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！

申请/专利权人：福建师范大学

摘要：本发明提供的一种基于改进型DeepLabV3+的遥感影像建筑物提取方法及装置，其方法包括：步骤S1、将包含建筑物的遥感图像训练集输入到改进型DeepLabV3+模型中进行训练，并使用遥感图像验证集进行本实施例改进型DeepLabV3+模型的调参优化；步骤S2、将训练完成的改进型DeepLabV3+模型通过遥感图像测试集进行测试，若测试符合要求则输出作为建筑物提取模型；步骤S3、将第一遥感图像输入到本实施例建筑物提取模型，以得到提取有建筑物轮廓的第一预测效果图；本实施例改进型DeepLabV3+模型和本实施例建筑物提取模型中的特征处理层的图像为二值化数据，本实施例输出层的图像为浮点型数据。本发明能够降低计算资源消耗、提高训练速度和提高建筑物提取精度。

主权项：1.一种基于改进型DeepLabV3+的遥感影像建筑物提取方法，其特征在于，包括：步骤S1、将包含建筑物的遥感图像训练集输入到改进型DeepLabV3+模型中进行训练，并使用遥感图像验证集进行所述改进型DeepLabV3+模型的调参优化；所述改进型DeepLabV3+模型包括输入层、特征处理层和输出层，所述特征处理层包括深度卷积神经网络、并行的双注意力机制模块和VortexPooling模块、以及译码器，所述深度卷积神经网络对所述输入层输入的遥感图像提取高层特征信息和低层特征信息，所述双注意力机制模块和所述VortexPooling模块并行处理所述高层特征信息后再进行特征融合，所述译码器对所述低层特征信息和融合后的高层特征信息进行融合处理后，通过所述输出层输出预测效果图；所述改进型DeepLabV3+模型是基于多任务学习的语义分割模型，其中包括对遥感图像进行建筑物二分类提取的语义分割任务以及遥感影像中建筑物内部点距离的高维空间分割任务；所述双注意力机制模块处理所述高层特征信息包括：所述双注意力机制模块中通道注意力模块对所述高层特征信息中的二分类特征信息进行特征强化处理，所述双注意力机制模块中空间注意力模块对所述高层特征信息中的高维空间特征信息进行特征强化处理，所述双注意力机制模块将强化处理后的二分类特征信息和高维空间特征信息进行融合之后输出；所述改进型DeepLabV3+模型的总损失函数Ltotal为：Ltotal=ω1Ldiscrimative+ω2Lsegmentation；其中，Ldiscrimative为判别损失函数，ω1为判别损失函数的权重，Lsegmentation为语义分割损失函数，ω2为语义分割损失函数的权重，所述判别损失函数用于训练所述深度卷积神经网络，所述总损失函数Ltotal用于训练所述改进型DeepLabV3+模型；步骤S2、将训练完成的改进型DeepLabV3+模型通过遥感图像测试集进行测试，若测试符合要求则输出作为建筑物提取模型；步骤S3、将待预测遥感图像输入到所述建筑物提取模型，以得到提取有建筑物轮廓的预测效果图；所述改进型DeepLabV3+模型和所述建筑物提取模型中的特征处理层的图像为二值化数据，所述输出层的图像为浮点型数据；所述步骤S1之前还包括：步骤S0、获取遥感影像数据源的原始遥感图像，分别进行数据增强与样本平衡、影像裁剪并剔除没有建筑物的图像、图像二值化并进行建筑物人工标注后构建遥感图像数据集，按照预设数量随机划分为遥感图像训练集、遥感图像验证集和遥感图像测试集；所述构建遥感图像数据集包括：步骤S01、在得到人工标注建筑物之后的所有第一遥感图像之后，得到原始的遥感图像数据集，对每一个建筑物在所述第一遥感图像中的倾斜角度进行统计汇总，得到原始的遥感图像数据集中不同倾斜角度区间下的建筑物数量；步骤S02、将建筑物数量低于模型训练的最低预设数量a的倾斜角度区间进行汇总，得到待补充角度集，统计所述待补充角度集中每一个倾斜角度区间的缺失数量S，其表达式如下：Si=a×1+b-Pi；其中，Si为所述待补充角度集中第i个倾斜角度区间的缺失数量，b为预设波动范围内的随机系数，Pi表示所述待补充角度集中第i个倾斜角度区间的实际数量，i为正整数，其范围为1至所述待补充角度集中倾斜角度区间的总数；步骤S03、从原始遥感图像中重新裁剪出第二遥感图像，以补充对应缺失数量的倾斜角度区间，并按照所补充的第二遥感图像的数量从建筑物数量高于标准数量的倾斜角度区间所在的第一遥感图像中剔除掉同等数量，以得到最终的遥感图像数据集。

全文数据：

权利要求：

百度查询： 福建师范大学 一种基于改进型DeepLabV3+的遥感影像建筑物提取方法及装置