[发明专利]一种基于边缘学习的建筑物规则矢量轮廓提取方法及系统

说明书

本发明提供一种基于边缘学习的建筑物规则矢量轮廓提取方法及系统，包括：获取建筑物遥感矢量数据；构建建筑物规则矢量轮廓提取网络，将建筑物遥感矢量数据输入至建筑物规则矢量轮廓提取网络，采用多级结构边缘处理模块和不同损失函数对建筑物规则矢量轮廓提取网络进行迭代训练，得到建筑物规则矢量轮廓提取模型；将待处理建筑物遥感影像数据输入至建筑物规则矢量轮廓提取模型，得到建筑物轮廓提取结果。本发明通过已知建筑物遥感影像数据，利用样本库和多层级的深度学习平台构建训练得到建筑物规则矢量轮廓提取模型，实现了自主学习，无需人工算法干预，能适应各种场景下的建筑物矢量边缘提取，极大程度减少人工绘制建筑物边缘的工作量。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于边缘学习的建筑物规则矢量轮廓提取方法及系统。

背景技术

在建筑测量中，通常需要提取建筑的轮廓信息，而目前普遍采用人工作业，不仅效率低，而且准确度也不高。

目前，存在一些依赖于计算机处理的利用纹理、线条、阴影以及其他经验设计的特征提取方法，但往往精度不高。后来，在建筑物轮廓提取中又引入了深度学习，能一定程度提高了遥感图像建筑物提取的准确性水平，从早期卷积神经网络到完全卷积网络，大多数基于深度学习的方法将建筑物提取制定为语义分割任务，将图像划分为不同类别的区域(例如，建筑物或背景)，但是这种方法无法区分单个建筑物。此外，对于建筑物这种规则的目标，为了获取规则矢量边缘，需要额外设计基于人工经验的规则化算法对边缘进行后处理，过程繁琐，难以全自动化。

因此，需要综合考虑上述各种缺陷，提出一种新的建筑物轮廓提取方法。

发明内容

本发明提供一种基于边缘学习的建筑物规则矢量轮廓提取方法及系统，用以解决现有技术中针对建筑物轮廓提取普遍存在效率低和精度不高的缺陷。

第一方面，本发明提供一种基于边缘学习的建筑物规则矢量轮廓提取方法，包括：

获取建筑物遥感矢量数据；

构建建筑物规则矢量轮廓提取网络，将所述建筑物遥感矢量数据输入至所述建筑物规则矢量轮廓提取网络，采用多级结构边缘处理模块和不同损失函数对所述建筑物规则矢量轮廓提取网络进行迭代训练，得到建筑物规则矢量轮廓提取模型；

将待处理建筑物遥感影像数据输入至所述建筑物规则矢量轮廓提取模型，得到建筑物轮廓提取结果。

根据本发明提供的一种基于边缘学习的建筑物规则矢量轮廓提取方法，所述构建建筑物规则矢量轮廓提取网络，包括：

所述建筑物规则矢量轮廓提取网络依次包括特征编码模块、边缘初始化模块和边缘调整模块；

所述特征编码模块提取建筑物遥感矢量数据特征图，所述边缘初始化模块对所述建筑物遥感矢量数据特征图进行轮廓初始信息处理得到边缘初始化结果，所述边缘调整模块对所述边缘初始化结果进行调整修正得到边缘精确结果。

根据本发明提供的一种基于边缘学习的建筑物规则矢量轮廓提取方法，所述边缘初始化模块包括建筑物中心点热力图预测子模块和建筑物初始边缘预测子模块；

所述建筑物中心点热力图预测子模块包括串联的第一卷积层和第二卷积层，所述第一卷积层包括卷积核大小为3×3的2维卷积和1个修正线性单元，所述第一卷积层包括卷积核大小为1×1的2维卷积；

所述建筑物中心点热力图预测子模块将大小为H×W×C的所述建筑物遥感矢量数据特征图映射为大小为H×W×1的建筑物中心点热力图，其中H为所述建筑物遥感矢量数据特征图的高，W为所述建筑物遥感矢量数据特征图的宽，C为所述建筑物遥感矢量数据特征图的通道数；