一种基于卷积神经网络的遥感影像建筑物提取方法技术

本发明专利技术公开了一种基于卷积神经网络的遥感影像建筑物提取方法，属于遥感影像领域，包括以下步骤：步骤一：获取遥感影像，利用灰度阈值法对图像进行分割；步骤二：对原始图像进行降采样，形成不同分辨率的图像集，由低到高建立原始图像的排列模型，分别对排列模型中的每个图像进行特征点的检测。利用卷积神经网络，提取图像特征并分类，并通过图像的轮廓曲线、建筑物特征、建筑物高度计算、建筑物特征排除等多方面信息参数，将影像中的建筑物精确区分并提取，同时，将提取过程中分析的参数作为注释信息，完善提取的建筑物信息，得到建筑物图像信息外还具有其它相关注释。像信息外还具有其它相关注释。像信息外还具有其它相关注释。

【技术实现步骤摘要】
一种基于卷积神经网络的遥感影像建筑物提取方法


[0001]本专利技术涉及遥感影像
，尤其涉及基于卷积神经网络的遥感影像建筑物提取方法。

技术介绍

[0002]遥感影像是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片，而卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类。
[0003]根据中国专利文献，公布号CN110852207A所提供的基于面向对象影像分类技术的蓝色屋顶建筑物提取方法，其利用遥感影像的光谱特征和形状特征的提取规则，从分割结果中提取研究区域内的蓝色屋顶建筑物，能够将蓝色屋顶建筑物从复杂的遥感影像中完整准确地提取出来，但是并不是所有建筑物均是蓝色屋顶。
[0004]现有技术中，有很多分类精度较高的基于像元的遥感影像分类方法，如深度学习方法中的U
‑
net，机器学习方法中的基于SVM的影像分类方法等，但是这些基于像元的遥感影像分类方法并没有充分利用遥感影像的全部特征，并且，没有利用卷积神经网络的特征提取、分类以及其学习的能力，而且在对影像中的建筑物提取时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的遥感影像建筑物提取方法，其特征在于，包括以下步骤：步骤一：获取遥感影像，利用灰度阈值法对图像进行分割；步骤二：对原始图像进行降采样，形成不同分辨率的图像集，由低到高建立原始图像的排列模型，分别对排列模型中的每个图像进行特征点的检测；步骤三：分析图片获得建筑特征像素块、建筑特征边缘轮廓曲线、建筑阴影和建筑周遭信息组成；步骤四：判断图像中的建筑区域和建筑周遭区域，利用神经网络进行特征提取和分类；步骤五：根据建筑阴影信息和太阳高度角计算建筑高度，并添加至上述提取的建筑特征信息中；步骤六：整合对建筑物平面信息、相关的位置信息、高度信息以及建筑周遭信息，完成对图像中建筑物的提取。2.根据权利要求1所述的基于卷积神经网络的遥感影像建筑物提取方法，其特征在于，用于步骤四中建筑特征的提取，包括以下步骤：分别进行去除植被特征提取、去除道路特征提取、去除水泥地特征提取；区分建筑物和道路、区分植被和建筑物、区分建筑物和水泥路，得到建筑物平面图形；提取得到建筑物信息。3.根据权利要求2所述的基于卷积神经网络的遥感影像建筑物提取方法...

【专利技术属性】
技术研发人员：张康丽，王丽英，陈琦嘉，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：