[发明专利]一种建筑物识别与建筑物高度反演计算方法及系统

权利要求书

1.一种建筑物识别与建筑物高度反演计算方法，其特征在于，包括：

获取包含阴影的建筑物的高分遥感影像，构建建筑物和阴影的数据集；

对U-Net网络按照预设方式进行改进，得到建筑物和阴影的检测模型；

基于所述数据集，对建筑物和阴影的检测模型进行训练；

利用训练好的检测模型，对待检测的遥感影像中的建筑物和阴影进行检测提取，获得当前待检测的遥感影像中的建筑物和阴影；

基于阴影的检测提取结果，对建筑物进行高度反演计算，得到建筑高度。

2.如权利要求1所述的建筑物识别与建筑物高度反演计算方法，其特征在于，在利用训练好的检测模型，对待检测的遥感影像中的建筑物和阴影进行检测提取，获得当前待检测的遥感影像中的建筑物和阴影之后，所述方法还包括：

采用预设的评估方式对所述检测模型进行有效性评估和验证，其中，所述预设的评估方式为精确率评估方式和/或平均交并比评估方式。

3.如权利要求1所述的建筑物识别与建筑物高度反演计算方法，其特征在于，在对建筑物进行高度反演计算，得到建筑高度之后，所述方法还包括：

对建筑物反演的高度进行评估；

所述对建筑物进行高度反演计算，得到建筑高度，包括：

确定建筑物高度与其阴影长度在遥感影像上的比例关系；根据所述比例关系，由待测高度的建筑物在遥感影像上的阴影长度推算出其实际高度信息。

4.如权利要求1所述的建筑物识别与建筑物高度反演计算方法，其特征在于，获取包含阴影的建筑物的高分遥感影像，构建建筑物和阴影的数据集，包括：

获取预设区域的高分二号影像，其中，所述高分二号影像是由分辨率为1m的高分2号卫星拍摄的影像；

使用ArcGis工具打开所获取的高分二号影像，对影像进行预处理；其中，所述预处理包括：筛选出其中包含带有阴影的建筑物的图像，并对筛选出的图像按照比例1:4000的比例进行缩放，然后选取包含阴影的建筑物影像进行截取，获取多张大小为512*512的高分遥感影像，并采取预设的图像增强算法对获取的高分遥感影像的光照进行弱化，然后进行数据增强；其中，所述图像增强算法为直方图均衡法和/或多尺度视网膜大脑皮层理论算法；数据增强为随机翻转、随机裁剪，明暗度调节、缩放变化、仿射变换中的任意一种或多种的组合。

对预处理后的高分二号影像采用Labelme工具进行标签化处理，将其中的建筑物和阴影同时进行标记，最后将标记好的影像划分为训练集和测试集。

5.如权利要求4所述的建筑物识别与建筑物高度反演计算方法，其特征在于，基于所述数据集，对建筑物和阴影的检测模型进行训练，包括：

基于所述训练集对建筑物和阴影的检测模型进行训练；并基于所述测试集对训练后的检测模型进行测试，最终得到符合要求的训练好的检测模型。

6.如权利要求1所述的建筑物识别与建筑物高度反演计算方法，其特征在于，所述对U-Net网络按照预设方式进行改进，包括：

以基于迁移学习获取的Res2Net代替U-Net网络的编码部分。

7.如权利要求6所述的建筑物识别与建筑物高度反演计算方法，其特征在于，所述对U-Net网络按照预设方式进行改进，还包括：

通过对比试验寻找二值交叉熵BCE与Focal-loss之间合适的比值，将二值交叉熵BCE与Focal-loss结合起来，作为U-Net网络训练时的损失函数。

8.如权利要求7所述的建筑物识别与建筑物高度反演计算方法，其特征在于，所述对U-Net网络按照预设方式进行改进，还包括：

将通道注意力机制与空间注意力机制进行融合之后加入U-Net主干网络中。