[发明专利]一种建筑物提取方法、装置、终端设备及可读存储介质

说明书

本申请适用于图像处理技术领域，提供了一种建筑物提取方法，包括：获取目标影像数据(包括第一数据和高分辨率影像数据)，对目标影像数据进行预处理，对预处理后的目标影像数据进行图像处理，获得初始候选区域和自适应分割结果，并对初始候选区域和自适应分割结果进行融合处理，获得建筑物候选区域，最后根据初始候选区域对建筑物候选区域进行优化，获得建筑物提取结果。本申请通过对第一数据和高分辨率影像数据进行融合处理，获得建筑物的识别结果，结合第一数据提供相对于地面的高程信息，不易受环境因素的影响以及高分辨率影像数据提供丰富的光谱特征及纹理信息的特点，提高了方法的鲁棒性和识别结果的精度，以及高精度识别结果的稳定性。

技术领域

本申请属于图像处理技术领域，尤其涉及一种建筑物提取方法、装置、终端设备及可读存储介质。

背景技术

在进行地图绘制、城市规划、城市建模和城市灾难应急响应的过程中，如何对影像数据中的城市建筑物进行识别提取，是最需解决的问题。

现有的城市建筑物提取的方法主要有：基于二维影像数据的建筑物提取方法；基于三维数据的建筑物提取方法，以及基于二维数据和三维数据的数据融合建筑物提取方法。

其中，基于二维影像数据的建筑物提取方法的实现依赖于高分辨率影像数据的光谱特征，容易受到光谱模糊性和阴影的遮挡，易导致提取结果出现严重错误，并且基于二维影像数据的建筑物提取方法的自动化水平低。

基于三维数据的建筑物提取方法是基于三维点云数据的强度、回波和几何属性进行建筑物提取。其自动化水平较基于二维影像数据的建筑物提取方法高，但是提取结果的精度不稳定。

基于上述原因，基于二维数据和三维数据的数据融合建筑物提取方法引起了广泛关注。

然而，现有的基于二维数据和三维数据的数据融合建筑物提取方法容易受到多方面的限制；其中，基于低级或中级特征识别建筑物的方法的识别结果依赖于特定阈值或某些经验规则，易受到样本数据质量的影响，识别结果精度不高，普适性不强。

面向对象进行建筑物提取的方法需要先对影像数据进行分割，分割过程容易受到光照、噪声及其他环境因素的影响，分割结果依赖分割参数设置，从而使得提取结果不稳定。

基于高级语义特征的深度学习方法需要大量良好标注的样本数据进行特征学习，该方法缺乏拓展性且泛化能力受到训练域的限制。

发明内容

本申请实施例提供了一种建筑物提取方法、装置、终端设备及可读存储介质，可以解决现有的城市建筑物提取的方法具有提取结果不稳定、依赖训练样本数据且精度低等问题。

第一方面，本申请实施例提供了一种建筑物提取方法，包括：

获取目标影像数据；其中，所述目标影像数据包括第一数据和高分辨率影像数据；

对所述目标影像数据进行预处理，获得预处理后的目标影像数据；

对所述预处理后的目标影像数据进行图像处理，获得初始候选区域和自适应分割结果；

对所述初始候选区域和所述自适应分割结果进行融合处理，获得建筑物候选区域；

根据所述初始候选区域对所述建筑物候选区域进行优化，获得建筑物提取结果。

第二方面，本申请实施例提供了一种建筑物提取装置，包括：

获取模块，用于获取目标影像数据；其中，所述目标影像数据包括第一数据和高分辨率影像数据；

预处理模块，用于对所述目标影像数据进行预处理，获得预处理后的目标影像数据；

图像处理模块，用于对所述预处理后的目标影像数据进行图像处理，获得初始候选区域和自适应分割结果；