一种基于遥感影像的离散建筑物检测方法及系统技术方案

本发明专利技术涉及一种基于遥感影像的离散建筑物检测方法及系统，包括以下步骤：获取遥感图像；基于第一模型，获得遥感影像中目标建筑物的特征，根据特征对应的图像块进行分类得到示例类别得分，将示例类别得分聚合形成场景类别得分，得到目标建筑物场景所在的区域，即含有建筑物场景的初始候选框；基于第二模型，在含有建筑物目标场景信息的候选框中对目标建筑物实例分割，得到目标建筑物的掩膜、类别和定位框信息。从遥感图像中得到建(构)筑物所在的场景，再从带有场景信息的候选框中提取到建(构)筑物的掩膜、类别和定位框，能够在排除虚警目标的基础上进行目标识别，有效解决检测过程中虚警目标多的问题，提高准确率。提高准确率。提高准确率。

【技术实现步骤摘要】
一种基于遥感影像的离散建筑物检测方法及系统


[0001]本专利技术涉及建筑物检测
，具体为一种基于遥感影像的离散建筑物检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]根据离散建(构)筑物的掩膜、类别和定位框，能够判断其是否为违章建筑，能够遏制违法占用耕地建房，并保护耕地红线。由于离散建(构)筑物大小不一、形态多样，常规的离散建(构)筑物提取常采用人机交互方式，此方法任务量大，容易丢漏，效率低下，质量不高。
[0004]随着高分辨率遥感影像资源的日益丰富，能够获取更精密细致的信息，高分辨率遥感影像已成为获取信息的主要数据源。然而因卫星观测角度产生的地物遮挡问题、“同谱异物”、“同物异谱”、小型目标建筑物等问题，难以快速准确地提取和检测地物信息。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于遥感影像的离散建筑物检测方法及系统，从遥感图像中得到建(构)筑物所在的场景，再从带有建(构)筑物场景信息的候选框中提取到建(构)筑物的掩膜、类别和定位框，能够在排除虚警目标的基础上进行目标建(构)筑物识别，有效地解决了检测过程中虚警目标多的问题，间接提高准确率。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种基于遥感影像的离散建筑物检测方法，包括以下步骤：
[0008]获取遥感图像；
[0009]基于第一模型，获得遥感影像中目标建筑物的特征，根据特征对应的图像块进行分类得到示例类别得分，将示例类别得分聚合形成场景类别得分，得到目标建筑物场景所在的区域，即含有建筑物场景的初始候选框；
[0010]基于第二模型，在含有建筑物目标场景信息的候选框中对目标建筑物实例分割，得到目标建筑物的掩膜、类别和定位框信息。
[0011]第一模型包括示例分类器和汇集函数，示例分类器通过提取到的特征对示例分类；汇集函数接收示例标签，将示例预测的类别标签整合为场景的预测结果，形成最终的类别标签。
[0012]示例分类器包括卷积网络模型Alex
‑
Net、VGG
‑
Net或ResNet50/101中的至少一种。
[0013]示例分类器具有三个最大池化层和三层全连接层。
[0014]汇集函数将示例类别得分聚合成场景类别得分，汇集过程根据示例特征权重的大
小，将注意力集中到图像分类的关键部分，场景类别的得分为实力类别的加权平均。
[0015]根据示例的注意力权重值W
i，j
评价示例的重要性，具体为：
[0016]注意力权重计算的方式为：
[0017][0018]a,b为注意力网络机制的参数，h
i,j
为输出特征。
[0019]第二模型在含有场景信息的候选框中，提取出建筑物的特征图，对特征图的每一个像素位置设定固定数量的兴趣区域，将兴趣区域送入区域生成网络进行二分类以及坐标回归，得到精炼后的兴趣区域，将兴趣区域映射到特征提取网络的最后一层卷积特征图上，得到固定尺寸的特征图，对兴趣区域分类。
[0020]本专利技术的第二个方面提供实现上述方法的系统，包括：
[0021]数据获取模块，配置为：获取遥感影像；
[0022]场景分类模块，配置为：基于第一模型，获得遥感影像中目标建筑物的特征，根据特征对应的图像块进行分类得到示例类别得分，将示例类别得分聚合形成场景类别得分，得到目标建筑物场景所在的区域，即含有建筑物场景的初始候选框；
[0023]提取检测模块，配置为：基于第二模型，在含有建筑物目标场景信息的候选框中对目标建筑物实例分割，得到目标建筑物的掩膜、类别和定位框信息。
[0024]本专利技术的第三个方面提供一种计算机可读存储介质。
