[发明专利]多任务CNN模型下的遥感影像与建筑物矢量配准方法及系统

摘要

本发明公开了一种基于多任务CNN模型的遥感影像与建筑物矢量配准方法及系统，首先包括借助配准建筑物矢量作为参考样本，来训练全卷积网络模型，通过该模型，进一步从高分遥感影像中生成适应于建筑物识别的特征图层；其次设计多任务CNN模型，将特征图层和栅格化后的建筑物矢量进行叠加，输入到模型中，经由若干次卷积、池化和全连接操作，输出当前建筑物矢量的误报概率和几何校正参数；最后基于校正前后的建筑物矢量，计算多任务CNN模型输出结果的参考值，完成模型训练；通过训练所得的多任务CNN模型，实现建筑物矢量与遥感影像的自适应配准。本发明在进行建筑物矢量的自动筛选和校正时，在保留建筑物矢量有效信息的基础上，提升了原始数据有效的精度。

主权项

1.一种多任务CNN模型下的遥感影像与建筑物矢量配准方法，具体包括以下步骤：S1、进行数据准备，构建训练数据集；所述训练数据集中包括若干张高分遥感影像；其中，针对每张高分遥感影像，所述训练数据集还包括未与高分遥感影像配准的原始建筑物矢量，以及将原始建筑物矢量与高分遥感影像进行配准校正后的配准建筑物矢量；S2、利用从训练数据集中获取到每项配准建筑物矢量，训练用于遥感影像建筑物检测的全卷积网络模型；S3、对训练数据集中的每项原始建筑物矢量进行遍历，且在遍历的过程中，采用后向传播和随机梯度下降算法，且以利用全卷积网络生成的特征图层作为辅助信息，对所述多任务CNN模型进行训练；S4、输入遥感影像数据到步骤S3训练的多任务CNN模型中，该模型内经由若干次卷积、池化和全连接操作后，进行遥感影像与建筑物矢量的自动配准。