【技术实现步骤摘要】
本专利技术属于遥感图像分析，涉及一种基于非正射遥感影像建筑物底座提取方法、装置和设备。
技术介绍
1、建筑物多边形提取指的是从遥感影像中提取各栋建筑物的底座多边形。一种建筑物多边形提取的思路是先使用机器视觉领域成熟且先进的语义分割或实例分割神经网络的方法提取建筑物掩码，然后将提取的掩码通过轮廓提取的方法获取建筑物多边形。但是，掩码提取的方法更多关注的是像素提取的准确性，这种多边形提取方法对于多边形形状，即多边形的顶点与边的准确性关注不足。为了提取更加准确的建筑物多边形，学者们提出了多种有效的方法。框架场学习（frame field learning）方法提出了一个用于指示建筑物边缘方向的场，即“框架场（frame field）”，从而有效地提取到了更加准确的建筑物。heat（热图）方法将建筑物多边形的顶点和边缘进行编码，并设计了transformer（注意力模型）来提取准确的顶点与边。还有方法则提出了引力场（attraction field map，afm）作为辅助任务来帮助网络提取更加准确的建筑物多边形。
2、但是，上述各...
【技术保护点】
1.一种基于非正射遥感影像建筑物底座提取方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于非正射遥感影像建筑物底座提取方法，其特征在于，所述多任务神经网络模型通过如下步骤训练得到：
3.根据权利要求2所述的基于非正射遥感影像建筑物底座提取方法，其特征在于，所述损失函数为：
4.一种基于非正射遥感影像建筑物底座提取装置，其特征在于，包括：
5.根据权利要求4所述的基于非正射遥感影像建筑物底座提取装置，其特征在于，还包括模型训练模块，用于获取训练用的非正射遥感影像、建筑物标签及十字方向场标签；将非正射遥感影像输入所述...
【技术特征摘要】
1.一种基于非正射遥感影像建筑物底座提取方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于非正射遥感影像建筑物底座提取方法，其特征在于，所述多任务神经网络模型通过如下步骤训练得到：
3.根据权利要求2所述的基于非正射遥感影像建筑物底座提取方法，其特征在于，所述损失函数为：
4.一种基于非正射遥感影像建筑物底座提取装置，其特征在于，包括：
5.根据权利要求4所述的基于非正射遥感影像建筑物底座提取装置，其特征在于，还包括模型训练模块，用于获取训练用的非正射遥感影像、建筑物标签及十字方向场标签；将非正射遥感影像输入所述多任务神经网络模型，获取模型输出的结果；利用所述建筑物标签...
【专利技术属性】
技术研发人员：杜春，邵瑞喆，陈浩，彭双，李军，伍江江，熊伟，钟志农，吴烨，贾庆仁，马梦宇，陈荦，景宁，杨飞，杨岸然，
申请(专利权)人：中国人民解放军国防科技大学，
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。