一种卫星遥感影像建筑物提取方法技术

本发明专利技术涉及一种卫星遥感影像建筑物提取方法，属于遥感影像处理技术领域。本发明专利技术采用主干网络加头部网络的架构进行卫星遥感影像建筑物的提取，其中利用主干网络对遥感影像进行多尺度特征提取，由头部网络对多尺度特征进行处理；头部网络首先将多尺度特征上采样至同一空间分辨率下，从通道维度拼接多尺度特征；之后由通道注意力模块进行特征融合处理；再由上采样模块对特征进行进一步处理，最终实现建筑物的提取。本发明专利技术采用的头部网络能够实现不同层级输出特征的融合，可以得到更好地图像表征，顾及到了影像的上下文信息，同时也一定程度上压缩了特征图的数量，有利于从遥感影像上高精度地提取出不同大小与形状的建筑物，提高了建筑物提取精度。了建筑物提取精度。了建筑物提取精度。

【技术实现步骤摘要】
一种卫星遥感影像建筑物提取方法


[0001]本专利技术涉及一种卫星遥感影像建筑物提取方法，属于遥感影像处理


技术介绍

[0002]遥感影像的处理和解译，是测绘生产的重要任务之一，也是实现国土空间规划精准管控的关键技术之一。其中，实时、快速的建筑物提取对城市规划、灾害应急响应、基础地理信息更新等有着重要意义。但现有遥感影像处理效率仍然十分低下，尚不能满足智能化测绘在动态性、精准度、高度自动化等方面的需求。因此，如何有效利用遥感影像信息，辅助大数据时代智能测绘仍然是一个亟待解决的问题。
[0003]一般建筑物形态规则、分布规律，且光谱特性中能区分于其他不透水层，故早期学者多从形态学角度人工设计特征，例如融合直角点和直角边特征提取高分影像居民点，从角点和边信息出发，优化基于条件随机场的建筑提取方法，增强的形态学建筑指数，将建筑物区分于不透水物理层和其他形态差异大的地物。但是上述方式需要人工设计特征算子，而人工设计特征算子提取高维、异质特征的能力有限，使得算法不能有效处理各种建筑形态。
[0004]近年来，能够学习影像深层次特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卫星遥感影像建筑物提取方法，其特征在于，该方法包括以下步骤：1)获取卫星遥感影像数据；2)将获取的卫星遥感影像数据输入到已训练好的网络提取模型中，由所述已训练好的网络提取模型对输入的遥感影像进行建筑物提取；所述的网络提取模型包括主干网络和头部网络，其中主干网络用于对输入的遥感影像进行多尺度特征提取，所述头部网络用于对多尺度特征进行进行特征融合并从融合的特征中提取建筑物；所述的头部网络包括拼接模块、通道维注意力模块和上采样模块，其中拼接模块用于将主干网络提取的多尺度特征进行上采样，转换成相同尺度大小的特征，并在通道维度上进行拼接；所述通道维注意力模块用于对拼接后特征在每个通道上求平均，对平均后的特征进行全连接和非线性激活处理，将处理后特征与拼接模块输出的拼接特征进行元素相乘，并将相乘结果与所述拼接特征进行拼接，将拼接结果进行特征提取处理，得到改进后的特征；所述上采样模块用于对改进后的特征进行上采样和特征提取处理，得到原始输入大小的特征，并对原始输入大小的特征进行特征提取处理，实现对建筑物的提取。2.根据权利要求1所述的卫星遥感影像建筑物提取方法，其特征在于，所述通道维注意力模块包括采用第一子模块对平均后的特征进行全连接和非线性激活处理，其中第一子模块包括至少一组依次连接的全连接层和非线性激活层。3.根据权利要求1所述的卫星遥感影像建筑物提取方法，其特征在于，所述通道维注意力模块采用第二子模块进行特征提取处理，所述第二子模块包括一组子网络，所述子网络包括依次连接归一化层、非线性激活层和卷积层。4.根据权利要求1所述的卫星遥感影像建筑物提取方法，其特征在于，所述上采样模块采用第三子模块进行特征提取处理，第三子模块包括至少一组子网络，所述子网络包括依次连接归一化层、非线性激活层和卷积层。5.根据权利...

【专利技术属性】
技术研发人员：邱春平，余岸竹，郭文月，陈欣，刘冰，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：