[发明专利]一种多尺度遥感图像密集房屋检测方法及装置

权利要求书

1.一种多尺度遥感图像密集房屋检测方法，其特征在于，所述方法包括：

获取包含房屋的不同层级的遥感图像，基于卷积方式提取遥感图像特征，以得到遥感图像的特征图；

在所述特征图中加入sobel算子，以得到具有增强房屋线条特征的遥感图像特征图；

基于U-Net网络中的直连结构将遥感图像特征图连接，得到最终遥感图像特征图；

使用上采样操作使得最终遥感图像特征图与原图大小保持一致，并在上采样操作后使用卷积操作解码特征图中的房屋特征图像；以及

采用卷积操作对房屋特征图像中的每个像素点进行二分类，并与预设的阈值进行比较，从而得到不同颜色的房屋输出结果。

2.根据权利要求1所述的多尺度遥感图像密集房屋检测方法，其特征在于，所述获取包含不同层级房屋的遥感图像,基于卷积方式提取遥感图像特征，以得到遥感图像的特征图的步骤具体包括：

制作遥感图像的标注图，结果为房屋目标像素标记为白色，其余背景像素标记为黑色，之后对标注图像进行预处理操作来平滑标注结果，再将遥感图像与对应的标注图像送入网络进行训练；

通过卷积操作分别得到遥感图像特征图中单一通道的特定区域以及所有区域的计算结果；其中，卷积公式为：

G＝∑_c∑_i∑_jA(i,j,c)*W(i,j,c)

其中，i,j,c分别为图像长、宽、通道方向的变量，A为原图，W为卷积核中的参数；

将所有卷积核重复上一步骤操作，最终得到遥感图像特征图的所有通道的计算结果，从而得到遥感图像的特征图。

3.根据权利要求2所述的多尺度遥感图像密集房屋检测方法，其特征在于，所述在所述特征图中加入sobel算子，以得到具有增强房屋线条特征的遥感图像特征图的步骤还包括，将每个像素的3*3区域与sobel算子进行卷积操作，达到增强遥感图像特征图中的线条特征；其中，所述sobel算子中参数在每次训练过程中均会根据损失函数的梯度值动态改变。

4.根据权利要求1所述的多尺度遥感图像密集房屋检测方法，其特征在于，所述基于U-Net网络中的直连结构将遥感图像特征图连接，得到最终遥感图像特征图的步骤包括：

直连结构将同层次的遥感图像的特征图进行堆叠后进行卷积操作，或者，直连结构先将不同层次的遥感图像的特征图进行上采样操作，再将新的特征图进行堆叠后进行卷积操作，从而得到最终遥感图像特征图。

5.根据权利要求1所述的多尺度遥感图像密集房屋检测方法，其特征在于，所述采用卷积操作对房屋特征图像中的每个像素点进行二分类，并与预设的阈值进行比较，从而得到不同颜色的房屋输出图像的步骤包括：二分类后的每个像素点为房屋的概率值，如果概率值大于所述阈值，则认为该像素点为房屋中的像素点，在最终输出图像中为白色；若概率值小于所述阈值，则认为像素点为背景中的像素点，在最终输出图像中为黑色。

6.根据权利要求2所述的多尺度遥感图像密集房屋检测方法，其特征在于，所述通过卷积操作分别得到遥感图像特征图中单一通道的特定区域以及所有区域的计算结果的步骤包括：

卷积核与遥感图像每个通道中特定区域进行卷积操作，最终将所有通道的卷积结果相加得到遥感图像特征图中单一通道的特定区域的计算结果；

同一卷积核在遥感图像的每个通道上长、宽维度进行滑动操作重复上诉操作，得到遥感图像特征图中单一通道的所有区域的计算结果。

7.根据权利要求4所述的多尺度遥感图像密集房屋检测方法，其特征在于，所述直连结构将同层次的遥感图像的特征图进行堆叠后进行卷积操作的步骤包括，将同层级的遥感图像的特征图在通道维度上进行堆叠，新的特征图的通道数量为之前特征图的通道数量之和。

8.根据权利要求4所述的多尺度遥感图像密集房屋检测方法，其特征在于，所述直连结构先将不同层次的遥感图像的特征图进行上采样操作，再将新的特征图进行堆叠后进行卷积操作，从而得到最终遥感图像特征图。