[发明专利]一种基于深度学习的遥感图像非建筑区域过滤方法

权利要求书

1.一种基于深度学习的遥感图像非建筑区域过滤方法，其特征在于：包括如下步骤：

100、标注数据：对获取的遥感图片进行标注；

101、训练模型：利用上述步骤中标注后的遥感图片对图片识别处理模型进行训练，以使所述图片识别处理模型获得后续独立识别处理遥感图片的能力；

102、输入待处理的大比例遥感图片，经训练后的图片识别处理模型进行识别和处理；

103、所述图片识别处理模型判断所述大比例遥感图片是否存在建筑物，如果不存在建筑物返回步骤102，如果存在建筑物执行步骤104；

104、所述图片识别处理模型对所述大比例遥感图片包含的每一地图瓦片进行建筑物的分类识别和标注；

105、输出遥感图片分类识别和标注后的地图信息。

2.根据权利要求1所述的基于深度学习的遥感图像非建筑区域过滤方法，其特征在于：所述图片识别处理模型包括建筑物屋顶分割模型和建筑物分类模型，所述建筑物分类模型用于大比例遥感图片的分析处理；所述建筑物屋顶分割模型用于地图瓦片建筑物的分类识别和标注。

3.根据权利要求1所述的基于深度学习的遥感图像非建筑区域过滤方法，其特征在于：所述步骤100中标注数据包括遥感图片是否包含建筑物区域的标注，以及图片中不同的建筑物屋顶类型和位置信息的标注。

4.根据权利要求1所述的基于深度学习的遥感图像非建筑区域过滤方法，其特征在于：所述步骤101中利用Unet卷积神经网络训练建筑物屋顶分割模型；利用resnet卷积神经网络训练建筑物分类模型。

5.根据权利要求1所述的基于深度学习的遥感图像非建筑区域过滤方法，其特征在于：所述建筑物屋顶分割模型对地图瓦片中不同类型的建筑物屋顶采用不同的标注。

6.根据权利要求5所述的基于深度学习的遥感图像非建筑区域过滤方法，其特征在于：所述标注的类型为3种或者三种以上。

7.根据权利要求1所述的基于深度学习的遥感图像非建筑区域过滤方法，其特征在于：所述大比例遥感图片的比例尺为非固定值，由用户按需设定。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于：该程序被计算机或处理器执行以实现如权利要求1-7任一所述的方法。