申请/专利权人：山东大学;山东字节信息科技有限公司

申请日：2023-12-20

公开（公告）日：2024-04-12

公开（公告）号：CN117456530B

主分类号：G06V20/70

分类号：G06V20/70;G06V20/17;G06V20/10;G06V10/26;G06V10/44;G06V10/46;G06V10/52;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明属于图像处理技术领域，提供了基于遥感图像的建筑物轮廓分割方法、系统、介质及设备，其技术方案为：首先，通过在残差网络中引入扩张卷积，获取不同尺度的隐层特征；其次，引入自适应层选择机制，自主选择最具信息量的候选残差层特征与最终深层特征相融合；最后，解码器网络采用简单而高效的卷积和上采样操作，能够快速将特征图恢复到原始图像尺寸，并保持图像信息的完整性。相较于传统的图像处理方法，该方法能够更准确地提取建筑物的轮廓，可以为城市规划、国土资源管理和灾害监测等领域的应用提供支持。

主权项：1.基于遥感图像的建筑物轮廓分割方法，其特征在于，包括如下步骤：获取建筑物遥感图像数据；基于建筑物遥感图像数据和训练后的建筑物轮廓分割模型得到最终的轮廓分割图像；其中，所述建筑物轮廓分割模型包括编码器网络、自适应层选择机制和解码器网络；所述建筑物轮廓分割模型的构建过程包括：使用具有不同的扩张率的扩张卷积层残差网络作为编码器的主干网络，通过在不同尺度上进行扩张卷积操作来捕捉多尺度的上下文信息得到第一特征图；通过自适应层选择机制选取主干网络中候选残差层的显著特征得到第二特征图；融合第一特征图和第二特征图，经过解码器网络解码后得到最终轮廓分割图像；所述通过自适应层选择机制选取主干网络中候选残差层的显著特征得到第二特征图，包括：通过特征向量余弦相似度来评价候选残差层特征中的显著性特征，得到特征显著性评价矩阵；具体计算方法如下所示： 其中，、，与为线性映射参数，函数将向量余弦相似度值调整为[0,1]的权重值；根据特征显著性评价矩阵，选择其最大值对应的候选残差层作为选定目标层；基于选定目标层计算得到选择矩阵；具体为：根据特征显著性评价矩阵，选择其最大值对应的候选残差层作为选定目标层，其计算公式如下：，进一步可得到选择矩阵中的元素为：，从而可得到自适应层选择机制的选择矩阵；根据选择矩阵对候选残差层特征进行选取得到第二特征图。

全文数据：

权利要求：

百度查询： 山东大学;山东字节信息科技有限公司 基于遥感图像的建筑物轮廓分割方法、系统、介质及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD