【技术实现步骤摘要】
本专利技术涉及数字图像处理与识别，尤其涉及一种建筑物轮廓提取方法及装置。
技术介绍
1、从卫星图像中提取结构化的建筑轮廓在许多地理空间任务中起着重要作用，如三维城市建模、地图更新、地籍测绘等。
2、目前的方法大都基于深度学习。然而现有的方法仍然有许多问题，比如训练网络需要大量数据集，其标记成本高，以及在简单多边形上训练的模型在具有更复杂形状的建筑物上表现出较差的泛化能力。
3、因此亟需提供一种基于泛化能力强的深度学习的建筑物轮廓提取方法。
技术实现思路
1、本专利技术提供一种建筑物轮廓提取方法及装置，用以实现更泛化能力地提取建筑物轮廓。
2、本专利技术提供一种建筑物轮廓提取方法，包括：
3、获取建筑物卫星图像；
4、将所述建筑物卫星图像输入至建筑物指针网络bpn，得到所述bpn输出的建筑物轮廓；
5、其中，所述bpn包括角点检测模块与角点顺序预测模块，所述角点检测模块用于基于detr神经网络从所述建筑物卫星图像中提取出...
【技术保护点】
1.一种建筑物轮廓提取方法，其特征在于，包括：
2.根据权利要求1所述的建筑物轮廓提取方法，其特征在于，所述基于DETR神经网络从所述建筑物卫星图像中提取出候选顶点，包括：
3.根据权利要求2所述的建筑物轮廓提取方法，其特征在于，所述节点特征是通过以下方式得到的：
4.根据权利要求1所述的建筑物轮廓提取方法，其特征在于，所述多尺寸特征图像包括在所述建筑物卫星图像进行下采样的至少一个下采样尺寸的特征图像；
5.根据权利要求4所述的建筑物轮廓提取方法，其特征在于，所述基于所述输入序列的注意力机制，从所述候选顶点中选出目标顶点
【技术特征摘要】
1.一种建筑物轮廓提取方法，其特征在于，包括：
2.根据权利要求1所述的建筑物轮廓提取方法，其特征在于，所述基于detr神经网络从所述建筑物卫星图像中提取出候选顶点，包括：
3.根据权利要求2所述的建筑物轮廓提取方法，其特征在于，所述节点特征是通过以下方式得到的：
4.根据权利要求1所述的建筑物轮廓提取方法，其特征在于，所述多尺寸特征图像包括在所述建筑物卫星图像进行下采样的至少一个下采样尺寸的特征图像；
5.根据权利要求4所述的建筑物轮廓提取方法，其特征在于，所述基于所述输入序列的注意力机制，从所述候选顶点中选出目标顶点，包括：
6.根据权利要求4所述的建筑物轮廓提取方法，其特征在于，所...
【专利技术属性】
技术研发人员：高翔，崔海楠，刘养东，荣梦琪，申抒含，
申请(专利权)人：中国科学院自动化研究所，
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。