基于生成对抗网络的建筑物轮廓规则化方法及系统技术方案

本发明专利技术属于空间数据处理、地理空间对象识别以及地图制图的技术领域，特别涉及一种基于生成对抗网络的建筑物轮廓规则化方法及系统，该方法包括首先设计、抽象建筑物轮廓规则化任务的数学模型；然后构建与数学模型相适应的生成对抗模型即建筑物轮廓规则化模型；最后利用遥感影像样本、噪声分割掩膜和地面实况标签训练、验证和测试建筑物轮廓规则化模型，使其能够用于拟合建筑物轮廓规则化任务，实现噪声分割掩膜到地面实况标签的规则化过程。考虑到生成对抗网络能够学习真假数据之间的内在差异，非常符合建筑物轮廓规则化任务的需求，故而提出基于生成对抗网络的建筑物轮廓规则化方法及系统，能够生成接近建筑物地面实况标签的规则化建筑物掩膜。

【技术实现步骤摘要】

本专利技术属于空间数据处理、地理空间对象识别以及地图制图的，特别涉及一种基于生成对抗网络的建筑物轮廓规则化方法及系统。

技术介绍

1、随着遥感对地观测技术的飞速发展，高分辨率遥感卫星技术不断取得突破，影像规模和质量不断提高，利用高分辨率遥感影像自动提取特定地物(例如建筑物、道路等)成为许多科学研究和工程应用的兴趣所在。建筑物作为人类生活中最重要的场所以及地图中最主要的地物要素，具有重要的研究意义。高分辨率遥感影像建筑物提取可以为城市规划、灾害评估、变化检测、智慧城市建设以及地图制图和更新等众多领域提供重要参考与支持。

2、在过去的几十年中，传统的建筑物提取方法试图通过经验设计合适的特征来识别建筑物，但无法真正做到自动化。近年来，深度学习技术的发展推动了建筑物提取的自动化研究，在从高分辨率遥感影像中提取建筑物方面表现出卓越的性能。得益于深度学习方法强大的学习能力与良好的特征表示能力，基于深度学习的建筑物分割方法取得重大进展。

3、目前大多数研究将高分辨率遥感影像建筑物提取视为像素级分割任务，为影像中每个像素赋予建筑物或非建筑物标签。基本文档来自技高网...

【技术保护点】

1.一种基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，包含以下内容：

2.根据权利要求1所述的基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，建筑物轮廓规则化的目标是在给定遥感影像I和噪声分割掩膜S的情况下来估计理想的建筑物标签以获得尽可能接近地面实况标签T的规则化建筑物；这个过程描述为在给定训练样本的情况下学习关于训练域和目标域之间的映射函数，因此建筑物轮廓规则化的目标表示为：

3.根据权利要求1所述的基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，所述建筑物轮廓规则化模型包括双路径边界约束生成器网络和相对论平均鉴别器网络；所述双路径边界约束生成器...

【技术特征摘要】

1.一种基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，包含以下内容：

2.根据权利要求1所述的基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，建筑物轮廓规则化的目标是在给定遥感影像i和噪声分割掩膜s的情况下来估计理想的建筑物标签以获得尽可能接近地面实况标签t的规则化建筑物；这个过程描述为在给定训练样本的情况下学习关于训练域和目标域之间的映射函数，因此建筑物轮廓规则化的目标表示为：

3.根据权利要求1所述的基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，所述建筑物轮廓规则化模型包括双路径边界约束生成器网络和相对论平均鉴别器网络；所述双路径边界约束生成器网络采用双路径设计，以获取遥感影像中的低级和详细特征以及真实标签中的高级和语义几何特征；所述相对论平均鉴别器网络获得真实标签平均起来比生成标签相对更真实的概率，取值范围在0到1之间。

4.根据权利要求3所述的基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，所述双路径边界约束生成器网络包括两条路径：生成路径和重构路径，生成路径在输入建筑物噪声分割掩膜的基础上，增加遥感影像作为输入，以获得遥感影像中的低级特征和空间细节信息，同时，将真实的建筑物标签作为重构路径的输入，以学习生成路径中缺失的高级特征和建筑物语义几何信息。

5.根据权利要求4所述的基于生成对抗网络的建筑物轮廓规则化方法，其特征在于，双路径边界约束生成器网络包括用于特征提取的两个子网络，这两个子网络结构相同，但权重不同，分别提取两条路径中的空间细节信息和语义几何信息；两个子网络均由两个连续的卷积层组成...

【专利技术属性】
技术研发人员：武芳，殷吉崇，朱丽，亓宇阳，邱越，张寒雪，刘呈熠，何贤林，巩现勇，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：