[发明专利]一种基于虚拟遥感影像的建筑高度智能识别方法

权利要求书

1.一种基于虚拟遥感影像的建筑高度智能识别方法，其特征在于，包括以下步骤：

S1、当遥感影像中的方位角和高度角未知时，推算遥感图像的方位角和高度角；包括以下具体流程：

S11、估计太阳和卫星方位角：找出合适的阴影线段和建筑边缘线段分别反推太阳和卫星方位角；

S12、估计太阳高度角h_so：当影像拍摄日期和建筑经纬度确定时，当天的任意时刻的太阳高度角和方位角是已知的，由于一天之内太阳方位角是惟一的，根据步骤S11已经得到的太阳方位角可以查出对应的太阳高度角h_so；

S13、估计卫星高度角h_sa：建筑高度H＝L_ob tan(h_sa)，其中L_ob为建筑阴影长度，然后卫星高度角的正切值即为tan(h_sa)＝H/L_ob，从而得到了卫星高度角；

S14、估计一张卫星图像中其他建筑的建筑高度：由于步骤S12和S13已经得到卫星高度角和太阳高度角，根据建筑阴影长度L_ob或者建筑转角边长度L_oa可推算其他建筑的高度；

S2、生成随机参数的建筑轮廓；

建立建筑模型时，先采用一种算法随机生成一个建筑轮廓，然后随机生成建筑高度，从而得到一个随机的建筑三维模型；所述算法生成具有以下特点的建筑轮廓：特点1：轮廓构成一个单连通多边形区域；特点2：具有类似矩形的长短轴；特点3：轮廓每条边与边之间的角度均为90°；

S3、生成虚拟卫星遥感影像；

首先建立建筑、建筑周围的环境、光照等模型，然后用摄像头模拟卫星的位置进行拍照截图，输出正交投影的图片，再对截图以地面为参考坐标系进行投影变换，得到虚拟遥感影像；将所述虚拟遥感影像进行旋转使太阳方位角调整到45°得到分辨率为0.4米的第一灰度图片，再将所述虚拟遥感影像进行旋转使卫星方位角调整到45°得到分辨率为0.4米的第二灰度图片；

S4、训练卷积神经网络；

卷积神经网络输入层的信息包括：用于提取建筑阴影信息的所述第一灰度图片、用于提取建筑边缘信息的所述第二灰度图片以及太阳高度角和卫星高度角信息；所述卷积神经网络卷积层的卷积核大小为3×3，通过卷积-激活-池化逐步提取图像中的特征信息，图像的尺寸大小会逐渐减小，深度信息会逐渐增加；采用小批次梯度下降法进行训练，每个批次包含20张图像。每次生成信息的图像训练集包含1000张图像，800张图像用于作为训练集，剩下200张用于作为验证集。每批训练集训练10轮也即400个批次，训练完10轮之后返回步骤S3更新训练集和验证集，生成新的1000张图像，再进行训练10轮，一直循环直至训练集的均方根误差趋于稳定停止；

S5、自动化提取建筑高度信息；

将卫星遥感影像按照要求输入到步骤S4已经训练好的的卷积神经网络中，就可以自动化地对图像进行处理，并提取出建筑高度。

2.根据权利要求1所述的一种基于虚拟遥感影像的建筑高度智能识别方法，其特征在于，所述步骤S14中采用建筑阴影长度还是建筑本身边缘长度推算其他建筑的高度取决于哪个长度更易测量。

3.根据权利要求1所述的一种基于虚拟遥感影像的建筑高度智能识别方法，其特征在于，所述步骤S2和S3中建立建筑模型的算法可通过3D游戏引擎Unity3D来实现。