[发明专利]一种基于卷积神经网络的遥感影像建筑物变化检测方法有效
| 申请号： | 201910394443.6 | 申请日： | 2019-05-13 |
| 公开（公告）号： | CN110136170B | 公开（公告）日： | 2021-04-02 |
| 发明（设计）人： | 季顺平;沈彦雲 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06K9/62;G06K9/00 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 王琪 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于卷积神经网络的遥感影像建筑物变化检测方法，包括如下步骤：步骤1，根据已有的影像及地表覆盖矢量文件构建样本库，该样本库包括建筑物分类数据集，建筑物变化检测模拟数据集；步骤2，利用步骤1构建的样本库中的建筑物分类数据集对建筑物提取网络(Mask R‑CNN或多尺度全卷积网络)进行训练，学习高分辨率遥感影像中的建筑物特征，然后使用训练好的网络提取变化区域的多时相建筑物二值分类图；步骤3，利用步骤1构建的样本库中的模拟数据集训练变化检测网络Mask CD‑net，然后直接使用Mask CD‑net预测建筑物变化检测数据集，得到变化检测结果。若包含真实变化数据集，则用来进一步训练并精化Mask CD‑net，得到更好的变化检测效果。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 遥感 影像 建筑物 变化 检测 方法 | ||
【主权项】：
1.一种基于卷积神经网络的遥感影像建筑物变化检测方法，其特征在于，包括如下步骤：步骤1，根据已有的影像及地表覆盖矢量文件构建样本库，该样本库包括建筑物分类数据集，建筑物变化检测模拟数据集；步骤2，利用步骤1构建的样本库中的建筑物分类数据集对建筑物提取网络进行训练，学习高分辨率遥感影像中的建筑物特征，然后使用训练好的建筑物提取网络提取变化区域的多时相建筑物二值分类图，所述建筑物提取网络为Mask R‑CNN或多尺度全卷积网络(Multi‑Scale FCN,MS‑FCN)；步骤3，利用步骤1自动生成的建筑物变化检测模拟数据集预训练变化检测网络Mask CD‑net，然后直接使用预训练的Mask CD‑net预测待检测遥感影像，得到影像中建筑物变化检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910394443.6/，转载请声明来源钻瓜专利网。
