一种基于批风格混合的遥感影像建筑物提取模型泛化方法技术

本发明专利技术涉及一种基于批风格混合的遥感影像建筑物提取模型泛化方法。本发明专利技术方法充分利用已有标签大数据集信息，结合一个多输出的带有位置注意力和通道注意力模块的编码

【技术实现步骤摘要】
一种基于批风格混合的遥感影像建筑物提取模型泛化方法


[0001]本专利技术涉及一种基于批风格混合的遥感影像建筑物提取模型泛化方法，只需要利用已有的大规模有标签遥感数据集进行一次训练，即可在任意无标签遥感影像上自动提取建筑物，有效提高了无标签遥感影像上的建筑物提取精度，在无标签影像质量较优的情况下甚至能获得接近于人工绘制水平的建筑物提取结果，大大降低了标记成本，极大提高了建筑物提取速度，是遥感影像自动化建筑物提取研究的重要一步，具有较高的应用价值。

技术介绍

[0002]建筑物是遥感影像尤其是城市区域遥感影像上最普遍存在的地物类型之一。遥感影像上建筑物的自动提取任务是遥感影像处理分析领域重要且基础的任务，对于城市规划、地形图制作与更新、数字化城市建设等等意义重大。随着遥感技术的飞速发展，遥感影像的分辨率不断提高，高分辨率影像提供的精细丰富的信息为建筑物提取提供了非常有利的条件。
[0003]近年来，依托于大数据以及高性能计算设备的发展，深度学习技术在计算机视觉和自然语言处理等领域取得爆炸式发展，显现出了强大的性能。将深度学习技术应用于高分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于批风格混合的遥感影像建筑物提取模型泛化方法，其特征在于，包括如下步骤：步骤1，根据已有影像及其对应的建筑物标注文件构建大规模训练集，无标签待提取建筑物影像构建测试集；步骤2，构建一个带有位置注意力和通道注意力模块的编码
‑
解码结构的卷积神经网络建筑物提取模型；步骤3，使用训练集影像进行建筑物提取模型的训练，训练过程中，对从训练集中随机抽取的小批次上的图像，首先将其输入批风格混合模块，在一定的概率下执行几何增强、色彩增强和基于深度学习的风格混合，渐进地为建筑提取模型学习数据不变性特征提供一个广阔的数据分布；其次，将处理得到的图像小批次送入建筑物提取模型，计算损失函数并通过反向传播实现模型在GPU上的训练，通过更广阔的数据训练，实现建筑物提取模型的泛化能力增强；其中批风格混合模块中基于深度学习的风格混合的具体方式如下：记经过几何增强、色彩增强输出的小批次称为内容小批次，小批次内的图像按顺序编号；首先打乱内容小批次图像的顺序，形成另一个小批次，称为风格小批次，风格小批次与内容小批次编号相同的图像为待风格混合的图像；将内容小批次和风格小批次输入风格迁移模型的VGG
‑
19结构编码器，得到对应深层特征f
c
和f
s
；其次，对f
c
进行重标准化操作，使其通道维度的均值和方差和f
s
一致，得到特征f
cs
，此时f
cs
携带的风格信息与f
s
相同或相似，但内容信息保持不变；对f
cs
和f
c
进行一定比例的线性插值，以混合两个特征携带的风格信息，得到特征f
ccs
；将f
ccs
经过风格迁移网络的VGG
‑
19镜像结构的解码器，输出风格混合小批次；得到的混合风格小批次上，第i张图像的内容与内容小批次上第i张图像相同，风格则为内容小批次和风格小批次上第i张图像风格的混合；步骤4，利用训练好的建筑物提取模型，对测试集影像进行预测，得到像素级的建筑物提取结果，拼接该结果并矢量化，输出最终的建筑物多边形矢量文件。2.如权利要求1所述的一种基于批风格混合的遥感影像建筑物提取模型泛化方法，其特征在于：步骤1的具体实现包括如下子步骤；步骤1.1，标签数据制作：将训练集影像的建筑物矢量标签栅格化，也就是将建筑物矢量对应的像素标记为255，剩余的非建筑物区域标记为0，得到栅格的二值标签数据...

【专利技术属性】
技术研发人员：季顺平，罗牧莹，
申请(专利权)人：武汉大学，
类型：发明
国别省市：