【技术实现步骤摘要】
本专利技术涉及建筑物航空影像超分辨率，尤其涉及一种建筑物航空影像的超分辨率方法及终端设备。
技术介绍
1、随着数字孪生技术的迅速发展，精确识别城市建筑物位置对城市规划和可持续发展至关重要。城市建筑物屋顶的变化检测尤为关键，它有助于城市规划者了解建筑物数量、结构和用途的变化情况，进而制定更有效的城市发展规划和管理策略。这项技术在城市规划、灾害响应、安全监控、环境保护和房地产市场分析等方面具有重要意义。因此，如何精确、快速地识别城市建筑物位置并有效地检测建筑物屋顶的变化成为了研究和实践中的焦点。
2、随着传感器技术的不断发展，城市建筑物的位置识别和变化检测方法正在经历从传统的人工实地勘测向最新的基于主动遥感技术的转变。这一转变显著提高了识别和检测的准确性和时效性。在与遥感影像处理密切相关的领域中，长期以来，计算机视觉领域一直关注深度学习技术的局限性。近年来，深度学习技术蓬勃发展，逐渐取代了传统的人工勘测、目视解释、基于专家知识和机器学习的建筑物屋顶识别技术，成为该领域的主要研究方向。现有的深度学习技术能够准确地从航空影像和卫星影...
【技术保护点】
1.一种建筑物航空影像的超分辨率方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种建筑物航空影像的超分辨率方法，其特征在于：所述高分辨率为空间分辨率为1米以下的亚米级分辨率。
3.根据权利要求2所述的一种建筑物航空影像的超分辨率方法，其特征在于：所述降采样的具体过程为：将原始0.3米/像素的高分辨率图像降采样到1.2米/像素的低分辨率图像，采用高斯核对低分辨率图像进行模糊处理，并添加高斯噪声，得到对应的低分辨率图像。
4.根据权利要求1所述的一种建筑物航空影像的超分辨率方法，其特征在于：所述深度学习网络采用深度学习框架T...
【技术特征摘要】
1.一种建筑物航空影像的超分辨率方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种建筑物航空影像的超分辨率方法，其特征在于：所述高分辨率为空间分辨率为1米以下的亚米级分辨率。
3.根据权利要求2所述的一种建筑物航空影像的超分辨率方法，其特征在于：所述降采样的具体过程为：将原始0.3米/像素的高分辨率图像降采样到1.2米/像素的低分辨率图像，采用高斯核对低分辨率图像进行模糊处理，并添加高斯噪声，得到对应的低分辨率图像。
4.根据权利要求1所述的一种建筑物航空影像的超分辨率方法，其特征在于：所述深度学习网络采用深度学习框架tensorflow，所述训练建筑物航空影像超分辨率模型的过程为：输入建筑物低分辨率影像，输出基于建筑物超分辨率的航空影像，训练出模型再训练过程中，数据集上结构相似性指数最高的一组最优模型参数。
5.根据权利要求4所述的一种建筑物航空影像的超分辨率方法，其特征在于：所述输出基于建筑物超分辨率的航空...
【专利技术属性】
技术研发人员：李军，丰慧芳，马凌飞，陈一平，周进，何昌荣，
申请(专利权)人：南京国础科学技术研究院有限公司，
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。