[发明专利]一种遥感影像建筑物提取方法、计算机设备及存储介质

权利要求书

1.一种遥感影像建筑物提取方法，其特征在于，包括以下步骤：

获取建筑物的原始遥感影像，对每张所述原始遥感影像进行标记得到该原始遥感影像的标签图，由所述原始遥感影像及其标签图构成样本数据集；

对所述样本数据集中每张原始遥感影像及其标签图进行数据增强处理，得到新影像及其新标签图；

构建DeepLab V3+模型，所述DeepLab V3+模型包括Xception模块、SKASPP模块、第一特征提取与采样模块、特征融合模块、第二特征提取与采样模块；其中：

所述Xception模块用于对输入的每张影像进行特征提取，得到尺寸为32×32×2048的第一特征图以及尺寸为128×128×128的第二特征图；

所述SKASPP模块用于对所述第一特征图进行降维、特征融合、升维以及赋权重处理，得到尺寸为32×32×256的有效特征图；

所述第一特征提取与采样模块用于对所述SKASPP模块输出的尺寸为32×32×256的有效特征图进行特征提取，得到尺寸为32×32×256的特征图，对该32×32×256的特征图进行上采样处理，得到尺寸为128×128×256的有效特征图；

所述特征融合模块用于对所述第一特征提取与采样模块输出的尺寸为128×128×256的有效特征图与所述Xception模块输出的第二特征图进行特征融合，得到尺寸为128×128×256的有效特征图；

所述第二特征提取与采样模块用于对所述特征融合模块输出的尺寸为128×128×256的有效特征图进行特征提取、上采样处理以及输出维度变换处理，得到尺寸为512×512×2的建筑物预测概率图，其中建筑物预测概率图的2个维度分别表示为建筑物的概率、为非建筑物的概率；

基于数据增强处理后的样本数据集，采用损失函数对构建的DeepLab V3+模型进行训练，得到训练好的DeepLab V3+模型；

获取建筑物的遥感影像，利用训练好的DeepLab V3+模型对所述遥感影像进行建筑物提取，输出建筑物提取结果；

利用所述SKASPP模块进行降维、特征融合、升维以及赋权重处理的具体实现过程为：

步骤3.21：利用3×3卷积对进行所述第一特征图降维处理，得到尺寸为32×32×256的特征图；

步骤3.22：对所述步骤3.21得到的尺寸为32×32×256的特征图分别进行1×1空洞卷积且空洞率为1、3×3空洞卷积且空洞率为6、3×3空洞卷积且空洞率为12、3×3空洞卷积且空洞率为18、以及全局平均池化与上采样处理，得到5张尺寸均为32×32×256的特征图；

步骤3.23：对所述步骤3.22得到的5张尺寸均为32×32×256的特征图采用add操作进行特征融合，得到一张尺寸为32×32×256的特征图；

步骤3.24：对所述步骤3.23得到的一张尺寸为32×32×256的特征图进行全局平均池化处理，得到尺寸为1×1×256的特征图；

步骤3.25：对所述步骤3.24得到的尺寸为1×1×256的特征图采用1×1卷积进行降维处理，得到尺寸为1×1×32的特征图；

步骤3.26：对所述步骤3.25得到的尺寸为1×1×32的特征图采用5种1×1卷积进行升维处理，得到5张尺寸均为1×1×256的特征图；

步骤3.27：利用激活函数为所述步骤3.26得到的每张尺寸为1×1×256的特征图赋予不同的权重，将所述权重与对应的尺寸为1×1×256的特征图相乘，得到尺寸均为32×32×256的5张不同感受野的特征图；

步骤3.28：对所述步骤3.27得到的尺寸均为32×32×256的5张不同感受野的特征图采用add操作进行特征融合，得到一张尺寸为32×32×256的有效特征图。