适合于大区域高分辨率卫星影像的建成区高质量检测方法技术

本发明专利技术公开了适合于大区域高分辨率卫星影像的建成区高质量检测方法，包括以下步骤：S1)构建建成区和非建成区的样本集；S2）构建融合多层级特征的轻量级卷积神经网络模型并对其进行训练；S3）对研究区影像进行多模式的划分；S4）采用S2构建和训练的模型，对S3中影像块进行逐块的预测，获得各划分模式下的每个影像块隶属建成区的隶属度；S5）集成覆盖每个像素的多个影像块的隶属度确定其类别标签，获得最终的像素水平的高质量的建成区检测结果。本发明专利技术基于多模式划分的影像处理与集成分类识别框架，对每个像素能够利用多尺度、多方向的上下文信息，通过集成多模式块的类别标签实现像素级的分类，使得建成区检测结果更加精细和完整。整。整。

【技术实现步骤摘要】
适合于大区域高分辨率卫星影像的建成区高质量检测方法


[0001]本专利技术属于遥感图像处理领域，具体涉及适合于大区域高分辨率卫星影像的建成区高质量检测方法。

技术介绍

[0002]卫星遥感由于其大尺度和周期观测性，已成为城市建成区位置、范围等地理空间信息快速获取和更新的重要支撑技术。高分辨率卫星数据的广泛可用性为实现建成区更精细尺度的制图提供了可能。但相比于中低分辨率影像，高分辨率卫星影像包含各种类型的细节特征和复杂的场景，这使得图像处理和目标检测更加困难。特别地，城市建成区是一个大范围的异质的地理对象，其内部不同位置包含多样化的地物特征，具有复杂的空间结构模式；与此同时，空间分辨率的提高，也意味着需要处理的影像的数据量大大增加，这必然给建成区的检测增加了计算代价，这些因素都给高分辨率卫星影像的建成区的提取和制图带来了极大的挑战性。此外，城市建成区不仅覆盖广阔的空间范围，而且具有确定的形状边界，如何准确定位其边界并保持目标形状的完整性也是需要解决的问题。
[0003]传统的建成区提取方法主要是利用人工设计的（handcrafted）特征提取算法，根据建成区的纹理、结构等来实现建成区的特征表示，然后利用监督或非监督分类方法实现建成区的提取。这种方法适合于小区域或简单场景的高分影像，对于大区域的高分影像由于特征的空间异质性以及数据量的增大，人为设计通用性的特征提取算法较为困难，这导致现有技术提取效果往往不理想。
[0004]近年来，深度学习的出现为高分辨率遥感影像建筑区的自动提取提供新的思路。深度学习可以从样本数据通过比如卷积、池化等操作自动学习场景和目标的多尺度特征，战胜了传统的手工设计的特征的不足。在计算视觉和模式识别的领域，多种深度卷积的神经网络（DCNN）模型，例如VGG
‑
Net、GoogLeNet、ResNet和DenseNet等目前已被发展，这些网络及其改进的结构已被广泛应用于包括场景分类、土地利用制图、目标检测等在内的遥感图像处理任务。但这些网络大多面向多元分类任务而设计，具有复杂模型结构和巨大的参数量，其性能优劣依赖于大数量的标记样本，并且这些模型的训练过程通常需要较大的计算消耗。
[0005]高分影像建成区提取是一个二元分类问题，只需要轻量级的网络即可满足需要。在深度学习框架下，建成区提取可以通过语义分割或场景分类来实现。前者需要像素级的样本，获取这些样本通常比较耗时费力，而后者只需要图块级的样本，样本获取较为容易，并且基于块的处理方式对于大区域的影像也具有更高的处理效率和更好的特征表示性能。现有的基于块的处理方式通常使用固定尺寸的规则格网划分来产生影像块，这种硬划分的方式会破坏建成区内部的空间关系，导致大的漏检和伪检，并且还会导致严重的锯齿状的边界。

