[发明专利]基于异常检测的遥感影像建筑物迁移提取方法

权利要求书

1.一种基于异常检测的遥感影像建筑物迁移提取方法，其特征在于，包括以下步骤:

S1、利用开放数据集对深度语义分割网络模型进行训练，将遥感影像输入训练好的深度语义分割网络模型中，得到所述遥感影像的输出结果；

S2、提取输出结果中的建筑预测结果和道路预测结果，并对所述建筑预测结果进行预处理，得到建筑层、非建筑层和待分层；

S3、对所述建筑层进行异常检测，剔除异常对象后得到建筑样本，并将非建筑层作为非建筑样本；

S4、将所述道路预测结果从待分层中擦除，结合所述建筑样本和非建筑样本对待分层对象进行重分类，得到重分类后的建筑物分类结果；

S5、将所述建筑物分类结果与所述建筑样本相叠加，得到建筑物迁移提取结果。

2.根据权利要求1所述的提取方法，其特征在于，S2中，所述预处理按照预测概率阈值对建筑预测结果进行分层处理。

3.根据权利要求1所述的提取方法，其特征在于，所述建筑层、非建筑层和待分层内的对象采用影像分割处理，所述影像分割处理的算法为分型网络演化算法。

4.根据权利要求1所述的提取方法，其特征在于，所述建筑预测结果由输入的遥感影像和开放数据集训练得到的深度语义分割网络模型确定，通过将所述输出结果与输入的遥感影像中的像素坐标相对应，得到输出结果与输入的遥感影像中相对应的像素属于建筑物的概率，每个像素的取值范围为[0,1]，表示每个像素为建筑物的预测概率。

5.根据权利要求4所述的提取方法，其特征在于，所述建筑层为概率大于0.6的像素区域，所述非建筑层为概率小于0.2的像素区域，所述待分层为概率在0.2～0.6之间的像素区域。

6.根据权利要求1所述的提取方法，其特征在于，S3中异常检测包括以下分步骤：

S31、计算建筑层中对象的光谱、纹理等特征值；

S32、根据计算得到的特征值利用异常检测算法将建筑层中的对象进行异常剔除，得到建筑样本。

7.根据权利要求6所述的提取方法，其特征在于，所述异常剔除采用孤立森林算法对所述建筑样本中的异常对象进行剔除，所述孤立森林算法通过下述公式对该算法所构成的孤立树中的叶子节点到根节点的路径长度进行归一化处理，具体公式如下：

H(i)＝ln(i)+0.577

其中：p(x,n)是节点x的异常分数，并且所述异常分数p(x,n)为l(x)的单调递减函数，p的取值范围为[0，1]；E(l(x))是节点x在多棵孤立树中l(x)的期望值；C(n)为给定样本数n后路径长度的平均值，用来标准化样本x的路径长度；H(i)为调和数；0.577是欧拉常数。

8.根据权利要求1所述的提取方法，其特征在于，所述重分类采用监督分类器对待分层内的对象进行重分类。

9.根据权利要求8所述的提取方法，其特征在于，所述S4中重分类包括以下分步骤：

S41、去除待分层中的道路预测结果；

S42、将建筑层中剔除的异常对象加入待分层中；

S43、提取的建筑样本和非建筑样本中的特征值并将提取到的特征值输入监督分类器内作为参照对象；

S44、将待分层内的对象输入监督分类器内进行重分类，获取其中的建筑物分类结果。

10.根据权利要求9所述的提取方法，其特征在于，S43中，所述特征值包括建筑物的颜色、纹理特征以及建筑物相关的指数特征，其中，待分层内的对象根据颜色特征进行重分类的计算公式如下所示：

其中f_ij是第j个图像像素的第i个颜色分量的颜色值；N是图像中的像素总数；μ_i、σ_i、γ_i(i＝1,2,3)分别表示图像每个通道的平均值、标准偏差和偏度。