基于深度学习的遥感影像建筑物提取方法及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113920147A(43)申请公布日2022.01.11(21)申请号202111522605.3G06N3/08(2006.01)(22)申请日2021.12.14(71)申请人星际空间（天津）科技发展有限公司地址300384天津市西青区华苑产业园区海泰绿色产业基地M4座申请人中国科学技术大学(72)发明人陈欢欢江贻芳朱云慧黄恩兴黄不了高健于娜王力李建平(74)专利代理机构天津三元专利商标代理有限责任公司12203代理人胡畹华(51)Int.Cl.G06T7/13(2017.01)G06T17/10(2006.01)权利要求书2页说明书12页附图4页(54)发明名称基于深度学习的遥感影像建筑物提取方法及设备(57)摘要本发明提供了一种基于深度学习的遥感影像建筑物提取方法及设备，该方法包括：提取遥感影像的图像特征，根据得到的图像特征生成建筑物实例检测框；根据所述检测框构建建筑物实例的初始轮廓；根据所述初始轮廓和所述初始轮廓在遥感影像中对应的图像特征生成建筑物多边形；基于所述建筑物多边形提取所述遥感影像中的目标建筑物实例。本发明能够有效地结合建筑物的初始轮廓和图像特征精确地描绘建筑物实例的几何形状，自动实现建筑物实例准确提取。CN113920147ACN113920147A权利要求书1/2页1.一种基于深度学习的遥感影像建筑物提取方法，其特征在于，所述方法包括：提取遥感影像的图像特征，根据所述图像特征生成建筑物实例检测框；根据所述检测框构建建筑物实例的初始轮廓；根据所述初始轮廓和所述初始轮廓在遥感影像中对应的图像特征生成建筑物多边形；基于所述建筑物多边形提取所述遥感影像中的目标建筑物实例。2.根据权利要求1所述的方法，其特征在于，所述提取遥感影像的图像特征，根据所述图像特征生成建筑物实例检测框，包括：根据遥感影像的图像特征预估遥感影像中存在的建筑物实例以及各个建筑物实例的多个预估面积；根据各个建筑物实例的多个预估面积为对应的建筑物实例生成相应的多个推荐区域；从所述多个推荐区域中选取目标推荐区域，将所述目标推荐区域作为建筑物实例的检测框。3.根据权利要求1所述的方法，其特征在于，所述根据所述检测框构建建筑物实例的初始轮廓，包括：连接所述检测框的四条边界的中心点构成菱形轮廓；预测所述菱形轮廓的顶点与目标极点的目标偏移量，根据目标偏移量对菱形轮廓的顶点进行调整，将调整后的顶点作为目标极点；以每一所述目标极点为中心分别向所述目标极点所在检测框边界两端延伸预设长度，得到四条目标边界；依次连接得到的所述四条目标边界的端点，得到建筑物实例的初始轮廓。4.根据权利要求1所述的方法，其特征在于，所述根据所述初始轮廓和所述初始轮廓在遥感影像中对应的图像特征生成建筑物多边形包括：S031、根据所述初始轮廓和所述初始轮廓在遥感影像中对应的图像特征生成初始建筑物多边形；S032、根据所述初始建筑物多边形和所述初始建筑物多边形在遥感影像中对应的图像特征预测所述初始建筑物多边形中缺失的顶点信息；S033、根据所述顶点信息对所述初始建筑物多边形进行顶点调整，得到第二建筑物多边形；S034、以所述第二建筑物多边形为初始建筑物多边形按照上述步骤S031‑S033进行迭代计算，以根据预测出的当前建筑物多边形中缺失的顶点信息进行顶点调整，直到满足预设的迭代次数，以最后一次迭代计算后得到的顶点调整后的多边形作为建筑物多边形。5.根据权利要求4所述的方法，其特征在于，所述根据所述初始轮廓和所述初始轮廓在遥感影像中对应的图像特征生成初始建筑物多边形包括：从所述初始轮廓中选取用于构建初始建筑物多边形的初始点集合；根据预设的特征映射关系获取初始点集合中每一初始点所在位置的图像特征；基于预设的联合预测网络模型，根据所述每一初始点所在位置的图像特征预测初始点集合中各个初始点是真实建筑物顶点的概率以及该初始点距离真实建筑物顶点的偏移量；根据初始点集合中各个初始点是真实建筑物顶点的概率以及该初始点距离真实建筑物顶点的偏移量从初始点集合中选择候选建筑物顶点，并依次连接所述候选建筑物顶点以2CN113920147A权利要求书2/2页生成初始建筑物多边形。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：预先构建所述联合预测网络模型；基于有监督的学习策略对所述联合预测网络模型进行优化。7.根据权利要求4所述的方法，其特征在于，所述根据所述初始建筑物多边形和所述初始建筑物多边形在遥感影像中对应的图像特征预测所述初始建筑物多边形中缺失的顶点信息包括：以所述初始建筑物多边形作为初始多边形，从初始多边形中选取用于构建建筑物多边形的第二初始点集合；根据预设的特征映射关系获取第二初始点集合中每一第二初始点所在位置的图