技术实现思路

[0006]本专利技术的目的在于：提出适合于大区域高分辨率卫星影像的建成区高质量检测方法，以解决现有技术的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：适合于大区域高分辨率卫星影像的建成区高质量检测方法，包括以下步骤：S1、根据待检测的建筑物尺寸与影像分辨率的关系，确定样本图像的大小，制作块水平的覆盖多样化场景的高分辨率的建成区与非建成区样本集；S2、构建融合多层级特征的轻量级卷积神经网络，以步骤S1得到的两类样本集的影像块作为输入、其对应标签作为输出，对神经网络进行训练，获得影像块隶属度表示模型；S3、对待检测区影像进行多种结构模式划分，得到对应的各个结构模式的影像块数据集；S4、利用步骤S2得到的影像块隶属度表示模型，对待检测区多种结构模式的影像块进行特征计算，得到各个影像块隶属建成区的隶属度；S5、对待检测区影像的每个像素，遍历多种结构模式的影像块，并结合各个影像块隶属建成区的隶属度，确定该像素类别标签，获得最终的像素水平的高质量的建成区检测结果。
[0008]进一步地，前述的步骤S1中根据可检测的建筑物尺寸与影像分辨率的关系，确定样本图像的大小，其确定方式为：预设样本图像的大小为s
×
s，地面建筑物的实际长度为L，影像的分辨率为R，按如下公式：s=L/R确定样本图像的大小；所述的制作块水平的覆盖多样化场景的高分辨率的建成区与非建成区样本集，表示为:,其中，为样本图像块，为其对应的标签，取值为1对应建成区类，取值为0对应非建成区类，N为样本数目。
[0009]进一步地，前述的步骤S2中，所述融合多层级特征的轻量级卷积神经网络模型，包括一个3
×
3卷积层、一个2
×
2最大池化层、三个特征提取模块、两个特征融合模块、一个全局平均池化层和一个用于生成分类结果的全连接层。
[0010]进一步地，前述的步骤S3中对待检测区影像进行多种模式划包括如下子步骤：S3.1、定义原格网：即覆盖待检测区影像的规则方形格网，并预设方形格网单元的尺寸；S3.2、将原格网围绕其中心顺时针或逆时针旋转45度，对应得到旋转格网；S3.3、利用原格网及其旋转格网分别对待检测区影像进行切割，分别对应得到原格网影像块和旋转格网影像块；S3.4、分别对原格网、旋转格网沿着待检测区影像的水平方向向右边进行t次等间隔的平移，平移间隔为s/t，每平移一次对其覆盖的待检测区影像进行一次规则的格网分
块，对应得到平移格网划分产生的影像块分别作为原格网水平平移影像块、旋转格网水平平移影像块；S3.5、分别将原格网和旋转格网分别沿着待检测区影像的垂直方向向下进行平移和影像分块，对应得到原格网垂直平移影像块和旋转格网垂直平移影像块。
[0011]进一步地，前述的适合于大区域高分辨率卫星影像的建成区高质量检测方法，所述三个特征提取模块包含两条路径：第一条路径是一个1
×
1的卷积层，用于承接底层特征；第二条路径包括由三个顺序连接的深度可分离卷积，两条路径输出的特征图在通道维度连接后通过一个2
×
2最大池化层后输出最终的特征。
[0012]进一步地，前述的适合于大区域高分辨率卫星影像的建成区高质量检测方法，所述特征融合模块将输入的低层特征依次经过一个1
×
1的卷积层、一个全局最大池化层、一个全连接层和一个sigmoid函数后，与输入的高层特征通过点乘运算获得融合的特征。
[0013]进一步地，前述的适合于大区域高分辨率卫星影像的建成区高质量检测方法，所述三个顺序连接的深度可分离卷积包括一个1
×
1卷积和两个3
×
3卷积，用于提取不同层级的特征。
