一种面向建筑物规则化制图的置信度图后处理方法和系统技术方案

本发明专利技术公开了一种面向建筑物规则化制图的置信度图后处理方法。该方法包括以下步骤：首先，针对高分辨率遥感影像中的建筑物特征，设计并实现自动化生成用于训练的建筑物规则化制图样本集；其次，构建一种结合Transformer和卷积神经网络优势的置信度图后处理方法，以提高对置信度图局部区域和整体场景的特征融合能力，确保建筑物提取的完整性；再次，引入生成对抗模块，通过自适应二分类过程增强建筑物边界的精细程度；最后，在多个航空和卫星数据集上验证该方法的有效性，并与现有技术进行对比分析。本发明专利技术的方法显著提高了建筑物边界提取的整体精度和规则性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和遥感图像处理领域，具体为一种面向建筑物规则化制图的置信度图后处理方法和系统。

技术介绍

1、在城市规划、城市管理及应急响应等应用场景中，准确提取建筑物边界是至关重要的。随着全球城市化进程的加速，对高精度建筑物分布信息的需求愈发迫切。传统的语义分割网络推理过程中通过设定一个特定阈值对网络输出的置信度图进行二分类以实现建筑物提取。然而，由于建筑物尺寸差异以及深度模型概率分布误差的影响，这种粗暴的二分类方法可能会造成建筑物遗漏和目标边界的不精确定位问题，从而妨碍了建筑物精确制图、自动单体化和精确统计等后期应用。

2、随着遥感技术和高分辨率影像获取能力的发展，如何从复杂的高分辨率遥感数据中高效地提取出形状完整且边界规则清晰的建筑物成为研究热点。尽管现有的基于深度学习的方法已经在一定程度上提升了建筑物分割的效果，但面对尺度多样性和复杂场景时仍然存在挑战。例如，建筑物尺度的变化可能导致小建筑被忽略；而语义分割模型输出的概率分布特性也可能导致建筑物直角边界的椭圆化现象，影响分割结果的质量。此外，建筑物在高分辨率影像中的表现形式因屋顶本文档来自技高网...

【技术保护点】

1.一种面向建筑物规则化制图的置信度图后处理方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种面向建筑物规则化制图的置信度图后处理方法，其特征在于：步骤1中，先对原始高分辨率遥感影像进行噪声消除和图像质量增强，然后采用FCN+ResNet或DeepLabv3+ResNet或SegFormer模型预测得到各自的边界置信度图，最后将原始图像、真值、置信度图一一对应，并裁剪到一定大小，生成包含n对样本的建筑物精细化提取样本集。

3.如权利要求1所述的一种面向建筑物规则化制图的置信度图后处理方法，其特征在于：置信度图重构模块采用双分支编码器来捕捉多尺度特征，其中...

【技术特征摘要】

1.一种面向建筑物规则化制图的置信度图后处理方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种面向建筑物规则化制图的置信度图后处理方法，其特征在于：步骤1中，先对原始高分辨率遥感影像进行噪声消除和图像质量增强，然后采用fcn+resnet或deeplabv3+resnet或segformer模型预测得到各自的边界置信度图，最后将原始图像、真值、置信度图一一对应，并裁剪到一定大小，生成包含n对样本的建筑物精细化提取样本集。

3.如权利要求1所述的一种面向建筑物规则化制图的置信度图后处理方法，其特征在于：置信度图重构模块采用双分支编码器来捕捉多尺度特征，其中一个分支使用cnn捕捉局部细节，另一个分支使用transformer感知全局上下文信息，然后对cnn和transformer分支提取的特征进行加权融合，经过特征融合后的信息传递给残差解码器，将融合后的特征转化为最终的二值建筑物掩码；

4.如权利要求1或3所述的一种面向建筑物规则化制图的置信度图后处理方法，其特征在于：置信度图重构模块的具体处理过程如下：

5.如权利要求3所述的一种面向建筑物规则化制图的置信度图后处理方法，其特征在于：建筑物边界优化模块的具体处理过程如下：

6.如权利要求5所...

【专利技术属性】
技术研发人员：崔浩，王伟，张过，
申请(专利权)人：武汉大学，
类型：发明
国别省市：