【技术实现步骤摘要】
本专利技术涉及地理信息、城市规划设计与低效建筑物识别，特别涉及一种基于深度学习与空间对象的遥感影像建筑物识别方法。
技术介绍
1、准确地掌握地表建筑物的分布，对于区域规划、城市更新和社会治理具有重要的应用意义，因此，包含了丰富的地表几何纹理和边缘结构特征信息的可见光遥感影像，已经成为地表建筑物信息的重要获取途径。可见光遥感影像，是一种只包含r、g、b三个波段(可见光波段)的图像。
2、现有技术中，从可见光遥感影像中识别建筑物，多采用光谱阈值分割的方法，其主要缺点是在复杂地理环境中易受其他地物的干扰和依赖于某些特定波长的光谱信息，难以应用于仅具有可见光波段的遥感影像，而且为建筑物识别选择合适的光谱阈值也是颇具难度的工作。
3、提供效果精确且可靠有效的建筑物识别方法，是可见光遥感影像在规划设计领域上的重要应用需求，因此，基于卫星遥感、深度学习、地理信息等高新技术，开展针对可见光遥感影像的精确建筑物识别方法研究具有重要的理论和实际意义。
技术实现思路
1、本专利技术所要解决的问题是：提供一种基于深度学习与空间对象的遥感影像建筑物识别方法，利用多种深度学习模型，结合空间对象智能分析，对可见光遥感影像中的建筑物和非建筑物地物进行有效的判断，并准确识别。
2、本专利技术采用如下技术方案：一种基于深度学习与空间对象的遥感影像建筑物识别方法，包括如下步骤：
3、s1、基于三种不同类型的深度学习网络，分别构建三种图像分割模型，并对模型进行建筑物语义分割
4、s2、对可见光遥感影像，进行三种不同图像分割模型的建筑物语义分割，将得到的三种建筑物分割图像，栅格矢量化处理为三种建筑物空间对象；
5、s3、基于所有的建筑物空间对象，构建基准建筑物空间对象，将每种建筑物空间对象分别结合基准建筑物空间对象，构建差异建筑物空间对象集合及信息向量集合；
6、s4、基于深度学习网络构建差异建筑物分析模型，进行差异建筑物的有效性判断网络训练，以获得合适的差异建筑物分析模型参数；
7、s5、利用差异建筑物分析模型对差异建筑物的有效性进行判断，保留有效的有效差异建筑物的空间对象，与基准建筑物空间对象进行空间融合，将融合结果作为可见光遥感影像的最终识别建筑物。
8、进一步地，步骤s1中，构建3种基于不同类型深度学习网络的图像分割模型，以unet、hrnet、deeplab v3三种深度学习图像语义分割网络为基础，将每种深度学习网络的输出类别修改为二分类，即只分辨建筑物和非建筑物，形成三种用于建筑物语义分割的图像分割模型；
9、每种图像分割模型的计算输入数据为512×512像素大小含坐标系的遥感图像，计算结果为512×512像素大小的建筑物分割图像，并赋予与输入遥感图像相同的坐标系；每种图像分割模型都以二分类交叉熵损失作为损失函数评价指标，用于评价模型的建筑物分割精度，以及进行深度学习网络的权重梯度反向传播和参数调整。
10、进一步地，步骤s2中，对可见光遥感影像进行不同模型的建筑物语义分割处理：将可见光遥感影像按照512×512像素大小的网格进行划分，获得若干个512×512像素大小的遥感图像；对于所有的遥感图像，使用图像分割模型进行遥感图像建筑物语义分割处理，获得对应的建筑物分割图像，将所获取的所有建筑物分割图像按照空间位置合并为一张整体的建筑物分割图像；采用步骤s1中构建的3种图像分割模型，分别经过上述步骤进行处理，可获得3个不同来源的建筑物分割图像。
11、进一步地，步骤s3中，构建基准建筑物空间对象：将步骤s2中得到的3种建筑物空间对象一起进行空间交集gis处理，只保留3种建筑物空间对象中的公共空间矢量部分，以此作为基准建筑物空间对象。
12、构建差异建筑物空间对象集合及信息向量集合：将每种建筑物空间对象与基准建筑物空间对象进行空间差集gis分析处理，得到该种建筑物空间对象排除基准建筑物部分后的若干个余下空间对象，作为差异建筑物空间对象；对于每个差异建筑物空间对象构建对应的差异建筑物信息向量。
13、所有的差异建筑物空间对象构成差异建筑物建筑物空间对象集合，与之对应的所有信息向量构成差异建筑物信息向量集合。
14、进一步地，步骤s4中，构建差异建筑物分析模型具体为：采用多层神经网络层相结合的方式来构建深度学习差异建筑物分析模型，依次为4个全连接层，以及与全连接层相配合的4个批标准化层，2个dropout正则化层和4个relu激活函数层进行深度学习网络特征提取，最后利用1个输出维度为2的全连接层作为提取层输出各类别分数。
15、由softmax分类器形成对该差异建筑物进行保留或者舍弃的概率向量，取概率最大的结果作为判断差异建筑物是否是有效的判断依据；差异建筑物分析模型的计算输入数据为差异建筑物信息向量，计算结果为差异建筑物信息向量对应差异建筑物是否有效的判断。
16、差异建筑物分析模型以交叉熵损失作为损失函数评价指标，用于评价模型的分析准确性，以及进行深度学习网络的权重梯度反向传播和参数调整。
