[发明专利]一种基于残差网络的遥感影像建筑物自动提取方法和系统

说明书

本发明公开了一种基于残差网络的遥感影像建筑物自动提取方法和系统，该方法包括：构建训练样本数据集；对训练样本数据集中的样本进行扩充，得到扩充后的训练样本数据集；构建用于遥感影像建筑物自动提取的待训练残差网络模型；根据扩充后的训练样本数据集中的训练样本，对待训练残差网络模型进行训练，得到网络参数；根据得到的网络参数，对待训练残差网络模型进行参数更新，得到训练残差网络模型；根据训练残差网络模型，对测试数据进行建筑物检测。本发明实现了对建筑物的自动化提取，降低了解译成本，提高了解译效率。

技术领域

本发明属于多光谱遥感图像技术领域，尤其涉及一种基于残差网络的遥感影像建筑物自动提取方法和系统。

背景技术

遥感是使用运用现代化的运载工具和传感器，探测和识别远距离研究对象的技术。基于人造地球卫星、航空等平台上的遥测仪器，从远距离获取目标物体的电磁波特性，通过该信息的传输、贮存、卫星、修正、识别目标物体，对地球表面实施感应遥测和资源管理。随着经济与科学技术的发展，遥感对地观测技术进入了一个高速发展时期。各种传感器的发射升空，使得卫星遥感数据极为丰富，为人类研究地球创造了前所未有的有利条件，为遥感开拓了更广阔的应用前景，为信息时代的到来建设打下了坚实的基础。

随着经济建设的不断发展，城市化进程的不断推进，土地的利用和管理显得尤其重要。建筑物作为地物类型中分布最广的人工目标类型之一，相关信息的准确获取在城市规划、人口布局、土地分析和环境调查等方面具有重要意义。近年来，我国国力不断增强，发射了多颗高分辨率光学卫星，积累了海量的数据。由于其包含丰富的地物光谱、空间信息，能够准确描述不同地物间的差异，且具有高空间、高时间、高光谱分辨率的特点，能够高效地从高空对地物信息进行大范围、高精度监测，目前已被广泛应用于建筑物提取中。

然而，目前遥感图像仍然较多的需要人工判读，即使存在一些解译算法，也大多自动化程度不高，需要人工干预，

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种基于残差网络的遥感影像建筑物自动提取方法和系统，实现了对建筑物的自动化提取，降低了解译成本，提高了解译效率。

为了解决上述技术问题，本发明公开了一种基于残差网络的遥感影像建筑物自动提取方法，包括：

构建训练样本数据集；

对训练样本数据集中的样本进行扩充，得到扩充后的训练样本数据集；

构建用于遥感影像建筑物自动提取的待训练残差网络模型；

根据扩充后的训练样本数据集中的训练样本，对待训练残差网络模型进行训练，得到网络参数；

根据得到的网络参数，对待训练残差网络模型进行参数更新，得到训练残差网络模型；

根据训练残差网络模型，对测试数据进行建筑物检测。

相应的，本发明还公开了一种基于残差网络的遥感影像建筑物自动提取系统，包括：

训练集构建模块，用于构建训练样本数据集；

训练集处理模块，用于对训练样本数据集中的样本进行扩充，得到扩充后的训练样本数据集；

模型构建模块，用于构建用于遥感影像建筑物自动提取的待训练残差网络模型；

参数训练模块，用于根据扩充后的训练样本数据集中的训练样本，对待训练残差网络模型进行训练，得到网络参数；

模型更新模块，用于根据得到的网络参数，对待训练残差网络模型进行参数更新，得到训练残差网络模型；

检测模块，用于根据训练残差网络模型，对测试数据进行建筑物检测。

本发明具有以下优点：