本发明专利技术揭露一种基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法、系统、设备和存储介质，方法包括如下步骤：用UNet模型对正射影像进行分割，得到建筑物轮廓；将建筑物轮廓叠加到三维实景模型中；以建筑物轮廓作边界从三维实景模型中分离出对应建筑物的独立模型。本发明专利技术由于采用了UNet模型，实现了半自动化建筑物单体化建模，建筑物单体化的效率更高；同时，基于UNet模型深度学习的图像分割任务，只要参数设置得当，就可以自主地学习到数据中的各种浅层、深层特征，非常容易扩展到道路、水体、植被等其他地物类型的识别上，具有高精度、高效率和识别广等优点。高效率和识别广等优点。高效率和识别广等优点。
【技术实现步骤摘要】
基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法、系统、设备和存储介质
[0001]本专利技术涉及三维地理信息领域，尤其是涉及一种基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法、系统、设备和存储介质。
技术介绍
[0002]建筑物作为最重要的人工地物类型，在地图更新，GIS分析，城市及道路规划，环境建模等方面具有非常广泛的应用。快速准确地分割出建筑物图像，是遥感图像处理多年持续研究热点与难点任务之一。需要注意的是，计算机视觉中所说的图像分割任务，在遥感图像处理中通常被成为影像分类任务，两者术语不同，实际描述的都是把图像根据地物类型分割成不同的区域，例如建筑物
‑ꢀ
非建筑物两类。
[0003]传统的建筑物图像分割方法大多是基于人工经验设计特征的，例如建筑物的形态特征，纹理特征，阴影伴随关系，建筑物之间的间距，建筑物与道路的拓扑关系等等，这些方法取得了一定的效果，但是精度不够高。近年来深度学习兴起，前期研究大多数都聚焦在分类或检测任务，这些任务推动了 CNN等网络架构的发展。后来人们在CNN基础上发展出来FCN，用来做图像分割任务。但是FCN在精度和效率上存在问题，因此，人们又在其基础上发展出了UNet架构，这个网络架构进一步提升了针对图像分割任务的性能，已经成功地应用在医学图像分割等多个领域。
技术实现思路
[0004]针对现有建筑物图像分割方法存在的问题，为了提高倾斜摄影模型中建筑物单体化的精度及自动化水平，本专利技术提供基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法、系统、设备和存储介质。
[0005]本专利技术的一种技术方案是，提供一种基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法，包括如下步骤：
[0006]用UNet模型对正射影像进行分割，得到建筑物轮廓；
[0007]将所述建筑物轮廓叠加到三维实景模型中；
[0008]以所述建筑物轮廓作边界从所述三维实景模型中分离出对应建筑物的独立模型。
[0009]进一步，在用所述UNet模型对所述正射影像进行分割，得到建筑物轮廓的步骤前，还包括如下步骤：训练所述UNet模型。
[0010]进一步，在训练所述UNet模型的步骤中，还包括如下步骤：
[0011]构建所述UNet模型；
[0012]训练所述UNet模型；
[0013]验证所述UNet模型。
[0014]进一步，在构建所述UNet模型的步骤中，包括：用5层模型构建所述UNet 模型，输入层是3通道RGB图像，经过5层卷积编码器进行下采样，得到一个 1024层的特征图谱，所述
特征图谱再经过5层反卷积解码器进行上采样，还原出与输入图像分辨率一致的二值化RGB图像，0表示非建筑物像素，1表示建筑物像素。
[0015]进一步，在训练所述UNet模型的步骤中，包括：初始化所述UNet模型,设置学习率、循环次数、批大小相关参数，将经过随机反转、平移、旋转、缩放的数据增广处理后的训练样本分批次输入所述UNet模型进行训练，所述UNet 模型中采用BCE作为损失函数，其计算公式如下：
[0016]其中是损失值，y是真值，是预测概率。
[0017]进一步，还包括：
[0018]设置平均交并比作为建筑物图像分割精度衡量指标，其计算公式如下：
[0019]其中K是分类数，在建筑物分割案例中K＝2，即分为建筑物与非建筑物两类， P是被预测为建筑物的像素，G则是真实的建筑物像素。
[0020]进一步，在验证所述UNet模型的步骤中，包括：使用精度验证样本对所述 UNet模型进行连续训练并调整参数。
[0021]进一步，还包括准备所述训练样本。
[0022]进一步，准备所述训练样本包括：随机地准备若干建筑物正射影像，勾画出其中的建筑物，随机裁剪成很多小图像作为所述训练样本，取其中20％作为所述精度验证样本。
[0023]进一步，在将所述建筑物轮廓叠加到三维实景模型中的步骤前，还包括如下步骤：对分割不准确的所述建筑物轮廓进行调整。
[0024]本专利技术的另一种技术方案是，提供一种基于UNet的半自动化的倾斜摄影实景模型建筑物单体化系统，包括：
[0025]轮廓分割模块，用UNet模型对正射影像进行分割，得到建筑物轮廓；
[0026]叠加模块，用于将所述建筑物轮廓叠加到三维实景模型中；
[0027]模型分离模块，用于以所述建筑物轮廓作边界从所述三维实景模型中分离出对应建筑物的独立模型。
