[发明专利]基于场景与像元信息的遥感图像城镇提取方法及装置

权利要求书

1.一种基于场景与像元信息的遥感图像城镇提取方法，其特征在于，包括：

对获取的待处理遥感图像进行格网划分，生成所述待处理遥感图像对应的多个格网图像；

将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像；

对所述格网分类图像执行边缘提取操作，并根据提取结果对为边缘的格网分类图像进行标记；

包括：基于图像边缘检测算法对所述格网分类图像进行边缘提取，将识别为边缘的格网图像标记为E，非边缘的格网图像不进行标记；

将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的城镇提取结果图像；

包括：建立一个与所述待处理遥感图像的尺寸相同的空白图像，以存储所述城镇提取结果图像；

对所述格网分类图像中每一个所述格网分类图像进行条件判断；

若所述格网分类图像为城镇类别且被标记为E，则将其输入到所述目标像元分类网络模型预测其像元分类结果，将该像元分类结果图像赋值给所述空白图像中的相同区域；

若所述格网分类图像为城镇类别的图像且未被标记，在所述空白图像中的相同区域的像元全部赋值为1；

若所述格网分类图像为非城镇类别，在所述空白图像中的相同区域的像元全部赋值为0，最终所述城镇提取结果图像，所述城镇提取结果图像为0-1二值图像；

针对被所述目标场景分类网络模型判定为城镇类别的未被标记的格网图像，在所述城镇提取结果图像中相对应区域赋值为1；

针对被所述目标场景分类网络模型判定为非城镇类别的格网图像，在所述城镇提取结果图像中相对应区域赋值为0；

对所述城镇提取结果图像进行空洞填充后处理，得到城镇提取二值图。

2.根据权利要求1所述的方法，其特征在于，在所述将每个所述格网图像输入至预先训练的目标场景分类网络模型，以得到每个所述格网图像对应的格网分类图像之前，还包括：

获取同源的城镇卫星遥感图像和非城镇卫星遥感图像；

对所述城镇卫星遥感图像和所述非城镇卫星遥感图像按照N×N大小进行裁剪，分别得到所述城镇卫星遥感图像对应的第一裁剪图像和所述非城镇卫星遥感图像对应的第二裁剪图像；其中，N为正整数，且为2的整数倍；

对所述第一裁剪图像和所述第二裁剪图像分别进行城镇场景类别和非城镇场景类别的标注，分别生成所述第一裁剪图像对应的第一标注图像和所述第二裁剪图像对应的第二标注图像；

基于所述第一标注图像和所述第二标注图像对初始场景分类网络模型进行训练，得到所述目标场景分类网络模型。

3.根据权利要求1所述的方法，其特征在于，在所述将标记的格网分类图像输入至预先训练的目标像元分类网络模型，以获取所述标记的格网分类图像对应的像元分类结果图像，并将所述像元分类结果图像作为城镇提取结果中相应区域的提取结果之前，还包括：

获取同源的城镇卫星遥感图像和非城镇卫星遥感图像；

对所述城镇卫星遥感图像和所述非城镇卫星遥感图像按照N×N大小进行裁剪，分别得到所述城镇卫星遥感图像对应的第一裁剪图像和所述非城镇卫星遥感图像对应的第二裁剪图像；其中，N为正整数，且为2的整数倍；

对所述第一裁剪图像和所述第二裁剪图像中的每个像元进行城镇类别和非城镇类别的标注，分别生成所述第一裁剪图像对应的第一像元标注图像和所述第二裁剪图像对应的第二像元标注图像；

基于所述第一像元标注图像和所述第二像元标注图像中的城镇类别的像元标注图像对初始像元分类网络模型进行训练，得到所述目标像元分类网络模型。

4.权利要求1所述的方法，其特征在于，所述对所述城镇提取结果图像进行空洞填充后处理，得到城镇提取二值图，包括：

利用形态学运算中空洞填充算法对所述城镇拼接图像进行后处理，填补位于城镇内部且像元值为0像元，得到城镇提取二值图像。