[0014]进一步地，前述的步骤S4包括如下子步骤：S4.1、对待检测区影像的每个像素，遍历多种结构模式的影像块，若某一影像块包含该像素，则确定该影像块覆盖该像素，并将覆盖该像素的所有影像块集合定义为该像素的上下文影像块；S4.2、对该像素的上下文影像块的所有隶属度进行排序，确定隶属度的最大值和最小值；S4.3、基于预设隶属度阈值，判断步骤S4.2得到的隶属度最小值是否大于预设隶属度阈值，是则将该像素标记为建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.适合于大区域高分辨率卫星影像的建成区高质量检测方法，其特征在于，包括如下步骤：S1、根据待检测的建筑物尺寸与影像分辨率的关系，确定样本图像的大小，制作块水平的覆盖多样化场景的高分辨率的建成区与非建成区样本集；S2、构建融合多层级特征的轻量级卷积神经网络，以步骤S1得到的两类样本集的影像块作为输入、其对应标签作为输出，对神经网络进行训练，获得影像块隶属度表示模型；S3、对待检测区影像进行多种结构模式划分，得到对应的各个结构模式的影像块数据集；S4、利用步骤S2得到的影像块隶属度表示模型，对待检测区多种结构模式的影像块进行特征计算，得到各个影像块隶属建成区的隶属度；S5、对待检测区影像的每个像素，遍历多种结构模式的影像块，并结合各个影像块隶属建成区的隶属度，确定该像素类别标签，获得最终的像素水平的高质量的建成区检测结果。2.根据权利要求1所述的适合于大区域高分辨率卫星影像的建成区高质量检测方法，其特征在于，步骤S1中根据可检测的建筑物尺寸与影像分辨率的关系，确定样本图像的大小，其确定方式为：预设样本图像的大小为s
×
s，地面建筑物的实际长度为L，影像的分辨率为R，按如下公式：s=L/R确定样本图像的大小；所述的制作块水平的覆盖多样化场景的高分辨率的建成区与非建成区样本集，表示为:，其中，为样本图像块，为其对应的标签，取值为1对应建成区类，取值为0对应非建成区类，N为样本数目。3.根据权利要求2所述的适合于大区域高分辨率卫星影像的建成区高质量检测方法，其特征在于，步骤S2中，所述融合多层级特征的轻量级卷积神经网络模型，包括一个3
×
3卷积层、一个2
×
2最大池化层、三个特征提取模块、两个特征融合模块、一个全局平均池化层和一个用于生成分类结果的全连接层。4.根据权利要求1所述的适合于大区域高分辨率卫星影像的建成区高质量检测方法，其特征在于，步骤S3中对待检测区影像进行多种模式划包括如下子步骤：S3.1、定义原格网：即覆盖待检测区影像的规则方形格网，并预设方形格网单元的尺寸；S3.2、将原格网围绕其中心顺时针或逆时针旋转45度，对应得到旋转格网；S3.3、利用原格网及其旋转格网分别对待检测区影像进行切割，分别对应得到原格网影像块和旋转格网影像块；S3.4、分别对原格网、旋转格网沿着待检测区影像的水平方向向右边进行t次等间隔的平移，平移间隔为s/t，每平移一次对其覆盖的待检测区影像进行一次规则的格网分块，对应得到平移格网划分产生的影像块分别作为原格网水平平移影像块、旋转格网水平平移影像块；
S3.5、分别将原格网和旋转格网分别沿着待检测区影像的垂直方向向下进行平移和影像分块，对应得到原格网垂直平移影像块和旋转格网垂直平移影像块。5.根据权利要求3所述的适合于大区域高分辨率卫星影像的建成区高质量检测方法，其特征在于，所述三个特征提取模块包含两条路径：第一条路径是一个1
×
1的卷积...

【专利技术属性】
技术研发人员：陈一祥，姚帅，陈学业，李胜，
申请(专利权)人：深圳市规划和自然资源数据管理中心深圳市空间地理信息中心，
类型：发明
国别省市：