基于单卫星图像的nDSM提取方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种基于单卫星图像的nDSM提取方法、装置及电子设备，包括：获取目标区域的单卫星图像和单卫星图像对应的翻转卫星图像；通过预先训练得到的nDSM提取网络，基于单卫星图像和/或翻转卫星图像，确定目标区域的目标nDSM值和目标高度分类图；其中，目标高度分类图用于区分目标区域内的建筑区域和非建筑区域；根据目标nDSM值和目标高度分类图，确定目标区域的高度估计结果。本发明专利技术可以仅基于单卫星图像，实现端到端直接输出nDSM值，还可以有效提高估计目标区域高度的准确度。以有效提高估计目标区域高度的准确度。以有效提高估计目标区域高度的准确度。

【技术实现步骤摘要】
基于单卫星图像的nDSM提取方法、装置及电子设备


[0001]本专利技术涉及遥感监测
，尤其是涉及一种基于单卫星图像的nDSM提取方法、装置及电子设备。

技术介绍

[0002]目前，现有nDSM的获取更多的是通过DSM（Digital Surface Model，数字地表模型）减去DEM（Digital Elevation Model，数字高程模型）的方式获得，而DEM、DSM的获取更多是通过多视立体卫星图像、SAR图像等进行计算，或者通过人工、无人机进行现场测绘，这都需要巨大的成本付出，或计算繁琐，或工作周期过长。
[0003]相关技术也提出通过AI（Artificial Intelligence），人工智能）的方式直接从遥感影像进行高度识别，但是现有深度学习模型通常仅能直接预测DSM，无法直接地反应地表物体高度。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于单卫星图像的nDSM提取方法、装置及电子设备，可以仅基于单卫星图像，实现端到端直接输出nDSM值，还可以有效提高估计目标区域高度的准确度。
[0005]第一方面，本专利技术实施例提供了一种基于单卫星图像的nDSM提取方法，包括：获取目标区域的单卫星图像和所述单卫星图像对应的翻转卫星图像；通过预先训练得到的nDSM提取网络，基于所述单卫星图像和/或所述翻转卫星图像，确定所述目标区域的目标nDSM值和目标高度分类图；其中，所述目标高度分类图用于区分所述目标区域内的建筑区域和非建筑区域；根据所述目标nDSM值和所述目标高度分类图，确定所述目标区域的高度估计结果。
[0006]在一种实施方式中，通过预先训练得到的nDSM提取网络，基于所述单卫星图像和/或所述翻转卫星图像，确定所述目标区域的目标nDSM值和目标高度分类图，包括：通过nDSM提取网络，基于所述单卫星图像确定所述目标区域的第一nDSM值和第一高度分类图；以及，通过所述nDSM提取网络，基于所述翻转卫星图像确定所述目标区域的第二nDSM值和第二高度分类图；其中，所述目标nDSM值包括第一nDSM值和第二nDSM值，所述目标高度分类图包括第一高度分类图和第二高度分类图。
[0007]在一种实施方式中，所述nDSM提取网络包括编码器、聚焦子网络和解码器，所述编码器包括多个尺度的特征提取单元，所述解码器包括多个尺度的第一上采样单元和一个第二上采样单元；通过nDSM提取网络，基于所述单卫星图像确定所述目标区域的第一nDSM值和第一
高度分类图，包括：通过所述编码器中每个所述特征提取单元，提取所述单卫星图像的不同尺度的深层特征；通过所述聚焦子网络，对所述编码器中位于末端的所述特征提取单元输出的所述深层特征进行聚焦，得到聚焦特征；通过所述解码器中每个所述第一上采样单元和所述第二上采样单元，基于不同尺度的所述深层特征对所述聚焦特征进行上采样处理，得到所述目标区域的第一nDSM值和第一高度分类图。
