[发明专利]一种用于建筑物变化检测的局部背景语义信息增强方法

说明书

本发明涉及一种用于建筑物变化检测的局部背景语义信息增强方法，即：对比前后时相的两张建筑物原图，在两张原图上标注出建筑物变化区域，生成标注矢量文件，将原图裁切成N块高为H、宽为W的小图，将标注矢量文件转换为和原图等宽、等高的二值图，然后裁切出N块高为h，宽为w的标签，其中h=H/2，w=W/2，形成的图作为训练样本，构建出深度学习模型，对深度学习模型进行训练，任意选取一张待检测的遥感图像输入到训练得到的模型中，该方法实现了局部背景语义信息增强，即W与w之间的差值部分以及H与h之间的差值部分的背景像素对边缘区域的检测形成了信息增强，从源头为深度学习模型判别提供了决定性的上下文特征，显著提高检测准确率。

技术领域

本发明涉及计算机视觉技术领域，尤其是涉及一种用于建筑物变化检测的局部背景语义信息增强方法。

背景技术

中国社会经济的快速发展加速了城市的空间扩展，在城市化进程中，建筑物作为活跃的城市要素，会出现大量更新。精确、高效的建筑物变化信息提取对于城市规划等业务具有重要意义。

卫星遥感技术的发展为各个研究领域带来了大量遥感数据，其中遥感图像已经成为建筑物变化检测技术的重要数据来源。高分辨率遥感图像中地物信息丰富，但“同物异谱，同谱异物”的情况严重，这也对如何有效利用这些信息进行建筑物变化检测提出了巨大挑战。随着深度学习技术的创新与发展，其以无需通过专家进行手工设计和泛化能力强等特点，为建筑物变化检测带来了新的可能性。

在实际应用中，由于现代都市高楼林立以及不同时相镜头拍摄姿态不同，导致建筑物出现投影差、现有算法无法处理等问题，需通过人工来检测出建筑物变化的区域，但面对城市数量级的建筑物造成的海量勾绘任务，其效率低、成本高是该领域无法回避的痛点。

局部背景语义信息增强算法能让深度学习算法有效的处理投影差现象，进一步提高建筑物变化检测的准确率。

发明内容

本发明所要解决的技术问题是提供一种精度高、效率高，且成本低的用于建筑物变化检测的局部背景语义信息增强方法。

本发明所采用的技术方案是，一种用于建筑物变化检测的局部背景语义信息增强方法，该方法包括下列步骤：

步骤一、对比前后时相的两张建筑物原图，在两张建筑物原图上标注出建筑物变化的区域，即勾绘建筑物变化区域，生成标注矢量文件，其中建筑物原图的高度设为OH，宽度设为OW；

步骤二、分别将前后时相的两张建筑物原图裁切成N块高为H、宽为W的小图，其中OH大于H，OW大于W；

步骤三、将步骤一中生成的标注矢量文件转换为高度为OH、宽度为OW的二值图，再将得到的二值图裁切为N块高为h、宽为w的标签，每块标签均位于对应的每块小图的正中间，其中h=H/2，w=W/2；

步骤四、将步骤二中前时相的N块小图分别与后时相的N块小图一一对应进行拼接，拼接后形成的图作为训练样本，并生成训练样本集，即训练样本集中包括了N块拼接形成的图；

步骤五、构建出深度学习模型；

步骤六、对深度学习模型进行训练：将步骤四中生成的训练样本集输入到步骤五构建的深度学习模型勾网络结构中，获得深度学习模型的输出结果，将输出结果与步骤三中的标签输入到损失函数中计算出损失值，再通过反向传播算法以损失值等于0为目标来更新网络权重，不断迭代，实现深度学习模型的训练；

步骤七、任意选取一张待检测的遥感图像，在该遥感图像上应用步骤六中训练得到的深度学习模型。

本发明的有益效果是：采用上述一种用于建筑物变化检测的局部背景语义信息增强方法，该方法实现了局部背景语义信息增强，即W与w之间差值部分的背景像素以及H与h之间差值部分的背景像素对边缘区域的检测形成了信息增强，从源头上为深度学习模型判别提供了决定性的上下文特征，在该领域，属于从无到有的一项技术，是质的飞跃，显著提高了检测的准确率、精度以及检测效率，并且成本低。