运算压力。
[0008]进一步的，步骤S20中，利用labelme标注工具进行标注。
[0009]进一步的，步骤S20中，标注数据分为背景和检测区域两部分，其中背景是指非建成区包含的位置，检测区域涵盖建成区要素。
[0010]进一步的，步骤S20中，标注方式按照多边形框进行拉伸。
[0011]进一步的，步骤S30中，将图像块分割为300
×
300的大小，以获得3312个样本。
[0012]进一步的，步骤S50中，按照训练集与测试集9：1的比例进行划分。
[0013]进一步的，步骤S60中，评估参数包括像素精度Pixel Accuracy、召回率Recall以及平均交并比Mean IoU。
[0014]进一步的，构建U
‑
Net模型进行训练包括以下的步骤：S601、设定数据集中包含有K+1类，其中0表示背景；S602、使用Pii表示原本为i类同时预测为i类，即真阳性TP和真阴性TN；使用Pij表示原本为i类被预测为j类，即假阳性FP和假阴性FN；S603、像素精度Pixel Accuracy为标记正确的像素占总像素的百分比，其公式如下：；召回率Recall为预测值为1且真实值也为1的样本，在真实值为1的所有样本中所占的比例，其公式如下：；平均交并比Mean IoU为在所有类别的IoU上取平均值，其公式如下：；进一步的，步骤S70中，将区域遥感图像按照16
×
16进行分割，以获得256张小图；步骤S90中，建成区面积公式如下：；其中，S为建成区总面积，S
i
为检测图件块内建成区面积。
[0015]本专利技术的有益效果是：本专利技术的一种基于深度学习的建成区面积估计方法，可大幅度提高人员工作效率，减少人工成本。
附图说明
[0016]图1为本专利技术中针对U
‑
Net模型所作出改进的示意图。
[0017]图2为最大池化方法的示意图。
[0018]图3为本专利技术的一种基于U
‑
Net的城市建成区统计方法的流程示意图。
[0019]图4为本专利技术的一种基于U
‑
Net的城市建成区统计方法的具体实施例图。
[0020]图5为本专利技术的一种基于U
‑
Net的城市建成区统计方法的具体实施例图。
[0021]图6为本专利技术采用了参数修正线性单元PReLU的原理示意图。
具体实施方式
[0022]下面结合附图和实施例对本专利技术进一步说明。
[0023]以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清
楚、完整地描述，以充分地理解本专利技术的目的、特征和效果。显然，所描述的实施例只是本专利技术的一部分实施例，而不是全部实施例，基于本专利技术的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本专利技术保护的范围。另外，专利中涉及到的所有联接/连接关系，并非单指构件直接相接，而是指可根据具体实施情况，通过添加或减少联接辅件，来组成更优的联接结构。本专利技术创造中的各个技术特征，在不互相矛盾冲突的前提下可以交互组合。
[0024]本专利技术揭示了一种基于U
‑
Net的城市建成区统计方法，该方法主要选用U
‑
Net作为架构进模型搭建， U
‑
Net主要由两部分组成，包括特征表示部分和上采样恢复部分，整个网络呈现了“U”字形。特征表示部分，用于提取各层次特征，经过若干卷积，池化操作，可提取不同层次特征，卷积操作具有局部连接与权值共享的特性，卷积核按照一定步长在输入图像中进行移动，计算获得特征层，大幅度降低了参数，且不受图像旋转，平移等变化影响。在第i层，第j个卷积核在深度为N的输入的(x, y)位置上，该卷积和激活的操作可表示为公式：；其中，φ是激活函数，i表示神经网络层数；j表示卷积核序号；N为图像通道数，P和Q是卷积核的高度和宽度，m、p、q分别表示N、P、Q当前的值；x为图像像素横坐标，y为图像像素纵坐标；w表示权重值，v表示激活值，b为偏置值。经过卷积和激活后生成的特征图给出了在每个空间位置处卷积核的反应。直观地来说，神经网络会让卷积核学习到当它看到某些类型的视觉特征时就激活的能力，具体的视觉特征可能是某些方位上的边界，或者在第一层上某些颜色的斑点，甚至可以是网络更高层上的蜂巢状或者车轮状图案。每个卷积核都会生成一个不同的二维特征图。
[0025]将每个卷积核生成的不同特征图映射在深度方向上层叠起来就生成了输出数据。卷积操作可分为“VALID”和“SA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于U
‑
Net的城市建成区统计方法，其特征在于，该方法包括以下的步骤：S10、采集建成区遥感图像数据，获得建成区遥感图像；S20、建成区标注，针对建成区建筑进行数据标注，按照建成区定义进行标注；S30、图像块分割，按照服务器计算能力对建成区遥感图像进行分割处理，形成若干等大小的图像块，以获得多个样本；S40、格式转换，将VOC格式转换为COCO数据集，制作用于训练的数据集；S50、数据集划分，将数据集划分为训练集和测试集，训练集用于训练模型，测试集用于评估模型的准确率和鲁棒性；S60、构建U
‑
Net模型进行训练，以判断是否满足评估指数要求，当不满足评估指数要求时，则调整评估参数后，继续构建U
‑
Net模型进行训练；当满足评估指数要求时，则进入下一步；S70、完成模型训练后，将待预测图像按规则分割，输入网络中进行区域分割提取；S80、拼接识别完毕的图像块，获得原图像的检测结果，检测结果覆盖了建成区；S90、合并统计图像块面积，获取建成区面积。2.根据权利要求1所述的一种基于U
‑
Net的城市建成区统计方法，其特征在于，步骤S10中，在理解区域特性后，进行遥感图像的分割，以减少服务器运算压力。3.根据权利要求1所述的一种基于U
‑
Net的城市建成区统计方法，其特征在于，步骤S20中，利用labelme标注工具进行标注。4.根据权利要求1所述的一种基于U
‑
Net的城市建成区统计方法，其特征在于，步骤S20中，标注数据分为背景和检测区域两部分，其中背景是指非建成区包含的位置，检测区域涵盖建成区要素。5.根据权利要求1所述的一种基于U
‑
Net的城市建成区统计方法，其特征在于，步骤S20中...

【专利技术属性】
技术研发人员：叶绍泽，刘玉贤，卢永华，闫臻，阮明浩，
申请(专利权)人：深圳市勘察研究院有限公司，
类型：发明
国别省市：