[0008]在一种实施方式中，同一尺度的所述特征提取单元的输出端与所述第一上采样单元的输入端连接；通过所述解码器中每个所述第一上采样单元和所述第二上采样单元，基于不同尺度的所述深层特征对所述聚焦特征进行上采样处理，得到所述目标区域的第一nDSM值和第一高度分类图，包括：对于所述解码器中位于末端的第一上采样单元，通过该第一上采样单元，基于位于末端的所述特征提取单元输出的所述深层特征对所述聚焦特征进行上采样处理，得到该第一上采样单元输出的高度特征和Mask特征；其中，位于末端的第一上采样单元与所述编码器中位于末端的所述特征提取单元的尺度相同；对于其他第一上采样单元，通过该第一上采样单元，基于与该第一上采样单元同一尺度的所述特征提取单元输出的所述深层特征，对该第一上采样单元对应的上一级第一上采样单元输出的高度特征和Mask特征分别进行上采样处理，得到该第一上采样单元输出的高度特征和Mask特征；通过所述解码器中的所述第二上采样单元，对所述解码器中位于首端的第一上采样单元输出的高度特征和Mask特征分别进行上采样处理，得到所述目标区域的第一nDSM值和第一高度分类图；其中，位于首端的第一上采样单元与所述编码器中位于首端的所述特征提取单元的尺度相同。
[0009]在一种实施方式中，所述nDSM提取网络的训练步骤，包括：获取第一训练卫星图像，以及所述第一训练卫星图像对应的DEM数据、DSM数据和建筑掩膜数据；利用所述建筑掩膜数据对所述DEM数据和所述DSM数据进行掩膜处理，并基于掩膜处理后的所述DEM数据和所述DSM数据，确定所述第一训练卫星图像对应的nDSM标签；以及利用层次聚类算法对所述nDSM标签进行聚类处理，得到所述第一训练卫星图像对应的Mask标签；对所述第一训练卫星图像进行数据增强处理得到第二训练卫星图像；其中，所述数据增强处理包括随机缩放处理、随机裁剪处理、随机旋转处理和光照对比度变换处理中的一种或多种；通过所述nDSM提取网络，提取所述第一训练卫星图像或所述第二训练卫星图像的预测nDSM值和预测Mask值；基于所述nDSM标签、所述Mask标签、所述预测nDSM值和所述预测Mask值确定目标损失值，以利用所述目标损失值对所述nDSM提取网络进行迭代训练。
[0010]在一种实施方式中，基于所述nDSM标签、所述Mask标签、所述预测nDSM值和所述预测Mask值确定目标损失值，以利用所述目标损失值对所述nDSM提取网络进行迭代训练，包括：对所述nDSM标签将进行对数处理和极大值归一化处理，得到高度真值；以及将所述Mask标签作为Mask真值；基于SmoothL1损失函数、所述高度真值和所述预测nDSM值，确定第一损失值；以及，基于交叉熵损失函数、所述Mask真值和所述预测Mask值确定第二损失值；对所述第一损失值和所述第二损失值的加权和，确定为目标损失值，以利用所述目标损失值对所述nDSM提取网络进行迭代训练。
[0011]在一种实施方式中，根据所述nDSM值和所述高度分类图，确定所述目标区域的高度估计结果，包括：对于所述目标区域中每个子区域，如果基于所述第一高度分类图确定该子区域对应的第一掩膜值为0，则将该子区域对应的所述第一nDSM值置为0，以对所述第一nDSM值进行抑制，得到抑制后第一nDSM值；以及，如果基于所述第二高度分类图确定该子区域对应的第二掩膜值为0，则将该子区域对应的所述第二nDSM值置为0，以对所述第二nDSM值进行抑制，得到抑制后第二nDSM值；将所述抑制后第一nDSM值和所述抑制后第二nDSM值中的最大nDSM值，确定为所述目标区域的高度估计结果。