[0025]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于遥感影像的离散建筑物检测方法中的步骤。
[0026]本专利技术的第四个方面提供一种计算机设备。
[0027]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于遥感影像的离散建筑物检测方法中的步骤。
[0028]与现有技术相比，以上一个或多个技术方案存在以下有益效果：
[0029]1、从遥感图像中得到建(构)筑物所在的场景，再从带有场景信息的候选框中提取到建(构)筑物的掩膜、类别和定位框，能够在排除虚警目标的基础上进行目标建(构)筑物识别，有效地解决了检测过程中虚警目标多的问题，提高准确率。
[0030]2、检测算法虽然经过场景分类和实例分割两个阶段，相较于传统的目标检测增加了场景分类阶段，但是在场景分类的候选框中直接进行实例分割，有效减少了大量无目标区域的检测提取的工作量，相比与传统方式的检测效率更高。
附图说明
[0031]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0032]图1是本专利技术一个或多个实施例提供的离散建筑物检测方法流程示意图；
[0033]图2是本专利技术一个或多个实施例提供的离散建筑物检测方法中的示例级方法流程图；
[0034]图3是本专利技术一个或多个实施例提供的离散建筑物检测方法中多示例卷积网络分
类框架结构示意图；
[0035]图4是本专利技术一个或多个实施例提供的离散建筑物检测方法中Alex
‑
Net网络结构示意图；
[0036]图5(a)
‑
(d)是本专利技术一个或多个实施例提供的离散建筑物检测方法中样本库的部分样本示例图；
[0037]图6(a)
‑
(d)是本专利技术一个或多个实施例提供的离散建筑物检测方法中样本的原图、语义图和注意力示例图；
[0038]图7是本专利技术一个或多个实施例提供的离散建筑物检测方法中高山地区稀疏建筑物检测样例；
[0039]图8是本专利技术一个或多个实施例提供的离散建筑物检测方法中Mask R
‑
CNN网络结构分类图；
[0040]图9是本专利技术一个或多个实施例提供的离散建筑物检测方法在数据集中的部分样例；
[0041]图10(a)
‑
(b)是本专利技术一个或多个实施例提供的离散建筑物检测方法在精度评价过程中的测试结果图。
具体实施方式
[0042]下面结合附图与实施例对本专利技术作进一步说明。
[0043]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0044]需要注意的是，这里所使用的术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感影像的离散建筑物检测方法，其特征在于：包括以下步骤：获取遥感影像；基于第一模型，获得遥感影像中目标建筑物的特征，根据特征对应的图像块进行分类得到示例类别得分，将示例类别得分聚合形成场景类别得分，得到目标建筑物场景所在的区域，即含有建筑物场景的初始候选框；基于第二模型，在含有建筑物目标场景信息的候选框中对目标建筑物实例分割，得到目标建筑物的掩膜、类别和定位框信息。2.如权利要求1所述的一种基于遥感影像的离散建筑物检测方法，其特征在于：第一模型包括示例分类器和汇集函数，示例分类器通过提取到的特征对示例分类；汇集函数接收示例标签，将示例预测的类别标签整合为场景的预测结果，形成最终的类别标签。3.如权利要求2所述的一种基于遥感影像的离散建筑物检测方法，其特征在于：所述示例分类器包括卷积网络模型Alex
‑
Net、VG G
‑
Net或ResNet50/101中的至少一种。4.如权利要求2所述的一种基于遥感影像的离散建筑物检测方法，其特征在于：所述示例分类器具有三个最大池化层和三层全连接层。5.如权利要求2所述的一种基于遥感影像的离散建筑物检测方法，其特征在于：汇集函数将示例类别得分聚合成场景类别得分，汇集过程根据示例特征权重的大小，将注意力集中到图像分类的关键部分，场景类别的得分为示例类别的加权平均。6.如权利要求5所述的一种基于遥感影像的离散建筑物检测方法，其特征在于：根据示例的注意力权重值W
i，j
评价示例的重要性，具体为：注意力...

【专利技术属性】
技术研发人员：董传胜，李国华，解加粉，丁仕军，刘强，陈建忠，孙如瑶，
申请(专利权)人：山东省国土测绘院，
类型：发明
国别省市：