[发明专利]一种基于卷积神经元网络和多边形规则化的建筑物轮廓自动提取算法有效
| 申请号： | 201910136835.2 | 申请日： | 2019-02-25 |
| 公开（公告）号： | CN109903304B | 公开（公告）日： | 2021-03-16 |
| 发明（设计）人： | 季顺平;魏世清 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06T7/13 | 分类号： | G06T7/13;G06T7/11;G06T7/187;G06T7/136 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 王琪 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经元网络和多边形规则化的建筑物轮廓自动提取算法，包括如下步骤：根据已有的影像及建筑物覆盖矢量文件构建样本库；构建多尺度融合全卷积神经网络，并通过样本库对其进行训练，利用训练好的网络模型对遥感影像进行预测，得到遥感影像地表建筑物覆盖的分割结果；基于建筑物语义分割结果，进行建筑物边缘初始化，并获得初始矢量多边形；利用粗调整算法剔除错误的多边形和多边形错误的边、结点；利用规则化算法对矢量多边形进行规则化，得到规则的建筑物矢量边缘。本发明中多尺度融合全卷积神经网络尺度鲁棒性强，规则化算法可以适应多种情况下的矢量边缘，极大程度的减少人工绘制建筑物边缘的工作量。 | ||
| 搜索关键词： | 一种 基于 卷积 神经元 网络 多边形 规则化 建筑物 轮廓 自动 提取 算法 | ||
【主权项】：
1.一种基于卷积神经元网络和多边形规则化的建筑物轮廓自动提取算法，其特征在于，包括如下步骤：步骤1，根据已有的影像及建筑物覆盖矢量文件构建样本库；步骤2，构建多尺度融合全卷积神经网络，并通过样本库对其进行训练，利用训练好的网络模型对遥感影像进行预测，得到遥感影像地表建筑物覆盖的分割结果；步骤3，基于建筑物语义分割结果，进行建筑物边缘初始化，并获得初始矢量多边形；步骤4，利用粗调整算法剔除错误的多边形和多边形错误的边、结点；步骤5，利用规则化算法对矢量多边形进行规则化，得到规则的建筑物矢量边缘。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910136835.2/，转载请声明来源钻瓜专利网。
