【技术实现步骤摘要】
本专利技术涉及建筑物识别以及面状矢量图形的变化检测领域，特别是涉及一种宅基地图斑变化检测方法、系统、设备及介质。
技术介绍
1、中国农村宅基地范围广，总量大。全面了解宅基地的规模、布局等基本情况是开展农村宅基地制度改革的数据基础。目前，农村宅基地相关信息的统计主要采用实地调查、测绘等传统方法。这些方法工作量大、周期长、效率低，难以满足国家对宅基地统计和管理的需要。近年来，高分辨率遥感影像技术的发展为获取宅基地信息提供了新的手段。低空无人机图像作为一种遥感图像，具有比卫星图像更高的分辨率。这有助于快速获得农村地区的宅基地分布信息。
2、目前，基于高分辨率遥感影像的宅基地图版提取方法已经能够对地上建筑物的轮廓进行精细提取，能够代替目视判读的方式实现宅基地图斑的勾绘。但是农村宅基地是动态变化的，会因为退出、复垦、倒塌等产生变化，不同地区的变化量也有不同。统计出每年变化的宅基地以及面积，对于村庄规划等具有重要作用。目前主要统计的方法以人为上报为准，存在信息掌握不及时、加重基层负担等问题。因此，需要一种快速准确的自动化技术来获取宅基地的变化情况。
技术实现思路
1、本专利技术的目的是提供一种宅基地图斑变化检测方法、系统、设备及介质，能够快速准确地实现宅基地图斑的变化检测。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种宅基地图斑变化检测方法，所述方法包括：
4、获取目标宅基地的检测数据；所述检测数据包括：当前时刻的遥感影像和历史时刻的
5、基于实例分割网络模型对所述检测数据进行宅基地图斑提取和矢量转换，得到矢量图集；所述矢量图集包括：当前时刻的遥感影像对应的矢量图和历史时刻的图像数据对应的矢量图的集合；所述实例分割网络模型包括相互连接的编码器、像素解码器和transformer解码器；
6、采用计算机图形学原理对所述矢量图集进行拓扑关系比对检测，得到宅基地图斑的检测结果；所述检测结果为增加矢量图或者减少矢量图。
7、可选地，基于实例分割网络模型对所述检测数据进行宅基地图斑提取和矢量转换，得到矢量图集，具体包括：
8、采用所述编码器按照设定分辨率对所述检测数据进行抽取采样，得到多尺度图像特征数据；
9、采用所述像素解码器基于可形变自注意力机制，对所述多尺度图像特征数据进行重采样处理，得到处理数据；
10、采用transformer解码器对所述处理数据，基于交叉注意力机制进行特征查询，以及自注意力机制的目标分配处理，得到二值化结果；所述二值化结果为所述宅基地提取出的图斑；
11、采用深度学习的方法，对所述二值化结果进行仿射变换和投影处理，得到矢量图集。
12、可选地，所述设定分辨率包括：1/4倍分辨率、1/8倍分辨率、1/16倍分辨率和1/32倍分辨率。
13、可选地，采用计算机图形学原理对所述矢量图集进行拓扑关系比对检测，得到宅基地图斑的检测结果，具体包括：
14、存储历史时刻的图像数据对应的矢量图至宅基地图斑矢量文件hs0，以及存储当前时刻的遥感影像对应的矢量图至宅基地图斑矢量文件hs1；
15、分别提取hs0和hs1中的折点在地理坐标系上对应的折点坐标；
16、以所述折点坐标为基准，分别将hs0和hs1中的矢量图对应的多面拆分为单面，得到单面图形集；所述单面图形集包括：hs0中m个面图形和hs1中n个面图形；
17、根据所述折点坐标，计算所述单面图形集中每个面图形的最小外接矩形；所述最小外接矩形为由所述面图形的轮廓坐标点集构成的面积最小时，对应的矩形；
18、基于所述最小外接矩形，遍历hs1中的n个面图形，分别与hs0中m个面图形进行两者比较，计算交并比值；
19、将所有的所述交并比值与设定阈值进行比较，得到所述检测结果。
20、可选地，根据所述折点坐标，计算所述单面图形集中每个面图形的最小外接矩形，具体包括：
21、根据所述折点坐标确定所述面图形的轮廓对应的凸包；
22、采用旋转卡尺算法计算所述凸包的最小外接矩形。
23、可选地，基于所述最小外接矩形，遍历hs1中的n个面图形，分别与hs0中m个面图形进行两者比较，计算交并比值，具体包括：
