[发明专利]一种无人机正射影像建筑物自动提取方法

说明书

本发明提供了一种无人机正射影像建筑物自动提取方法，具体步骤如下：步骤S1：对原始的无人机正射影像训练数据进行数据增强得到数量扩大后的训练数据；步骤S2：获得训练好的U‑net建筑物提取模型；步骤S3：获得训练好的Seg‑net建筑物提取模型；步骤S4：获得训练好的deeplab建筑物提取模型；步骤S5：获得U‑net建筑物提取模型的最终预测结果Pu；步骤S6：获得Seg‑net建筑物提取模型的最终预测结果Ps；步骤S7：获得deeplab建筑物提取模型的最终预测结果Pd；步骤S8：对三个模型得到的预测结果Pu，Ps，Pd进行投票，得最终的预测结果。本发明能够用于从大量的无人机正射影像中自动分割出属于建筑物的像素点，大大提升测绘领域提取地图要素的速度。

技术领域

本发明属于航空图像处理技术领域，具体是指一种无人机正射影像建筑物自动提取方法。

背景技术

随着测绘技术发展，从二维到三维，从慢速到快速。传统技术利用全站仪进行全野外数据采集测绘，越来越不能满足现实需求。利用无人机倾斜摄影及三维激光扫描技术已成为大比例尺地形图测绘的发展方向。它大大压缩野外工作时间，降低劳动强度。但是，并没有实现快速测绘，生产周期依然较长，缺乏时效性，综合效率没有几何级的提高。快速测绘的瓶颈在于人工数据处理的低效率。

倾斜摄影三维实景数据有着非常丰富的信息，包含几何形状、几何关系、纹理、色彩等，如房屋、桥梁、道路、沟渠等有非常明确的几何特征，植被、土地等有丰富的纹理及色彩信息。随着人工智能，计算机技术的发展，利用人工智能实现对这些关键要素的自动提取是可行的，也是意义巨大。

倾斜摄影测量三维实景数据在传统地形图生产中，利用人工智能(AI)自动识别、提取、输出地图要素，实现大比例尺自动化测图是具有前瞻性的研究。其市场及社会效益很大。仅农村宅基地测量就有近千亿的市场，加上规划、交通、农业、国土等行业项目。如果能够实现内外业工作占比1:1的目标，那将为企业节省70％的成本，工期缩短85％。研究成果形成产品也将会有巨大的市场，并在短期内没有竞争对手，市场容量不可估量。

发明内容

本发明所要解决的技术问题是提供一种利用训练好的深度学习模型，对无人机正射影像测试图进行建筑物自动提取方法。

为解决上述技术问题，本发明为一种无人机正射影像建筑物自动提取方法，其特征在于，包括无人机正射影像数据、深度学习模型训练、数据增强、新的损失函数、测试时增强方法(TTA)、集成学习，其具体步骤如下：

步骤S1：对原始的无人机正射影像训练数据进行数据增强得到数量扩大后的无人机正射影像训练数据，将分辨率高的影像数据及其二值标注影像切割成512*512像素的图片，得到训练集与验证集，包括正射影像及其对应的建筑物目标的二值标注；

步骤S2：在keras中搭建U-net语义分割模型，采用下采样、上采样的方法建立输入图像至输出预测之间的映射关系，并将原本的交叉熵损失函数改进为新的损失函数，Loss＝a₁loss_focal+a₂loss_dice，a₁、a₂为两项误差的权重，并利用keras中的fit_generator函数批量获取步骤S1所得到的数据输入模型进行训练，当验证集上的损失函数连续5个回合不再下降后，认为模型收敛，得到训练好的U-net建筑物提取模型；