[发明专利]一种基于深度学习的违章建筑遥感识别方法及系统

权利要求书

1.一种基于深度学习的违章建筑遥感识别方法，包括：

获取地面环境中建筑物和道路的遥感影像作为原始数据集，对所述遥感影像的矢量数据进行卷积、池化、反卷积，提取房屋特征得到矢量数据特征图，对房屋轮廓像素矢量化，将矢量数据特征图转化为栅格图像，用于模型训练；

将所述栅格图像输入深度学习网络，得到建筑物轮廓训练模型；

将待测试的遥感影像作为测试集输入深度学习网络，对测试集进行遥感影像分类输出结果，实现遥感影像的目标识别。

2.根据权利要求1所述的一种基于深度学习的违章建筑遥感识别方法，其特征在于，所述对测试集进行遥感影像分类输出结果的步骤包括：通过结构相似度算法对比原始数据集和测试集的差异图和相似度，根据图片相似度的最大值判断是否出现违章建筑，并提示违章建筑位置。

3.根据权利要求1所述的一种基于深度学习的违章建筑遥感识别方法，其特征在于，对所述原始数据集和测试集进行均值模糊处理，转化为灰度图；对灰度图进行去噪处理；

再通过结构相似度算法对比得到差异图，检测差异图轮廓并标注相似度，相似度低于设定阈值时，告警处理。

4.根据权利要求1所述的一种基于深度学习的违章建筑遥感识别方法，其特征在于：所述建筑物轮廓训练模型可通过如下步骤进行优化：获取遥感影像中多个角度和多个距离的违章建筑图像作为训练数据；

生成清晰的违章建筑数据样本，对建筑物进行标注，得到标注数据集；

对标注数据集进行训练得到训练模型，

通过训练模型对待检测遥感影像运算得到影像中多违章建筑类别和坐标。

5.根据权利要求1所述的一种基于深度学习的违章建筑遥感识别方法，其特征在于：违章建筑标注包括：房屋自建建筑物，屋顶自建建筑物，院落自建建筑物，阳台自建建筑物，公共通道自建建筑物。

6.根据权利要求1所述的一种基于深度学习的违章建筑遥感识别方法，其特征在于：将建筑物轮廓训练模型封装为建筑物轮廓提取工具。

7.一种可读储存介质，其上储存有控制程序，其特征在于：该控制程序被处理器执行时实现如权利要求1至6任意一项所述的基于深度学习的违章建筑遥感识别方法。

8.一种计算机控制系统，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的控制程序，其特征在于：所述处理器执行所述控制程序时实现如权利要求1至6任意一项所述的基于深度学习的违章建筑遥感识别方法。