基于深度学习与GIS的卫星影像建筑物智能识别方法及系统技术方案

本发明专利技术涉及建筑物识别技术领域，具体公开了基于深度学习与GIS的卫星影像建筑物智能识别方法及系统，包括：通过遥感卫星获取高分辨率卫星影像数据，采用爬虫技术从互联网上抓取与卫星影像对应的地理空间数据，并将采集的数据输入至GIS数据库中；利用GIS系统对卫星影像进行坐标映射和区域划分，结合已有的城市规划和基础设施数据，生成具有地理位置标识的图像分割区域；本发明专利技术通过引入改进的Mask R‑CNN网络以及深度点卷积网络，更加精准地进行建筑物的定位、分割与分类。利用GIS系统的空间分析功能与深度学习的结合，使得建筑物分布图的生成不仅准确，还能有效预测城市扩展和建筑物增长趋势。

【技术实现步骤摘要】

本专利技术属于建筑物识别，具体涉及基于深度学习与gis的卫星影像建筑物智能识别方法及系统。

技术介绍

1、随着遥感技术和深度学习的不断发展，利用卫星影像数据进行建筑物识别和分析已经成为城市规划、环境监测、灾害管理等领域的重要应用。卫星影像因其覆盖范围广、数据获取方便，成为城市建筑物识别的重要数据源。传统的建筑物识别方法多依赖人工标注和图像处理技术，存在标注成本高、效率低、精度不足的问题。

2、随着深度学习技术的兴起，尤其是卷积神经网络和区域卷积神经网络(如mask r-cnn)的应用，建筑物识别的准确性和自动化水平得到了显著提高。然而，现有的建筑物识别方法通常仅限于简单的图像分割或物体检测，难以充分利用卫星影像中复杂的地理信息和时空数据进行高效的建筑物识别、分类及分布分析。此外，现有技术方法普遍缺乏有效的多源数据融合与深度特征提取的能力，这导致在复杂的城市环境中，建筑物的识别精度较低，无法满足精确的建筑物分布图生成和智能城市规划的需求。而基于gis(地理信息系统)的建筑物分析方法通常缺乏与深度学习模型的结合，导致建筑物分布和城市扩展的预测精度有本文档来自技高网...

【技术保护点】

1.基于深度学习与GIS的卫星影像建筑物智能识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习与GIS的卫星影像建筑物智能识别方法，其特征在于，所述通过遥感卫星获取高分辨率卫星影像数据，采用爬虫技术从互联网上抓取与卫星影像对应的地理空间数据，包括：

3.根据权利要求2所述的基于深度学习与GIS的卫星影像建筑物智能识别方法，其特征在于，所述利用GIS系统对卫星影像进行坐标映射和区域划分，包括：

4.根据权利要求3所述的基于深度学习与GIS的卫星影像建筑物智能识别方法，其特征在于：所述使用改进的Mask R-CNN网络对图像分割区域...

【技术特征摘要】

1.基于深度学习与gis的卫星影像建筑物智能识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习与gis的卫星影像建筑物智能识别方法，其特征在于，所述通过遥感卫星获取高分辨率卫星影像数据，采用爬虫技术从互联网上抓取与卫星影像对应的地理空间数据，包括：

3.根据权利要求2所述的基于深度学习与gis的卫星影像建筑物智能识别方法，其特征在于，所述利用gis系统对卫星影像进行坐标映射和区域划分，包括：

4.根据权利要求3所述的基于深度学习与gis的卫星影像建筑物智能识别方法，其特征在于：所述使用改进的mask r-cnn网络对图像分割区域中的建筑物进行定位和分割，生成建筑物区域分割结果，包括：

5.根据权利要求4所述的基于深度学习与gis的卫星影像建筑物智能识别方法，其特征在于：所述基于建筑物区域分割结果，...

【专利技术属性】
技术研发人员：吕丞延，戚伟世，齐承睿，张蕊，石昊天，代源，李玉丰，刘浩，王子豪，
申请(专利权)人：吕丞延，
类型：发明
国别省市：