[发明专利]一种建筑物图像语义分割结果自适应优化方法

权利要求书

1.一种建筑物图像语义分割结果自适应优化方法，其特征在于：包括以下步骤：

S1：将源建筑物图进行极坐标逆变换，获得逆极变换图；

S2：在不同颜色相似度阈值下同时对源建筑物图和逆极变换图进行均值漂移，获得源建筑物聚类图和逆极变换聚类图；

S3：将逆极变换聚类图进行极坐标正变换，获得二次变换聚类图；

S4：对源建筑物聚类图和二次变换聚类图进行颜色聚类目标提取，获取源建筑物聚类提取图和二次变换聚类提取图；

S5：源建筑物聚类提取图和二次变换聚类提取图进行轮廓匹配，得到轮廓匹配结果值；

S6：根据轮廓匹配结果值获取最佳颜色相似度阈值；

S7：以最佳颜色相似度阈值为参数对源建筑物图进行均值漂移，得到建筑物颜色聚类结果图；

S8：对该颜色聚类结果图进行颜色聚类目标提取，获得建筑物语义纠正提取图。

2.如权利要求1所述的一种建筑物图像语义分割结果自适应优化方法，其特征在于：步骤S4中进行颜色聚类目标提取的具体过程如下：

S41：读取源建筑物聚类图和二次变换聚类图；

S42：输入颜色面积占比阈值W；

S43：采用基于深度学习的建筑物提取模型获得源建筑图的语义分割结果轮廓，将语义分割结果轮廓分别与源建筑物聚类图、二次变换聚类图进行叠加，取交集，得到源建筑物叠加图和二次变换叠加图；

S44：判断源建筑物叠加图和二次变换叠加图中各颜色块的像元总数占源建筑物聚类图、二次变换叠加图中对应颜色块的像元总数的百分比w；

S45：判断w是否大于W，若大于，则保留拥有该颜色的所有像元，否则舍弃，得到源建筑物聚类初步提取图和二次变换初步提取图；

S46：将源建筑物聚类初步提取图和二次变换初步提取图进行二值化，得到源建筑物聚类提取图和二次变换聚类提取图。

3.如权利要求1所述的一种建筑物图像语义分割结果自适应优化方法，其特征在于：步骤S6中获取最佳颜色相似度阈值的过程如下：

S61：初始化颜色相似度阈值color_radius，初始化颜色相似度阈值最大值maxCR、初始化颜色相似度阈值变化步长CRStep；步骤S61仅执行一次，在后续迭代计算过程中，不再进行步骤S61，直接进入步骤S62；

S62：轮廓匹配结果值作为键，颜色相似度阈值作为值，并按照颜色相似度阈值从小到大的顺序，将键值对放入集合S；

S63：判断color_radius是否小于或等于maxCR，若是，则color_radius自增CRStep，重复步骤S2至步骤S5；若大于，则继续执行步骤S64；

S64：CRStep’＝CRStep/10ⁿ；其中n为迭代求解次数；CRStep’为每次迭代中更新后的颜色相似度阈值变化步长；判断CRStep’值是否达到预设值，若是，则遍历集合S，寻找最小的轮廓匹配结果值所对应的颜色相似度阈值即为最佳颜色相似度阈值；否则，进入步骤S65；

S65：遍历集合S，计算相邻颜色相似度阈值所对应轮廓匹配结果的差值的绝对值colorResult；并以colorResult为键，其所对应的两个颜色相似度阈值作为值，以键值对的方式放入集合Q；

S66：遍历集合Q，获取最小的colorResult所对应的两个颜色相似度阈值，并以其作为颜色相似度阈值变化的上下边界，记为[m,n]；

S67：将color_radius调整为m，maxCR调整为n；清空集合S、集合Q，返回步骤S2。