17、进一步地，步骤s5中，对差异建筑物有效性进行判断并保留有效的差异建筑物空间对象具体为：利用步骤s4中构建并训练好的差异建筑物分析模型，对差异建筑物信息向量集合中的每个信息向量进行有效性判断分析，对于判断为有效的差异建筑物，保留其空间对象在差异建筑物空间对象集合中，否则将其从集合中剔除。
18、本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：
19、1、本专利技术建筑物识别方法，利用深度学习技术，采用多种图像语义分割模型且分别对可见光遥感影像进行了建筑物语义分割。多种建筑物语义分割分析能够发挥且集成不同深度学习模型的建筑物特征信息挖掘优势，整体上增强了对于建筑物的分辨能力，弥补了单一模型可能存在的不足，使得本专利技术提供的建筑物识别具有更好的鲁棒性，可以适应多种类型的可见光遥感影像。
20、2、本专利技术建筑物识别方法，利用深度学习技术，构建了差异建筑物分析模型，用于判断差异建筑物的有效性。作为所有建筑物空间对象的公共部分的基准建筑物空间对象，具有较高的准确性，除此之外的差异建筑物的准确性则存在不确定性，利用差异建筑物分析模型可以分析出差异建筑物的准确和精细程度，判断是否在最终成果建筑物中保留这些差异部分，从而判别出非建筑物地物和摒弃错误建筑物信息，进一步提高所提取的建筑物的准确性。
21、3、本专利技术建筑物识别方法，利用gis技术，将可见光遥感影像的建筑物识别过程转换为以空间对象为基础进行的分析处理。利用gis分析处理将深度学习分析得到的栅格形式建筑物分割图像转换形成以空间矢量形式存在的建筑物空间对象后，使得分析对象具有一致的类别属性和明确的空间位置，且不再与图像尺度相关，可以增强建筑物空间拓扑正确性，消除可能含有的空间位置错误，进一步提升了从可见光遥感影像提取建筑物的准确度。<本文档来自技高网...
【技术保护点】
1.一种基于深度学习与空间对象的遥感影像建筑物识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的遥感影像建筑物识别方法，其特征在于，步骤S1中，所述三种不同类型的深度学习网络，分别为：UNet、HRNet、DeepLab V3深度学习图像语义分割网络；每种深度学习网络的输出类别为二分类，只分辨建筑物和非建筑物，形成三种用于建筑物语义分割的图像分割模型；
3.根据权利要求2所述的遥感影像建筑物识别方法，其特征在于，步骤S1中，每种图像分割模型，都以二分类交叉熵损失BCE作为损失函数评价指标，公式如下：
4.根据权利要求2所述的遥感影像建筑物识别方法，其特征在于，步骤S2，构建三种建筑物空间对象，包括如下子步骤：
5.根据权利要求4所述的遥感影像建筑物识别方法，其特征在于，步骤S3构建差异建筑物空间对象集合及信息向量集合，包括如下子步骤；
6.根据权利要求5所述的遥感影像建筑物识别方法，其特征在于，差异建筑物空间对象的形状指数I为：
7.根据权利要求5所述的遥感影像建筑物识别方法，其特征在于，步骤S4
8.根据权利要求7所述的遥感影像建筑物识别方法，其特征在于，步骤S4中，由softmax分类器形成对差异建筑物进行保留或者舍弃的概率向量，softmax分类器计算公式如下：
9.根据权利要求7所述的遥感影像建筑物识别方法，其特征在于，步骤S4中，差异建筑物分析模型，以交叉熵损失CE作为损失函数评价指标，公式为：
10.根据权利要求7所述的遥感影像建筑物识别方法，其特征在于，步骤S5中，对差异建筑物有效性进行判断，方法为：利用步骤S4构建并训练好的差异建筑物分析模型，对差异建筑物信息向量集合中的每个信息向量进行有效性判断分析，对于判断为有效的差异建筑物，保留其空间对象在差异建筑物空间对象集合中，否则将其从集合中剔除。
...【技术特征摘要】
1.一种基于深度学习与空间对象的遥感影像建筑物识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的遥感影像建筑物识别方法，其特征在于，步骤s1中，所述三种不同类型的深度学习网络，分别为：unet、hrnet、deeplab v3深度学习图像语义分割网络；每种深度学习网络的输出类别为二分类，只分辨建筑物和非建筑物，形成三种用于建筑物语义分割的图像分割模型；
3.根据权利要求2所述的遥感影像建筑物识别方法，其特征在于，步骤s1中，每种图像分割模型，都以二分类交叉熵损失bce作为损失函数评价指标，公式如下：
4.根据权利要求2所述的遥感影像建筑物识别方法，其特征在于，步骤s2，构建三种建筑物空间对象，包括如下子步骤：
5.根据权利要求4所述的遥感影像建筑物识别方法，其特征在于，步骤s3构建差异建筑物空间对象集合及信息向量集合，包括如下子步骤；
6.根据权利要求5所述的遥感影像建筑物识别方法，其特征在于，差异建筑物空间对象的形状指数i为：
7.根据权利要求5所述的遥感影...
【专利技术属性】
技术研发人员：杨云丽，陈文龙，汤浩，张含，张飞，董宇恒，冯佳凝，冒蕴蓓，曹炎，王晨，
申请(专利权)人：江苏省城镇与乡村规划设计院有限公司，
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。