[发明专利]高分辨率遥感影像小样本高精度建筑分割提取方法及装置

权利要求书

1.一种高分辨率遥感影像小样本高精度建筑分割提取方法，其特征在于，包括以下步骤：

S1：获取样本集，所述样本集包括标记样本和未标记样本；

S2：将所述样本集划分为训练集和验证集；

S3：基于带约束的正样本学习算法构建UNet++改进模型，并初始化c值，所述c值为标记样本占正样本的比例；

S4：使用所述训练集训练所述UNet++改进模型，得到正样本概率，通过c值将正样本概率转换成标记样本的概率，并计算损失函数，根据损失函数优化模型参数，同时通过验证集进行验证，当损失函数或迭代次数满足预设条件时，停止训练，得到训练好的建筑物分割模型；

S5：将待测试的高分辨率遥感影像输入所述训练好的建筑物分割模型，输出建筑物分割提取结果。

2.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法，其特征在于，步骤S4包括：

S41：依据所述训练集训练UNet++改进模型，得到正样本概率；

S42：根据c值将所述正样本概率转换成为标记样本的概率；

S43：根据所述标记样本的概率与所述训练集中的标记样本的标签计算得到损失函数，并向前传播，自动优化模型参数，包括c值；

S44：在每次迭代的过程中，从所述验证集中抽取部分影像计算验证集的损失函数，判断损失函数的值是否连续N次不下降；若是，则进入步骤S45；否则进入步骤S46；

S45：调整学习率，并进入步骤S47；

S46：继续使用现在的学习率训练UNet++改进模型；并进入步骤S47；

S47：判断是否可以提前停止训练，若是，则进入步骤S49；否则进入步骤S48；

S48：继续判断是否达到预设的迭代次数，若是，则进入步骤S49；否则返回S41；

S49：停止训练，得到训练好的建筑物分割模型，并得到训练好的建筑物分割模型输出的正样本概率。

3.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法，其特征在于，所述带约束的正样本学习算法，用于根据c值将所述正样本概率转换成为标记样本的概率，具体的转换公式为：

其中，x代表每一个像素，G(x)表示标记样本概率，f(x)表示正样本概率，c为标记样本占正样本的比例。

4.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法，其特征在于，所述改进的UNet++网络包括：编码器和解码器，所述编码器和解码器通过一系列嵌套的密集卷积块连接在一起。

5.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法，其特征在于，所述训练好的建筑物分割模型为双分支建筑物分割模型，包括：区域提取流分支和边缘提取流分支。

6.如权利要求5所述的高分辨率遥感影像小样本高精度建筑分割提取方法，其特征在于，步骤S5包括：

待测试的高分辨率遥感影像输入分别输入所述区域提取流分支和边缘提取流分支中；

通过所述区域提取流分支进行建筑面提取，得到建筑区域提取结果；

通过所述边缘提取流分支进行建筑边缘提取，得到建筑边缘提取结果；

将所述建筑区域提取结果和所述建筑边缘提取结果进行二值化点乘处理，得到建筑物分割提取结果。