【技术实现步骤摘要】
一种遥感影像建筑物语义分割结果纠正提取方法
[0001]本专利技术涉及图像目标识别领域,尤其涉及一种遥感影像建筑物语义分割结果纠正提取方法。
技术介绍
[0002]遥感影像深度学习语义分割领域由于模型受训练样本和实际图像在色彩、光照、图像采集硬件等方面的差异的影响,建筑物的提取往往不精确,导致提取的建筑物出现缺失或冗余部分。因此,建筑物语义分割结果的精确纠正提取是遥感影像建筑物语义分割后处理领域迫切需要解决的难题。由于目前建筑物语义分割结果纠正提取的后处理过程所用到的大多数方法都是采用数学几何算法,没有结合原始影像中的建筑物特征进行处理,使得建筑物语义分割图像纠正提取的结果不够准确,需要花费大量人力物力资源对结果进行人工处理,极大地降低了遥感影像建筑物提取效率。
技术实现思路
[0003]为了针对以上技术问题,本专利技术提供一种遥感影像建筑物语义分割结果纠正提取方法,包括以下步骤:
[0004]S1、读取源建筑物图及其语义分割结果图;
[0005]S2、对源建筑物图进行均值漂移算法得到颜色聚类图;
[0006]S3、对颜色聚类图设置初始颜色像元面积占比阈值W,将语义分割结果图的轮廓和颜色聚类图进行叠加,取交集,得到叠加图;
[0007]S4、判断叠加图中各颜色像元面积占颜色聚类图中对应颜色的像元面积的百分比w,如果w大于W,则保留颜色,否则舍弃颜色,得到聚类初步提取图;
[0008]S5、将聚类初步提取图进行二值化,得到颜色聚类提取图。
[0009]S6
【技术保护点】
【技术特征摘要】
1.一种遥感影像建筑物语义分割结果纠正提取方法,其特征在于:包括以下步骤:S1、读取源建筑物图及其语义分割结果图;S2、对源建筑物图进行均值漂移算法得到颜色聚类图;S3、对颜色聚类图设置初始颜色像元面积占比阈值W,将语义分割结果图的轮廓和颜色聚类图进行叠加,取交集,得到叠加图;S4、判断叠加图中各颜色像元面积占颜色聚类图中对应颜色的像元面积的百分比w,如果w大于W,则保留颜色,否则舍弃颜色,得到聚类初步提取图;S5、将聚类初步提取图进行二值化,得到颜色聚类提取图。S6、利用表征值将颜色聚类提取图和语义分割结果图进行符合度计算,按照颜色像元面积占比阈值从小到大的顺序,将当前符合度计算结果和颜色像元面积占比阈值配对放入集合S;S7、判断W是否大于预设的阈值a,若大于,则遍历集合S,求相邻颜色像元占比阈值所对应的符合度计算结果的差值的绝对值threshold,放入集合Q,直至遍历完毕,进入步骤S8;否则,W每次自增Δt,重复步骤S4
‑
S6;S8、遍历集合Q,获取最小的threshold,当最小的threshold值出现的次数大于预设的阈值b时,则选择首个出现的threshold,将其所对应的颜色像元面积占比阈值范围的左边界确定为最佳颜色像元面积占比阈值bestW;S9、判断叠加图中各颜色像元面积占颜色聚类图中对应颜色的像元面积的百分比w,如果w大于bestW,则保留颜色,否则舍弃颜色,得到初步建筑物语义分割纠正提取图;S10、将初步建筑物语义分割纠正提取图进行二值化,得到最终的建筑物语义分割纠正提取图。2.如权利要求1所述的一种遥感影像建筑物语义分割结果纠正提取方法,其特征在于:步骤S6中,表征值包括图像空间表征值、图像内核表征值、图像规范化内核表征值和图像稳定表征值。3.如权利要求2所述的一种遥感影像建筑物语义分割结果纠正提取方法,其特征在于:图像空间表征值计算如下:其中i,j分别代表图像的行号和列号,I(i,j)是像素(i,j)处的像素值,m为图像行号i的指数,n为图像列号j的指数,m+n的值为z,q
mn
即图像z度表征值。4.如权利要求3所述的一种遥感影像建筑物语义分割结果纠正提取方法,其特征在于:图像内核表征值的计算式如下:其中5.如权利要求3所述的一种遥感影像建筑物语义分割结果纠正提取方法,其特征在于:图像规范化内核表征值如下:
6.如权利要求3所述的一种遥感影像建筑物语义分割结果纠正提取方法,其特征在于:图像稳定表征值包括7个,计算式如下:V1=qs
20
+qs
02
V2=(qs
20
‑
qs
02
)2+4qs
112
V3=(qs
30
‑
3qs
...
【专利技术属性】
技术研发人员:王登科,谢帮华,郭明强,容东林,王小兵,王波,黄瑞玺,谢忠,吴亮,
申请(专利权)人:中国地质大学武汉,
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。