[发明专利]遥感建筑物提取方法和装置

说明书

本发明提供一种遥感建筑物提取方法和装置，其中，方法包括：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模型中的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。本发明通过采用改进的D‑linknet模型对建筑物进行提取能够提高提取的精度，并且通过对提取结果进行后处理能够去除孤立点，使提取的结果更加精确。

技术领域

本发明涉及计算机技术领域，尤其涉及一种遥感建筑物提取方法和装置。

背景技术

随着人工智能技术，特别是机器学习技术的飞速发展，面对传统建筑物提取方法往往存在流程复杂、自动化程度不高、推广能力有限的问题，已经有研究机构或学者尝试利用人工智能技术，特别是深度学习技术进行建筑物目标提取的研究，取得了一定的成果。^[1]遥感建筑物提取实际上是一个二分类的语义分割问题，在该领域常使用的网络为Unet系列。Unet系列是以Unet为基础的一系列改进的算法。U-Net模型使用一个编码器结构来实现逐层特征抽取，使用一个解码器来逐步恢复上下文细节信息。U-Net使用反卷积操作代替了线性插值操作，同时使用跳转连接来融合了编码器网络中的特征图，从而保证解码器网络能够接收更多的上下文细节特征。

原始的U-Net只有四个下采样的过程，网络的整体感受野较小，且网络的输入与输出尺寸具有很大的局限性，这使得网络对于许多高分辨率的图片不奏效。因而，对于U-Net常见的改进为直接在U-Net的基础上多叠加几个卷积模块和池化层，相比于原始U-Net，网络可以综合空间上更广阔的语义信息。但加深后的U-Net虽然能够解决原生U-Net感受野过小的问题，但其细节信息保留不好。

发明内容

本发明提供一种遥感建筑物提取方法和系统，用以解决现有技术中建筑物提取精度不足的缺陷，实现对建筑物的精确提取。

第一方面，本发明提供的一种遥感建筑物提取方法，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模型中的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。

进一步，根据本发明提供的遥感建筑物提取方法，其中，所述改进的D-linknet模型包括新编码模块、新空洞卷积模块、第一通道注意模块、第二通道注意模块和解码模块：

所述新编码模块是在原始D-linknet模型的编码模块的层级之中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。

进一步，根据本发明提供的遥感建筑物提取方法，其中，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；