24、根据所述最小外接矩形，遍历hs1中的n个面图形，分别与hs0中m个面图形进行两者比较确定交集坐标；
25、根据交集坐标，确定交并比值。
26、一种宅基地图斑变化检测系统，所述系统包括：
27、获取模块，用于获取目标宅基地的检测数据；所述检测数据包括：当前时刻的遥感影像和历史时刻的图像数据；所述图像数据为遥感影像或者矢量图；
28、转换模块，用于基于实例分割网络模型对所述检测数据进行宅基地图斑提取和矢量转换，得到矢量图集；所述矢量图集包括：当前时刻的遥感影像对应的矢量图和历史时刻的图像数据对应的矢量图的集合；所述实例分割网络模型包括相互连接的编码器、像素解码器和transformer解码器；
29、检测模块，用于采用计算机图形学原理对所述矢量图集进行拓扑关系比对检测，得到宅基地图斑的检测结果；所述检测结果为增加矢量图或者减少矢量图。
30、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的宅基地图斑变化检测方法。
31、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的宅基地图斑变化检测方法。
32、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
33、本专利技术提供了一种宅基地图斑变化检测方法、系统、设备及介质，获取目标宅基地的检测数据；基于实例分割网络模型对检测数据进行宅基地图斑提取和矢量转换，得到矢量图集；实例分割网络模型包括相互连接的编码器、像素解码器和transformer解码器；采用计算机图形学原理对矢量图集进行拓扑关系比对检测，得到宅基地图斑的检测结果；由此，能够快速准确地实现宅基地图斑的变化检测。
本文档来自技高网...【技术保护点】
1.一种宅基地图斑变化检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的宅基地图斑变化检测方法，其特征在于，基于实例分割网络模型对所述检测数据进行宅基地图斑提取和矢量转换，得到矢量图集，具体包括：
3.根据权利要求2所述的宅基地图斑变化检测方法，其特征在于，所述设定分辨率包括：1/4倍分辨率、1/8倍分辨率、1/16倍分辨率和1/32倍分辨率。
4.根据权利要求1所述的宅基地图斑变化检测方法，其特征在于，采用计算机图形学原理对所述矢量图集进行拓扑关系比对检测，得到宅基地图斑的检测结果，具体包括：
5.根据权利要求4所述的宅基地图斑变化检测方法，其特征在于，根据所述折点坐标，计算所述单面图形集中每个面图形的最小外接矩形，具体包括：
6.根据权利要求4所述的宅基地图斑变化检测方法，其特征在于，基于所述最小外接矩形，遍历HS1中的n个面图形，分别与HS0中m个面图形进行两者比较，计算交并比值，具体包括：
7.一种宅基地图斑变化检测系统，其特征在于，所述系统包括：
8.一种电子设备，其特征在于
9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任意一项所述的宅基地图斑变化检测方法。
...【技术特征摘要】
1.一种宅基地图斑变化检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的宅基地图斑变化检测方法，其特征在于，基于实例分割网络模型对所述检测数据进行宅基地图斑提取和矢量转换，得到矢量图集，具体包括：
3.根据权利要求2所述的宅基地图斑变化检测方法，其特征在于，所述设定分辨率包括：1/4倍分辨率、1/8倍分辨率、1/16倍分辨率和1/32倍分辨率。
4.根据权利要求1所述的宅基地图斑变化检测方法，其特征在于，采用计算机图形学原理对所述矢量图集进行拓扑关系比对检测，得到宅基地图斑的检测结果，具体包括：
5.根据权利要求4所述的宅基地图斑变化检测方法，其特征在于，根据所述折点坐标，计算所述单面图形...
【专利技术属性】
技术研发人员：王玉庭，范蓓蕾，杜欣蔚，李哲敏，周清波，
申请(专利权)人：中国农业科学院农业信息研究所，
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。