[发明专利]基于语义分割图的遥感图像DSM融合方法

说明书

本发明提供了一种基于语义分割图的遥感图像DSM融合方法，用于解决现有遥感图像DSM融合方法中存在的融合的遥感图像DSM精度较低的技术问题，实现步骤包括：获取多个有效时间差对应的图像对；获取每个有效时间差所对应的图像对a_i的视差图；获取每个有效时间差所对应的图像对a_i的数字表面模型DSM_i；获取语义分割图；基于语义分割图对遥感图像数字表面模型DSM进行融合。本发明根据语义分割图的标签信息对融合前的多个遥感图像DSM的高度值进行更改并将其限定在标准高度范围内，提高了融合的遥感图像DSM的精度。本发明成果可应用于城市规划、立体导航等领域。

技术领域

本发明属于遥感图像处理技术领域，涉及一种遥感图像的DSM融合方法，具体涉及一种基于语义分割图的遥感图像DSM融合方法，可用于城市规划、立体导航等领域中遥感图像的分析与处理。

背景技术

遥感图像DSM(Digital Surface Model)，即遥感图像数字表面模型，是指包含了地表建筑物、桥梁和树木等高度值的地面高程模型，真实地表达地面起伏情况。

遥感图像DSM融合是指将多个遥感图像DSM按一定的融合规则进行融合，以得到所含高度值更准确的DSM的过程。近年来，研究者对遥感图像DSM融合的研究较少，使用的都是简单的数学计算方法，未考虑融合前DSM的高度值的准确性的问题，得到的融合的遥感图像DSM精度较低。

目前实际应用中，对遥感图像DSM进行融合时使用最多的是中值法融合方法。OzgeC.Ozcanli在2015年Computer VisionPattern Recognition Workshops会议上发表的论文A comparison of stereo and multiview 3-D reconstruction using cross-sensorsatellite imagery中提出利用中值法对遥感图像DSM进行融合，融合过程中将多个DSM在相同像素点的高度值取中值的结果作为融合的遥感图像DSM在该像素点的高度值，该融合过程仅是将中值法这一数学计算方法作为融合规则对DSM进行融合，并未考虑如树木等存在的高度不连贯和高度值差异较大等问题，容易将融合前的多个DSM中错误的高度值代入计算，具有盲目性，导致最终得到的融合的遥感图像DSM精度较低。

语义分割图，即每个像素被赋予特定标签信息的图像。目前在遥感图像处理技术领域中，将单个尺度的由遥感图像和对应的语义分割图构成的遥感训练集输入深度卷积神经网络中，网络无法同时学习遥感图像的全局特征信息和细节特征信息，导致得到标签信息不够准确的语义分割图，进而无法利用该语义分割图提高融合的遥感图像DSM的精度。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出一种基于语义分割图的遥感图像DSM融合方法，用于解决现有技术中存在的融合的遥感图像DSM精度较低的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

1、一种基于语义分割图的遥感图像DSM融合方法，其特征在于，包括如下步骤：

(1)获取多个有效时间差对应的图像对：

(1a)对n个卫星在不同时间对同一区域拍摄的n幅遥感图像进行组合方式配对，得到个图像对，并计算每个图像对中两幅遥感图像的时间差Δt，得到个时间差，n≥2；

(1b)按照升序的方式对个时间差进行排序，并选择前p个时间差作为有效时间差，该前p个有效时间差所对应的图像对为a₁,a₂,…,a_i,…,a_p，a_i表示第i个有效时间差所对应的图像对，a_i的一幅遥感图像为a_i1，另一幅遥感图像为a_i2，a_i1和a_i2的大小均为w×h，1≤i≤p，p≥1；