[发明专利]基于目标上下文卷积神经网络的数字高程模型提取方法

权利要求书

1.基于目标上下文卷积神经网络的数字高程模型提取方法，其特征在于：包括以下步骤：

步骤1，对立体像对影像依次进行立体区域网平差、核线影像生成、影像密集匹配、前方交会的处理，从而生成数字地表模型DSM；

步骤2，利用目标上下文卷积神经网络对立体像对影像进行地物分类，提取地物边界；

步骤3，根据目标上下文卷积神经网络的分类结果将数字地表模型DSM分为修正目标区和非修正区；并针对修正目标区采用高程曲面拟合处理，对非修正区采用平滑滤波处理，共同生成数字高程模型DEM。

2.根据权利要求1所述的基于目标上下文卷积神经网络的数字高程模型提取方法，其特征在于：所述步骤1中对立体像对影像进行立体区域网平差的处理步骤，包括：

构建有理多项式模型：

其中，l表示立体像对影像中像点的行，s表示立体像对影像中像点的列，v_l、v_s为像点坐标观测值残差；s_测、l_测为同名像点坐标观测值；、、、、、均为立体像对影像的有理多项式的仿射变换参数改正值；、、分别为立体像对影像的行坐标在有理多项式中经度、纬度、高程方向上的一阶导数，、、分别为立体像对影像的列坐标在有理多项式中经度、纬度、高程方向上的一阶导数；、、分别为同名像点在经度、纬度、高程方向上的改正值；、为常数项，表示测量像点坐标与根据有理多项式计算出的像点坐标分别在行和列方向上的差值，有：

其中，l_rpc、s_rpc分别为根据有理多项式系数计算的影像行坐标、列坐标；a₀、a_s、a_l、b₀、b_s、b_l均为立体像对影像的有理多项式的仿射变换参数。

3.根据权利要求2所述的基于目标上下文卷积神经网络的数字高程模型提取方法，其特征在于：所述步骤1中进行核线影像生成的处理步骤，包括：

根据立体区域网平差结果，基于像方的核线影像生成模型构建二次多项式模型：

其中，l_epi、r_epi分别为核线影像的行坐标、列坐标；l_org、r_org分别为立体区域网平差后立体像对影像的行、列坐标；c₀、c₁、c₂、c₃、c₄、c₅均表示核线影像行坐标的二次多项式拟合参数，d₀、d₁、d₂、d₃、d₄、d₅均表示核线影像列坐标的二次多项式拟合参数。