【技术实现步骤摘要】
本专利技术涉及计算机视觉与遥感目标提取领域，具体涉及城中村遥感信息图像的精细提取，特别是涉及一种基于遥感影像的城中村图像提取方法、装置及设备。
技术介绍
1、城中村(urban villages,uv)改造已被纳入可持续发展目标，准确识别城中村的空间分布对于推进实现该目标非常重要。在城中村的识别和提取领域，早期城中村的统计依靠定期人口普查计划，这种方法既耗费人力又无法及时准确地提供大范围的城中村分布信息。
2、随着遥感影像的可用性不断提高，使用高分辨率遥感影像来提取城中村影像信息是目前的主要趋势，其中主要使用有面向对象方法和机器学习方法。面向对象的方法使用了一套规则集来提取城中村影像信息，但需要大量参数设定，不适合大范围城中村影像信息的提取；机器学习方法则结合来自纹理、光谱和结构、社会感知以及点云的特征，通过训练强大的分类器来提取城中村影像信息，然而，伴随着过多的手工特征，必然引发复杂的特征工程以及高昂的多源数据获取成本，而且该方法的泛化能力一般，使得其无法推广至复杂场景下应用。
3、与传统机器学习方法相比，深度学习可以从海量数据中自动学习有效的特征，从而区分复杂的城市土地覆被类型，甚至功能区、城中村等场景类型；然而，城中村与具有独特光谱特征(例如植被)的土地覆被情况不同，城中村作为定居点，空间范围大，包含多种异质性对象，并且表现出复杂的建筑情况，使用现有方法从单一尺度提取城中村影像信息会受到不同情况的限制：
4、(1)粗尺度提取，是指以地理对象、图块、街区等作为基本单元，通过识别单元中是否包
5、(2)细粒度提取，是指以像素作为基本单元，通过对输入图像执行语义分割以得到像素级提取结果。细粒度提取对城中村边界的拟合更加精细，但易受异质性对象影响而产生许多噪点，提取结果中含有空洞、不完整等问题。
6、由于存在这些限制，通过单一尺度方法提取的城中村影像信息难以提供精细且比较完整的城中村分布图，而细碎的提取结果不便于相关政策执行。
7、此外，以往研究多采用街景数据作为遥感影像的补充，通过构建多模态深度学习模型，以提供从不同视角感知城中村影像信息的能力。然而，街景数据一般采样于主要街道，无法深入到城中村内部，它的可用性和感知力有限，不足以反映城中村内部的真实环境。
技术实现思路
1、为了解决上述现有技术的不足，本专利技术提出了一种使用分层提取思想对城中村由粗尺度(图块)至细粒度(像素)分层提取的方法、装置及设备；其中，粗尺度提取是指识别目标图块所处城中村的位置，从而将目标图块进行分类；细粒度提取是指仅针对分类为城中村边界的图块进行像素级提取；对于其它分类的图块直接进行图块输出。
2、具体而言，粗尺度提取将图块分为三类，城中村内部、城中村边界以及城中村外部，细粒度提取将城中村边界图块进行像素级提取，以获得精细边界，弥补现有技术中粗尺度提取对城中村边界拟合效果差的缺陷；对非城中村边界图块则直接进行图块输出，避免了现有技术中对此类图块进行细粒度提取时受到异质性对象影响而造成的噪点问题；
3、此外，本专利技术还提出了使用建筑足迹(building footprints,bf)作为特征数据图像与遥感影像配对，构建多模态特征数据，提升模型感知城中村影像信息的能力。
4、为了实现上述目的，本专利技术采用的技术方案是：
5、一种基于遥感影像的城中村图像提取方法，包括以下步骤：
6、步骤一：获取包含目标城中村图像的遥感影像(remote sensing images,rsi)和目标城中村的特征数据图像的配对样本；其中配对样本可以是遥感影像(remote sensingimages,rsi)与建筑足迹(building footprints,bf)数据图像的配对。
7、步骤二：利用基础特征提取网络和空间关系建模网络对所述遥感影像和所述特征数据图像进行特征图提取，得到不同分类的城中村图块；
8、基础特征提取网络负责对输入的遥感影像图块进行特征提取，并冻结参数后，组成空间关系建模网络的rsipatch encoder，使得空间关系建模网络可以对输入的遥感影像样本图像进行图块特征图的提取；同时空间关系建模网络的bf patch encoder可以对输入的建筑足迹样本图像进行图块特征图的提取；提取到的图块特征图在transformer block模块中根据识别到的图块中城中村图像的特征以及与领域图块的空间位置关系被划分为不同分类的城中村图块；
9、步骤三：对城中村边界图块进行像素级提取；
10、对于分类为城中村边界的图块，输入到基础特征提取网络的解码器中进行进一步的像素级提取，以此来获得精细边界，弥补现有技术中粗尺度提取对城中村边界拟合效果差的缺陷；
11、步骤四：对城中村内部图块和城中村外部图块直接进行图块输出；
12、由于分类为城中村内部和城中村外部的图块包含多种异质性对象，对其进行细粒度提取容易受到异质性对象的影响而产生噪点；因此对此类图块直接进行图块输出，避免了现有技术中对此类图块进行细粒度提取时提取结果含有空洞、不完整的问题。
13、本专利技术的有益效果：本专利技术提供的方法结合了多尺度提取的优势，对城中村由粗尺度(图块)至细粒度(像素)进行分层提取，并能融合多种模态特征数据，例如建筑足迹特征，对遥感影像特征提取效果做出改善；本专利技术能够提升从遥感影像中提取城中村图像结果的内部完整性和边界准确性，模型具有良好的泛化能力，可广泛应用于相关领域，例如功能区的提取。
本文档来自技高网...【技术保护点】
1.一种基于遥感影像的城中村图像提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述特征数据图像为建筑足迹(BuildingFootprints,BF)图像。
3.根据权利要求1所述的方法，其特征在于，所述基础特征提取网络通过以下步骤获取：
4.根据权利要求1所述的方法，其特征在于，所述基础特征提取网络包括双端输出模块，一端负责所述城中村图块的细粒度提取，另一端负责所述遥感影像的高层语义特征提取。
5.根据权利要求1所述的方法，其特征在于，所述空间关系建模网络通过以下步骤获取：
6.根据权利要求5所述的方法，其特征在于，还包括RSI特征恒等映射机制。
7.根据权利要求1所述的方法，其特征在于，包括：
8.一种基于遥感影像的城中村图像提取装置，其特征在于，包括：
9.一种计算设备，其特征在于，包括处理器和存储器，所述处理器用于执行所述存储器中存储的指令，以执行权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，包括计算
...【技术特征摘要】
1.一种基于遥感影像的城中村图像提取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述特征数据图像为建筑足迹(buildingfootprints,bf)图像。
3.根据权利要求1所述的方法，其特征在于，所述基础特征提取网络通过以下步骤获取：
4.根据权利要求1所述的方法，其特征在于，所述基础特征提取网络包括双端输出模块，一端负责所述城中村图块的细粒度提取，另一端负责所述遥感影像的高层语义特征提取。
5.根据权利要求1所述的方法，其特征在于，所述空间关系建模网络通过...
【专利技术属性】
技术研发人员：孟庆岩，谭鑫，胡新礼，张琳琳，
申请(专利权)人：中国科学院空天信息创新研究院，
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。