[0012]第二方面，本专利技术实施例还提供一种基于单卫星图像的nDSM提取装置，包括：图像获取模块，用于获取目标区域的单卫星图像和所述单卫星图像对应的翻转卫星图像；提取模块，用于通过预先训练得到的nDSM提取网络，基于所述单卫星图像和/或所述翻转卫星图像，确定所述目标区域的目标nDSM值和目标高度分类图；其中，所述目标高度分类图用于区分所述目标区域内的建筑区域和非建筑区域；高度估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单卫星图像的nDSM提取方法，其特征在于，包括：获取目标区域的单卫星图像和所述单卫星图像对应的翻转卫星图像；通过预先训练得到的nDSM提取网络，基于所述单卫星图像和/或所述翻转卫星图像，确定所述目标区域的目标nDSM值和目标高度分类图；其中，所述目标高度分类图用于区分所述目标区域内的建筑区域和非建筑区域；根据所述目标nDSM值和所述目标高度分类图，确定所述目标区域的高度估计结果。2.根据权利要求1所述的基于单卫星图像的nDSM提取方法，其特征在于，通过预先训练得到的nDSM提取网络，基于所述单卫星图像和/或所述翻转卫星图像，确定所述目标区域的目标nDSM值和目标高度分类图，包括：通过nDSM提取网络，基于所述单卫星图像确定所述目标区域的第一nDSM值和第一高度分类图；以及，通过所述nDSM提取网络，基于所述翻转卫星图像确定所述目标区域的第二nDSM值和第二高度分类图；其中，所述目标nDSM值包括第一nDSM值和第二nDSM值，所述目标高度分类图包括第一高度分类图和第二高度分类图。3.根据权利要求2所述的基于单卫星图像的nDSM提取方法，其特征在于，所述nDSM提取网络包括编码器、聚焦子网络和解码器，所述编码器包括多个尺度的特征提取单元，所述解码器包括多个尺度的第一上采样单元和一个第二上采样单元；通过nDSM提取网络，基于所述单卫星图像确定所述目标区域的第一nDSM值和第一高度分类图，包括：通过所述编码器中每个所述特征提取单元，提取所述单卫星图像的不同尺度的深层特征；通过所述聚焦子网络，对所述编码器中位于末端的所述特征提取单元输出的所述深层特征进行聚焦，得到聚焦特征；通过所述解码器中每个所述第一上采样单元和所述第二上采样单元，基于不同尺度的所述深层特征对所述聚焦特征进行上采样处理，得到所述目标区域的第一nDSM值和第一高度分类图。4.根据权利要求3所述的基于单卫星图像的nDSM提取方法，其特征在于，同一尺度的所述特征提取单元的输出端与所述第一上采样单元的输入端连接；通过所述解码器中每个所述第一上采样单元和所述第二上采样单元，基于不同尺度的所述深层特征对所述聚焦特征进行上采样处理，得到所述目标区域的第一nDSM值和第一高度分类图，包括：对于所述解码器中位于末端的第一上采样单元，通过该第一上采样单元，基于位于末端的所述特征提取单元输出的所述深层特征对所述聚焦特征进行上采样处理，得到该第一上采样单元输出的高度特征和Mask特征；其中，位于末端的第一上采样单元与所述编码器中位于末端的所述特征提取单元的尺度相同；对于其他第一上采样单元，通过该第一上采样单元，基于与该第一上采样单元同一尺度的所述特征提取单元输出的所述深层特征，对该第一上采样单元对应的上一级第一上采样单元输出的高度特征和Mask特征分别进行上采样处理，得到该第一上采样单元输出的高
度特征和Mask特征；通过所述解码器中的所述第二上采样单元，对所述解码器中位于首端的第一上采样单元输出的高度特征和Mask特征分别进行上采样处理，得到所述目标区域的第一nDSM值和第一高度分类图；其中，位于首端的第一上采样单元与所述编码器中位于首端的所述特征提取单元的尺度相同。5.根据权利要求4所述的基于单卫星图像的nDSM提取方法，其特征在于，所述nDSM提取网络的训练步骤，包括：获取第一训练卫星图像...

【专利技术属性】
技术研发人员：王宇翔，王涛，曹宁宁，张森，赵文杰，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：