[发明专利]遥感影像的建筑物实例提取方法、装置、存储介质及设备

说明书

本发明提供了一种遥感影像的建筑物实例提取方法、装置、存储介质及设备，该方法包括：提取遥感影像数据的特征图，根据特征图预估遥感影像数据中存在的建筑物实例以及各个建筑物实例的初始检测框；根据各个建筑物实例的初始检测框内部的特征点的特征信息确定对应建筑物实例的候选边界线集合；根据各个建筑物实例的初始检测框内的建筑物实例的预测位置区域与对应建筑物实例的候选边界线集合中各候选边界线的有效区域的相似度，从候选边界线集合中选取对应建筑物实例的目标边界线；根据各个建筑物实例的目标边界线对各自的初始检测框进行调整；从得到的各个建筑物实例的目标检测框中提取对应的建筑物实例，实现遥感影像中建筑物实例的精确提取。

技术领域

本发明涉及遥感影像处理及深度学习技术领域，尤其涉及一种遥感影像的建筑物实例提取方法、装置、存储介质及设备。

背景技术

建筑物实例指的是每个独立的建筑物个体，可以是公寓、商场、工厂等能够提供给人们居住、娱乐、工作、储物等功能的空间场所。实例提取就是为每个像素预测其类别及所属实例。遥感影像的建筑物实例提取就是在遥感影像中分别找出每个建筑物实例对应的所有像素点。

由于遥感影像具有容易获得且更新周期短的特点，从遥感影像中提取建筑物实例能了解到最新的建筑物分布情况，对于城市管理和规划、城市化评估、人口估计以及灾后重建等多项工作都具有重要意义。为了获得建筑物的分布情况，测绘等相关行业以人工的方式用ARCGIS等工具在遥感影像上标注出每个建筑物实例。由于建筑物分布变化频繁，需要及时更新建筑物标注，同时遥感影像本身具有对比度低、城区建筑物分布密集等特点，导致以手工方式标注遥感影像中的建筑物实例会耗费大量的时间与精力。

现有的遥感影像建筑物提取方法旨在自动为每个像素分配建筑物和非建筑物标签，可以分为传统方法和基于深度学习的方法。传统的建筑物提取方法通常采用手工设计的特征来区分建筑物与非建筑物，如形状、颜色、阴影等信息。由于遥感影像中建筑物间的差异性较大，若要提取不同类型的建筑物必然要考虑到能够区分建筑物与非建筑物的多种特征，这使得传统建筑物提取方法需要在建筑物的覆盖范围以及建筑物提取方法的时间空间成本间取得平衡，所以这些方法不适用于复杂的场景。现有的基于深度学习的方法，由于遥感影像中城市区域的建筑物分布密集，这导致在提取城区建筑物实例时难以保证所有的建筑物都能被检测到；而且由于遥感影像具有相邻建筑物实例间的相似度高以及与背景的对比度低等特点，使得难以准确地区分与建筑物具有相似特征的其他地物以及不同的建筑物实例，难以精确的将每个像素分配到对应的实例。

发明内容

本发明提出了一种遥感影像的建筑物实例提取方法、装置、存储介质及设备，解决了现有技术中难以精确的将每个像素分配到对应的实例的问题。

本发明的一个方面，提供了一种遥感影像的建筑物实例提取方法，所述方法包括：

提取遥感影像数据的特征图，根据所述特征图预估遥感影像数据中存在的建筑物实例以及各个建筑物实例的初始检测框；

根据各个建筑物实例的初始检测框内部的特征点的特征信息确定对应建筑物实例的候选边界线集合；

根据各个建筑物实例的初始检测框内的建筑物实例的预测位置区域与对应建筑物实例的候选边界线集合中各候选边界线的有效区域的相似度，从所述候选边界线集合中选取对应建筑物实例的目标边界线；

根据各个建筑物实例的目标边界线对各自的初始检测框进行调整，得到各个建筑物实例的目标检测框；

从各个建筑物实例的目标检测框中提取对应的建筑物实例。

优选地，所述提取遥感影像数据的特征图，根据所述特征图预估遥感影像数据中存在的建筑物实例以及各个建筑物实例的初始检测框，包括：

采用深层卷及神经网络提取遥感影像数据的特征图；