[发明专利]一种提取遥感影像中建筑物图像的方法及系统

权利要求书

1.一种提取遥感影像中建筑物图像的方法，其特征在于，包括：

获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；

获取待采集区域的遥感影像；

将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；

对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果；

在所述获取卷积神经网络模型之前，还包括：

对所述卷积神经网络模型进行改进；

所述对所述卷积神经网络模型进行改进，包括：

对所述卷积神经网络模型中的横向连接层进行改进，即在扩张路径与收缩路径的对应层级间的特征图进行融合时，加入所述对应层级的前一层中的特征图进行融合；

引入用于按特定概率对所述卷积神经网络模型中节点权重进行固定的Dropout策略；

在所述卷积神经网络模型的各个卷积层之后均添加BN层。

2.根据权利要求1所述的提取遥感影像中建筑物图像的方法，其特征在于，在获取卷积神经网络模型之前，还包括：

获取遥感影像样本；

将所述遥感影像划分为大小相同的若干子图像；

以建筑物区域像素为1，非建筑物区域像素为0，将所述子图像转化为真值图；

获取所述真值图中建筑物区域像素占比低于预设条件的真值图，并将所获取的真值图作为训练样本；

利用所述训练样本对所述卷积神经网络模型进行训练。

3.根据权利要求1所述的提取遥感影像中建筑物图像的方法，其特征在于，所述特定概率为0.25。

4.一种提取遥感影像中建筑物图像的系统，其特征在于，包括：

卷积神经网络模型获取模块，用于获取卷积神经网络模型；所述卷积神经网络模型为以遥感影像为输入，以建筑物图像为输出的训练后的神经网络模型；

遥感影像采集模块，用于获取待采集区域的遥感影像；

第一提取模块，用于将所述遥感影像输入所述卷积神经网络模型，提取所述待采集区域的建筑物图像，得到初步提取结果；

第二提取模块，用于对所述初步提取结果采用形态学闭运算进行优化，得到待采集区域内建筑物图像的最终提取结果；

卷积神经网络模型改进模块，用于对所述卷积神经网络模型进行改进；

所述卷积神经网络模型改进模块，包括：

横向连接层改进单元，用于对所述卷积神经网络模型中的横向连接层进行改进，即在扩张路径与收缩路径的对应层级间的特征图进行融合时，加入所述对应层级的前一层中的特征图进行融合；

Dropout策略引入单元，用于引入按特定概率对所述卷积神经网络模型中节点权重进行固定的Dropout策略；

BN层添加单元，用于在所述卷积神经网络模型的各个卷积层之后均添加BN层。

5.根据权利要求4所述的提取遥感影像中建筑物图像的系统，其特征在于，还包括：

遥感影像样本获取模块，用于获取遥感影像样本；

子图像划分模块，用于将所述遥感影像划分为大小相同的若干子图像；

真值图转化模块，用于以建筑物区域像素为1，非建筑物区域像素为0，将所述子图像转化为真值图；

训练样本获取模块，用于获取所述真值图中建筑物区域像素占比低于预设条件的真值图，并将所获取的真值图作为训练样本；

优化训练模块，用于利用所述训练样本对所述卷积神经网络模型进行优化训练。