[0028]进一步，还包括模型训练模块，用于训练所述UNet模型。
[0029]进一步，所述模型训练模块包括：
[0030]构建模块，用于构建所述UNet模型；
[0031]训练模块，用于训练所述UNet模型；
[0032]验证模块，用于验证所述UNet模型。
[0033]进一步，所述构建模块包括：用5层模型构建所述UNet模型，输入层是3 通道RGB图像，经过5层卷积编码器进行下采样，得到一个1024层的特征图谱，所述特征图谱再经过5层反卷积解码器进行上采样，还原出与输入图像分辨率一致的二值化RGB图像，0表示非建筑物像素，1表示建筑物像素。
[0034]进一步，所述训练模块包括：初始化所述UNet模型,设置学习率、循环次数、批大小相关参数，将经过随机反转、平移、旋转、缩放的数据增广处理后的训练样本分批次输入所述UNet模型进行训练，所述UNet模型中采用BCE作为损失函数，其计算公式如下：
[0035]其中是损失值，y是真值，是预测概率。
[0036]进一步，还包括：
[0037]设置平均交并比作为建筑物图像分割精度衡量指标，其计算公式如下：
[0038]其中K是分类数，在建筑物分割案例中K＝2，即分为建筑物与非建筑物两类， P是被预测为建筑物的像素，G则是真实的建筑物像素。
[0039]进一步，所述验证模块包括：使用精度验证样本对所述UNet模型进行连续训练并调整参数。
[0040]进一步，还包括：调整模块，用于对分割不准确的所述建筑物轮廓进行调整。
[0041]本专利技术的第三种技术方案是，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现上述任一技术方案所述的基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法的步骤。
[0042]本专利技术的第四种技术方案是，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一技术方案所述的基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法的步骤。
[0043]本专利技术由于采用了UNet模型，实现了半自动化建筑物单体化建模，建筑物单体化的效率更高；同时，基于UNet模型深度学习的图像分割任务，只要参数设置得当，就可以自主地学习到数据中的各种浅层、深层特征，非常容易扩展到道路本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于UNet的半自动化的倾斜摄影实景模型建筑物单体化方法，其特征在于，包括如下步骤：用UNet模型对正射影像进行分割，得到建筑物轮廓；将所述建筑物轮廓叠加到三维实景模型中；以所述建筑物轮廓作边界从所述三维实景模型中分离出对应建筑物的独立模型。2.根据权利要求1所述的方法，其特征在于，在用所述UNet模型对所述正射影像进行分割，得到建筑物轮廓的步骤前，还包括如下步骤：训练所述UNet模型。3.根据权利要求2所述的方法，其特征在于，在训练所述UNet模型的步骤中，还包括如下步骤：构建所述UNet模型；训练所述UNet模型；验证所述UNet模型。4.根据权利要求3所述的方法，其特征在于，在构建所述UNet模型的步骤中，包括：用5层模型构建所述UNet模型，输入层是3通道RGB图像，经过5层卷积编码器进行下采样，得到一个1024层的特征图谱，所述特征图谱再经过5层反卷积解码器进行上采样，还原出与输入图像分辨率一致的二值化RGB图像，0表示非建筑物像素，1表示建筑物像素。5.根据权利要求3所述的方法，其特征在于，在训练所述UNet模型的步骤中，包括：初始化所述UNet模型,设置学习率、循环次数、批大小相关参数，将经过随机反转、平移、旋转、缩放的数据增广处理后的训练样本分批次输入所述UNet模型进行训练，所述UNet模型中采用BCE作为损失函数，其计算公式如下：其中是损失值，y是真值，是预测概率。6.根据权利要求5所述的方法，其特征在于，还包括：设置平均交并比作为建筑物图像分割精度衡量指标，其计算公式如下：其中K是分类数，在建筑物分割案例中K＝2，即分为建筑物与非建筑物两类，P是被预测为建筑物的像素，G则是真实的建筑物像素。7.根据权利要求3所述的方法，其特征在于，在验证所述UNet模型的步骤中，包括：使用精度验证样本对所述UNet模型进行连续训练并调整参数。8.根据权利要求3所述的方法，其特征在于，还包括准备所述训练样本。9.根据权利要求8所述的方法，其特征在于，准备所述训练样本包括：随机地准备若干建筑物正射影像，勾画出其中的建筑物，随机裁剪成很多小图像作为所述训练样本，取其中20％作为所述精度验证样本。10.根据权利要求1或2所述的方法，其特征在于，在将所述建筑物轮廓叠加到三维实景模型中的步骤前，还包括如下步骤：对分割不准确的所述建筑物轮廓进行调整。11.一种基于UNet的半自动化的倾斜摄影实景模...
【专利技术属性】
技术研发人员：陈柏松，刘忠伟，张永军，吴陶冶，杨维国，
申请(专利权)人：深圳高速工程顾问有限公司，
类型：发明
国别省市：
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。