买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京航空航天大学;中国科学院空间应用工程与技术中心申请的专利一种基于几何轮廓顶点预测的遥感影像建筑物分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114529552B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210202403.9，技术领域涉及：G06T7/10；该发明授权一种基于几何轮廓顶点预测的遥感影像建筑物分割方法是由刘庆杰;张明明;温奇;王蕴红设计研发完成，并于2022-03-03向国家知识产权局提交的专利申请。

本一种基于几何轮廓顶点预测的遥感影像建筑物分割方法在说明书摘要公布了：本发明公开了一种基于几何轮廓顶点预测的遥感影像建筑物分割方法，本方法首先使用两阶段检测网络结构，通过该网络从遥感影像中提取建筑物的特征信息，利用ROI‑Align操作对建筑物检测框进行操作得到建筑物的特征图，然后在该特征图上使用基于注意力机制的长短时记忆网络对建筑物轮廓进行建模预测，在轮廓预测过程中，先做边缘检测和关键点检测，将关键点得分最高的顶点作为开始顶点，输入到基于注意力机制的长短时记忆网络中开始预测，直到碰到结束标志或达到最大时序长度时结束预测，最后将预测的顶点结果映射到原图，并按照顺序相连得到建筑物的轮廓。

本发明授权一种基于几何轮廓顶点预测的遥感影像建筑物分割方法在权利要求书中公布了：1.一种基于几何轮廓顶点预测的遥感影像建筑物分割方法，其特征在于，包括以下步骤：S1：读取地区的遥感影像图，将所有数据预处理切分到512×512像素大小，获取训练集和测试集；S2：构建网络模型，包括建筑物检测模块和轮廓预测模块；S3：对网络模型进行训练，得到建筑物分割模型；S4：将未分割的遥感图像输入到已训练完成的建筑物分割模型中，得到结果；所述步骤S2中建筑物检测模块为两阶段检测模型，该模型利用基于transformer的特征提取器提取特征，获取特征提取器每层提取到的特征得到特征金字塔；使用区域生成网络提取候选框；RCNN头部对候选框进行分类和回归，得到建筑物检测框；所述步骤S2中轮廓预测模块执行以下步骤：S2-1：将特征金字塔的多层特征进行融合得到更丰富的特征P，然后在该特征P上对检测框进行ROI-Align操作得到检测框对应的特征R，并将特征R映射到28×28大小，获取更高分辨率的特征；S2-2：对检测框做边缘检测和关键点检测，将预测概率最大的关键点作为起始点，输入到轮廓预测模块中开始进行轮廓预测；所述步骤S2-1中特征融合具体为：特征金字塔网络产生的多层特征定义为P＝{P2,P3,P4,P5}，以特征P3为基础，将其他层特征信息通过池化操作或线性插值调整到与P3同等尺度，然后将特征相加并平均后得到更丰富的特征信息层P3，利用建筑物检测模块提取到的检测框在更丰富的特征信息层P3进行ROI-Align操作获得检测框对应的特征，将提取的特征映射到28×28大小，获得高分辨率特征RN×256×28×28；所述步骤S2-2中起始点通过以下方式确定：使用两个3×3卷积提取步骤S2-1获得的特征图特征，利用组归一化帮助训练，通过两个1×1卷积，分别获得建筑物的边界掩码E和建筑物顶点预测V，V经过sigmoid激活后，得到每一个建筑物顶点的概率，选择最大概率的点作为起始点S；所述步骤S2-2中轮廓预测具体为：当前时序的顶点位置yt的预测建模公式如下：Pyt|yt-1,yt-2,y01其中，y0为起始点位置，yt-1为上一时刻预测位置，yt-2为上上次时刻预测位置；在步骤S2-1得到的特征图上拼接顶点的位置信息，包括x坐标信息和y坐标信息的两层特征图，其取值范围为-1,1，根据特征图尺度均匀取值，然后进行两个3×3卷积提取特征F；对E和V使用sigmoid函数激活，获得参考预测信息；拼接E，V，F和三个预测结果，使用两个维度为64的基于注意力机制的长短时记忆网络提取时空特征；使用两个全连接网络分别预测类别和偏置，当网络感知到需要再次预测第一个位置时，输出结束标志完成预测；在训练过程中，对每次预测结果替换为真实结果，测试时使用预测结果，将预测结果映射为二值图；对于第一个时序，使用全为0的特征图代替；模型的总体损失为：L＝Ledge+λvertex*Lvertex+Loffset+Lrnn+Ldet2其中，Ledge表示建筑物边缘预测损失，Lvertex表示建筑物顶点预测损失，Loffset表示时序顶点预测中的偏置回归损失，Lrnn表示时序顶点预测中的分类损失，Ldet表示建筑物检测损失，建筑物顶点预测损失权重λvertex＝10，利用总体损失监督训练建筑物分割模型；建筑物顶点预测过程，为保证正负训练样本平衡，避免训练过程中正样本附近存在的拉扯现象，利用2D高斯分布建模衰减系数，得到公式如3所示，其中offsetx,offsety表示样本相对groundtruth的偏移量， 利用sigmoid激活函数，表示一个特征点是建筑物顶点的概率，利用衰减系数和Focalloss损失计算顶点预测损失Lvertex，公式如4所示， 其中，γ为聚焦参数，β为权重因子，p表示预测样本属于1的概率，p的取值为0-1，θ为衰减系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学;中国科学院空间应用工程与技术中心，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。