[发明专利]基于多特征LSTM网络的多时相高分辨率遥感影像的建筑物提取方法

权利要求书

1.基于多特征LSTM网络的多时相高分辨率遥感影像的建筑物提取方法，其特征在于，该方法具体步骤如下：

步骤一、影像预处理：首先将Q幅高分二号数据图像分别进行单独的辐射定标、图像配准、大气校正和图像融合，而后将所选遥感图像数据进行统一配准，最后剪裁图像选取需要的图像区域，Q≥3；

步骤二、提取多时相建筑物特征：对获取的高分辨率遥感影像进行预处理后，使用基于HSI彩色变换的方法提取建筑物光谱特征、基于图分割与条件随机场后处理相结合的方法提取建筑物的形状特征、基于Gabor小波变换的方法提取建筑物的纹理信息特征和基于DSBI指数的方法提取建筑物的指数特征；

步骤三、构建多时相多特征建筑物数据集：

将每幅GF-2原始卫星数据中的红波段、绿波段、蓝波段、近红外波段和经过HSI彩色变换的方法获取建筑物S饱和度变换光谱特征和I亮度变换光谱特征、基于图分割与条件随机场后处理相结合的方法获取建筑物的S饱和度变换的形状特征波段和I亮度变换的形状特征波段、Gabor小波变换的方法获取建筑物的纹理特征波段以及基于DSBI指数的方法获取建筑物的指数特征波段，提取10个特征波段；对Q幅GF-2原始卫星数据处理后，按照为卫星拍摄时间顺序排列，形成一个空间分辨率为1m拥有Q×10个多时相建筑物特征波段的新数据；

步骤四、训练集的选取：建筑物与非建筑物具有不同的特征，本申请按照建筑物与非建筑物分别选择训练样本与标签；以像素点为单位，选择20％的像素点进行训练，20％的像素点进行验证，并使用全体像素测试网络模型精度；

步骤五、构建最佳单元LSTM网络，并利用训练集训练LSTM网络，利用训练好的LSTM网络从多时相多特征建筑物数据集中提取建筑物：

(a)构建LSTM网络的第1部分：第1部分为输入层，输入图像大小为m×(Q×10)×1，其中m为batch_size大小，即每次从训练样本中选取m个像素为一个批次进行网络训练，m设置为100，Q×10为输入数据的波段个数总数；

(b)构建LSTM网络的第2部分：首先将在1个LSTM单元网络结构后连接1个Dropout随机失活层形成一个组合，将该组合重复利用n次，形成LSTM网络结构的第2部分；其中单个LSTM单元网络的滤波器的个数为filters＝32，Dropout随机失活层随机选择网络中的50％样本数据进行失活处理；

(c)构建LSTM网络的第3部分：第3部分是一个滤波器的个数为filters＝64的全连接层，全连接层的输入为m×320，输出为m×64；

(d)构建LSTM网络的第4部分；使用Softmax分类器为输出层，输出数目m×2，分为建筑物与非建筑物2种提取结果；

步骤六、粗提取结果的后处理：利用多特征LSTM网络获取建筑物的粗糙提取结果，使用形态学竖线腐蚀或横线腐蚀的方法对多特征LSTM粗提取结果进行后处理，得到最终优化的处理结果。

2.根据权利要求1所述的基于多特征LSTM网络的多时相高分辨率遥感影像的建筑物提取方法，其特征在于，

步骤二中，HSI彩色变换方法如下：将单幅GF-2图像的RGB模型向HIS模型转换，H表示色调，S表示饱和度，I表示亮度，HSI彩色变换转换公式如下：

其中式(1)(2)(3)中R、G、B分别代表原始GF-2影像的红色波段、绿色波段和蓝色波段。