[发明专利]遥感建筑物提取方法和装置

权利要求书

1.一种遥感建筑物提取方法，其特征在于，包括：

获取待提取的遥感影像；

将所述待提取的遥感影像输入改进的D-linknet模型中得到对应的提取结果；

对所述提取结果进行后处理，得到对应的后处理结果；

将所述后处理结果与所述待提取的遥感影像进行融合，得到最终的提取结果。

2.根据权利要求1所述的遥感建筑物提取方法，其特征在于，所述改进的D-linknet模型包括新编码模块、新空洞卷积模块、第一通道注意力模块、第二通道注意力模块和解码模块：

所述新编码模块是在原始D-linknet模型的编码模块中的层级之间增加至少一个跳层连接得到的；

所述新空洞卷积模块是通过调整所述原始D-linknet模型的空洞卷积模块的空洞率得到的；

所述第一通道注意力模块是在所述新编码模块和所述新空洞卷积模块之间，所述第二通道注意模块是在所述新空洞卷积模块与所述解码模块之间。

3.根据权利要求2所述的遥感建筑物提取方法，其特征在于，所述改进的D-linknet模型参数通过下述方法训练得到：

步骤310：获取用于训练的遥感数据集；

步骤320：对所述用于训练的遥感数据集进行预处理，得到预处理后的遥感数据集；

步骤330：将所述处理后的遥感数据集划分为训练数据集和测试数据集；

步骤340：将所述训练数据集输入所述改进的D-linknet模型进行训练，直到对应的损失函数收敛，得到对应参数的改进的D-linknet模型；

步骤350：将所述测试数据集输入所述对应参数的改进的D-linknet模型中，得到对应的精度；

步骤360：将所述精度与预设精度进行比较；

步骤370：若所述精度比所述预设精度大，则重新执行步骤340；若所述精度不大于所述预设精度，则执行步骤380；

步骤380：停止训练，固定所述改进的D-linknet模型参数。

4.根据权利要求3所述的遥感建筑物提取方法，其特征在于，所述对所述用于训练的遥感数据集进行预处理，得到预处理后的遥感数据集，具体包括：

对所述遥感数据集中的遥感影像中的建筑物进行矢量化获得矢量图层；

将所述矢量化图层转为栅格图层生成标签图像；

将所述遥感影像与对应的标签图像进行相同尺寸裁剪，得到处理后的遥感数据集。

5.根据权利要求3所述的遥感建筑物提取方法，其特征在于，所述将所述训练数据集输入所述改进的D-linknet模型进行训练，包括：

训练过程中对所述训练数据集中的每一幅图像进行数据增强，得到增强后的图像；

根据所述增强后的图像对所述改进的D-linknet模型进行训练。

6.根据权利要求1所述的遥感建筑物提取方法，其特征在于，所述对所述提取结果进行后处理，得到对应的后处理结果，具体包括：

对所述提取结果进行孤立点去除处理，得到去除孤立点后的提取结果；

对所述去除孤立点后的提取结果进行作最小外接矩形优化操作，得到对应的后处理结果。

7.一种遥感建筑物提取装置，其特征在于，包括：

遥感影像获取模块，用于获取待提取的遥感影像；

结果提取模块，用于将所述待提取的遥感影像输入改进的D-linknet模型中的得到对应的提取结果；

后处理模块，具体用于对所述提取结果进行后处理，得到对应的后处理结果；

结果融合模块，用于将所述后处理结果与所述待提取的遥感影像进行融合，得到最终的提取结果。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述遥感建筑物提取方法的步骤。