一种基于图神经网络的城镇空间形态识别与分类方法技术

本发明专利技术公开了一种基于图神经网络的城镇空间形态识别与分类方法，包括如下步骤：S1、采集待分析区域的多源空间数据并进行处理；S2、将每一个空间单元作为图结构中的节点，根据物理邻接关系、道路连通关系和视线可达关系建立边集合，为每条边赋予方向属性和空间距离属性；S3、构建原始输入特征；S4、构建城镇拓扑结构感知图神经网络模型，得到多尺度空间图特征集合；S5、将多尺度空间图特征集合输入至分类模块，执行图神经网络分类推理；S6、对空间形态分类结果集合进行可视化输出；S7、利用标注样本构建监督学习任务，对城镇拓扑结构感知图神经网络模型进行训练。本发明专利技术采用城镇拓扑结构感知图神经网络，实现空间形态识别与结构解释输出。

【技术实现步骤摘要】

本专利技术涉及城市空间智能识别，尤其涉及一种基于图神经网络的城镇空间形态识别与分类方法。

技术介绍

1、随着遥感影像处理、地理信息系统与城市大数据技术的发展，城市空间形态识别与分类成为城镇规划、土地利用管理与智能决策支持中的关键任务。在现有技术中，广泛采用传统机器学习方法、卷积神经网络(cnn)及其变种，对城市影像、建筑轮廓和土地利用标签进行空间特征提取和分类操作。这些方法通常依赖于规则栅格或图像像素栅格结构，关注局部纹理、边缘特征与几何形态，忽略了城市空间中广泛存在的非欧几里得结构特性，尤其是建筑单元之间的空间邻接关系、道路网络结构与边界要素的分布格局。

2、针对城市地理空间的图结构建模，一部分研究开始采用图神经网络(graphneural networks,gnn)对空间实体之间的关系进行建模。这类方法一般将建筑物、道路节点作为图中的节点，边的设置主要依赖于物理距离或空间相邻关系，通过图卷积机制实现跨节点信息传播，从而提升空间实体的表达能力。然而，现有基于图神经网络的空间识别方法多数采用通用的图卷积网络(gcn)或图注意力网络(gat)，在本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，所述标准化空间实体集合包括建筑单元集合，道路网络集合，土地利用类型图层，以及由遥感影像提取的边界区域集合；

3.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，所述S2具体包括：

4.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，所述S3具体包括：

5.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类...

【技术特征摘要】

1.一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，所述标准化空间实体集合包括建筑单元集合，道路网络集合，土地利用类型图层，以及由遥感影像提取的边界区域集合；

3.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，所述s2具体包括：

4.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类方法，其特征在于，所述s3具体包括：

5.根据权利要求1所述的一种基于图神经网络的城镇空间形态识别与分类方法，其特征在...

【专利技术属性】
技术研发人员：刘伟，许瑞，赵文青，
申请(专利权)人：山东鸿鹄测绘科技有限公司，
类型：发明
国别省市：