[發明專利]一種基于卷積神經元網絡和多邊形規則化的建筑物輪廓自動提取算法

有效

• 申請號: 201910136835.2
• 申請日: 2019-02-25
• 公開（公告）號: CN109903304B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 季順平;魏世清
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/11;G06T7/187;G06T7/136
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種基于卷積神經元網絡和多邊形規則化的建筑物輪廓自動提取算法，其特征在于，包括如下步驟：

步驟1，根據已有的影像及建筑物覆蓋矢量文件構建樣本庫；

步驟2，構建多尺度融合全卷積神經網絡，并通過樣本庫對其進行訓練，利用訓練好的網絡模型對遙感影像進行預測，得到遙感影像地表建筑物覆蓋的分割結果；

步驟3，基于建筑物語義分割結果，進行建筑物邊緣初始化，并獲得初始矢量多邊形；

步驟4，利用粗調整算法剔除錯誤的多邊形和多邊形錯誤的邊、結點；

步驟5，利用規則化算法對矢量多邊形進行規則化，得到規則的建筑物矢量邊緣；具體實現方式如下，

51)確定建筑物的主方向：根據建筑物的面積設置不同的邊長閾值W，長度大于W的邊為長邊，其余為短邊，對于面積較小無法找到至少一條長邊的建筑物依次將W減少w，直到找到至少一條長邊；首先，將最長的一條邊作為初始主方向，加入主方向列表中，將其余所有長邊與主方向列表比較，如果該長邊與所有主方向的夾角大于δ_min且小于δ_max，則將該長邊的方向加入到主方向列表；

52)根據主方向調整多邊形的邊緣：首先將長邊進行調整，將長邊與主方向、主方向的垂直方向比較，得到最小的夾角，如果該夾角小于δ_min，則將該長邊以中點為旋轉中心，旋轉到最小夾角對應主方向的平行或垂直方向；然后進行短邊調整，將短邊與主方向、主方向的垂直方向比較，得到最小的夾角，如果該夾角小于T_s，則將該短邊以中點為旋轉中心，旋轉到最小夾角對應主方向的平行或垂直方向；

53)冗余平行線剔除和加入垂直線：調整完后的邊緣可能存在連續兩條邊為平行線，依據建筑物面積設置不同的距離閾值d，如果連續平行線間的距離大于d，則在兩平行線間加入一條垂線，否則，剔除長度較小的邊；

54)依次計算連續兩條邊之間的交點，作為矢量多邊形的結點，將所有結點依次連接，得到調整后的矢量多邊形。

2.如權利要求1所述的一種基于卷積神經元網絡和多邊形規則化的建筑物輪廓自動提取算法，其特征在于：步驟2中所述多尺度融合全卷積神經網絡包括編碼、解碼以及輸出3個部分；其中編碼部分由5個卷積層、4個最大池化層組成；解碼部分由4個卷積層，4個反卷積層組成；輸出部分由4個子輸出和1個主輸出組成。

3.如權利要求2所述的一種基于卷積神經元網絡和多邊形規則化的建筑物輪廓自動提取算法，其特征在于：所述編碼部分的前兩層卷積層由兩組連續堆疊的卷積，修正線性單元以及一個批量歸一化層組成；后三層卷積層由三組連續堆疊的卷積，修正線性單元以及兩個批量歸一化層組成；所述解碼部分的前三個卷積層和最后一個卷積層分別由4組和3組連續堆疊的卷積，修正線性單元組成；每個解碼部分最后得到一個子輸出，主輸出通過串聯解碼部分每個尺度上最后的1通道的特征圖，得到一個4通道的特征圖，通過Sigmoid函數激活得到最后的預測結果。

4.如權利要求1所述的一種基于卷積神經元網絡和多邊形規則化的建筑物輪廓自動提取算法，其特征在于：步驟3中利用Douglas-Peucker算法進行邊緣初始化，根據每個連通域的像素個數設置不同的限差閾值D，得到初始矢量多邊形。

5.如權利要求1所述的一種基于卷積神經元網絡和多邊形規則化的建筑物輪廓自動提取算法，其特征在于：步驟4的具體實現方式如下，

41)建筑物的邊應具有一定的長度：剔除多邊形小于T_d的邊；

42)建筑物拐角不能過于尖銳或過于平緩：剔除小于α和大于β的角；

43)建筑物應該有一定的面積：刪除面積小于S的多邊形；

44)建筑物結點不應過多：剔除面積與結點個數的比值小于T_a和周長與結點的個數比值小于T_p的多邊形。

6.如權利要求1所述的一種基于卷積神經元網絡和多邊形規則化的建筑物輪廓自動提取算法，其特征在于：步驟1的具體實現方式如下，

首先將影像對應的建筑物覆蓋矢量文件轉換成二值柵格圖像，柵格圖像像素值為圖像像素的標簽，其中0代表背景1為建筑物，將原始影像和對應的柵格標簽裁剪成瓦片構建樣本庫。