[发明专利]基于分形几何特征和边缘监督的遥感影像建筑物提取方法

权利要求书

1.基于分形几何特征和边缘监督的遥感影像建筑物提取方法，其特征在于，包括以下步骤：

S1.获取大量遥感图像数据构建影像数据集，获取遥感影像数据集中每幅遥感影像对应的建筑物二值图标签即为真实标签；

S2.对图像进行预处理以及数据增强处理得到大量样本数据，每个样本数据包括处理后的图像及其对应的标签，并将所有样本按比例划分为训练集、验证集和测试集；；

S3.利用训练集样本中的图像作为FB-Unet网络的输入，训练集样本中的标签作为FB-Unet网络的真值标签，对FB-Unet网络进行训练，训练完成后得到建筑物提取网络FB-Unet模型；

S4.将待进行建筑物提取的遥感影像输入到训练好的建筑物提取网络FB-Unet模型中，提取遥感影像中建筑物的语义特征，得到遥感影像对应的逐像素预测结果。

2.根据权利要求1所述的基于分形几何特征和边缘监督的遥感影像建筑物提取方法，其特征在于：所述步骤S1中基于已有地理信息系统中的卫星遥感影像数据、航空摄影装置以及无人机正射影像数据获取大量的遥感影像数据；通过已有的建筑物矢量数据、地理普查数据或者人工标注的方法获取遥感数据集中每幅遥感影像对应的建筑物二值图标签，遥感图像中的建筑物像素在二值图标签中对应为1，否则为0。

3.根据权利要求1所述的基于分形几何特征和边缘监督的遥感影像建筑物提取方法，其特征在于：所述步骤S2中所述的预处理为将分辨率高的影像数据及其二值图标签切割为512*512像素的图片；所述数据增强处理包括以一定的概率进行平移、旋转、水平翻折、竖直翻折、沿对角线翻折、尺度变换、随机噪声、亮度饱和度变化中的一种或一种以上操作。

4.根据权利要求1所述的基于分形几何特征和边缘监督的遥感影像建筑物提取方法，其特征在于：所述步骤S3中建筑物提取网络FB-Unet模型包括特征提取网络以及边缘监督网络；所述特征提取网络包括网络编码器，Bridge桥接层和网络解码器；所述边缘监督网络包括多尺度边缘提取模块。

5.根据权利要求4所述的基于分形几何特征和边缘监督的遥感影像建筑物提取方法，其特征在于：网络编码器包括n层编码层，分别为E₁、E₂、E₃、…、E_n编码层；编码层E₁由2个卷积层级联组成，所述卷积层由PSA模块、BatchNorm和ReLU激活函数依次连接而成，其中前一个卷积层将输入图像的RGB三个通道转换为64个通道，后一个卷积层保持通道数不变；编码层E₂～E_n均由一个最大池化层和2个卷积层级联组成，所述最大池化层用于将输入分辨率减半且池化窗口尺寸为2*2；编码层E₂～E_n-1中前一个卷积层将输入通道数翻倍，后一个卷积层保持通道数不变；编码层E_n中2个卷积层均保持通道数不变；

所述Bridge桥接层包括n个多尺度扩张-分形几何特征模块，分别为F-ASPP₁、F-ASPP₂、F-ASPP₃、…、F-ASPP_n，各编码层E₁、E₂、E₃、…、E_n的输出特征图像分别对应输入到F-ASPP₁、F-ASPP₂、F-ASPP₃、…、F-ASPP_n中；

所述网络解码层包括n层解码层，分别为D₁、D₂、D₃、…、D_n，各多尺度扩张-分形几何特征模块F-ASPP₁、F-ASPP₂、F-ASPP₃、…、F-ASPP_n的输出特征图像分别对应输入到D₁、D₂、D₃、…、D_n中；在解码层D_n中，将E_n编码层的输出特征图像和F-ASPP_n模块的输出特征图像连接起来做上采样操作恢复至上一层E_n-1的输出特征图像分辨率；最后，将得到的特征图像的分辨率恢复到与输入的原始遥感图像的分辨率一致，通过sigmoid函数激活后将输出的图像以0.5为阈值进行二值化处理，当预测结果大于0.5时认为该像素为建筑物标记为1，反之标记为0，得到原始遥感影像对应的预测输出结果；

所述sigmoid激活函数公式为：

其中z表示特征图像中像素的预测值。