[发明专利]一种结合语义信息的遥感影像高程预测方法

说明书

本发明属于地理信息技术领域，具体涉及一种结合语义信息的遥感影像高程预测方法，包括：高程提取网络模型包括共享权重编‑解码器、语义预测分支和高程预测分支；共享权重编‑解码器用于对单视角遥感影像进行执行地物分类任务和高程预测任务，从中学习到地物分类任务提取的语义信息和高程预测任务提取的几何信息之间存在的先验关系，利用所述先验关系获得特征向量；将特征向量中除最后一个通道的数据输入语义预测分支以获得地物分类结果；将特征向量中最后一个通道的数据输入高程预测分支以获得高程预测结果。由此，用以解决使用单视角遥感影像进行高程预测时存在精确度低的问题。

技术领域

本发明属于地理信息技术领域，具体涉及一种结合语义信息的遥感影像高程预测方法。

背景技术

现有的遥感影像高程预测方法中，大多通过在飞行平台上同时搭载多个相机镜头，从竖直和其他倾斜方向同时获取更加丰富的影像信息，然后利用获取的多幅多视角遥感影像，通过对遥感影像进行预处理、对多幅遥感影像进行特征点提取和平差计算等等一系列计算，使用该计算过程进行提取高程几何信息，由于识别的遥感影像多、计算过程复杂且速度慢，导致获得高程预测结果的速度慢。而采用单视角遥感影像进行识别高程几何信息时，只有一个角度的影像，受现实世界中存在遮挡的原因导致遥感影像存在遮挡，进而导致后续提取高程信息精确度低的问题。

发明内容

本发明的目的在于提供一种结合语义信息的遥感影像高程预测方法，用以解决使用单视角遥感影像进行高程预测时存在精确度低的问题。

为解决上述技术问题，本发明所提供的技术方案以及技术方案对应的有益效果如下：

本发明的一种结合语义信息的遥感影像高程预测方法，包括以下步骤：

获取单视角遥感影像，并输入至高程提取网络模型中，以得到单视角遥感影像的高程预测结果和地物分类结果；所述高程提取网络模型利用单视角遥感影像以及与单视角遥感影像相应的数字高程模型和地物分类结果作为训练集进行训练得到，且所述高程提取网络模型包括共享权重编-解码器、语义预测分支和高程预测分支；所述共享权重编-解码器用于对单视角遥感影像执行地物分类任务和高程预测任务，从中学习到地物分类任务提取的语义信息和高程预测任务提取的几何信息之间存在的先验关系，利用所述先验关系获得特征向量；将所述特征向量中除最后一个通道的特征数据输入所述语义预测分支进行提取语义特征，获得地物分类结果；将所述特征向量中最后一个通道的特征数据输入所述高程预测分支进行提取高程特征，获得高程预测结果。

上述技术方案的有益效果为：本发明利用共享权重编-解码器进行地物分类任务、高程预测任务，所述地物分类任务和高程预测任务共享权重且相互监督，从中学习到地物分类任务提取的语义信息和高程预测任务提取的几何信息之间存在的先验关系；例如，“水域”的平均高程应低于其他地物的平均高程，“房屋”(平坦地区)的高程应高于周边平坦地形的高程等，同样，高程发生变化处往往也是地物分类的边界。本发明旨在让该共享权重编-解码器在识别地物分布与预测高程的过程中学习到这种先验关系，并使上述两个任务互相监督，地物分类任务辅助高程预测任务更精准的提取几何信息，然后一方面，通过高程预测分支进行高程特征的提取，以获得精确度更高的程预测结果，另一方面，通过语义预测分支进行语义特征的提取，获得精确度更高的地物分类结果，从而最终提升高程提取网络模型对于现实地物本身的认知能力。由此，提供了一种使用单视角遥感影像进行高程预测和地物分类时预测结果精确度高的结合语义信息的遥感影像高程预测方法。

进一步地，所述共享权重编-解码器中的解码器包括依次连接的四层结构，各层结构中依次包括：转置卷积模块和两个第一卷积模块；

所述转置卷积模块包括依次设置的转置卷积计算、激活函数和转置卷积后的填充操作。