[發明專利]基于選擇注意力網絡的SAR圖像復雜建筑物提取方法及系統

有效

• 申請號: 202010639627.7
• 申請日: 2020-07-06
• 公開（公告）號: CN111860233B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 王智睿;孫顯;付琨;荊浩;肖岱峰;傅佳美;孫元睿
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/12;G06N3/04;G06N3/08
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明公開了一種選擇注意力金字塔網絡的SAR圖像復雜建筑物提取方法及系統，包括：獲取待提取建筑物的高分辨率合成孔徑雷達圖像；將所述待提取的高分辨率合成孔徑雷達圖像帶入預先訓練好的建筑物提取模型進行處理，從所述高分辨率合成孔徑雷達圖像中得到包含建筑物輪廓的二值圖像；所述建筑物提取模型由選擇帶孔空間金字塔卷積模塊的新型解碼器和K5卷積塊構建而成。本發明提供的技術方案能夠盡可能地保留圖像的空間細節信息，并實現了SAR圖像建筑物多尺度特征融合和復雜建筑物的精細化提取。

技術領域

本發明涉及圖像分割技術領域，具體涉及一種基于選擇注意力網絡的SAR圖像復雜建筑物提取方法及系統。

背景技術

地理遙感圖像中的建筑物分割是地理信息系統應用中重要的一個模塊，也是一個具有挑戰性的視覺問題。建筑物是城市中的重要的地形物體類，也是地理信息系統中的重要的數據層。航空遙感圖像中的建筑物自動化提取對軍事偵察，地物測繪，非法建筑物檢測，城市生態規劃和區域開發有很大的促進作用。目前大多數基于光學遙感圖像所做的建筑物提取工作受制于很多因素影響，如不同時間和天氣造成的光影變化與遮擋等。合成孔徑雷達(SAR)圖像在陰影和遮擋問題上優于光學遙感圖像，具有全天時，全天候的優點。因此，基于高分辨率SAR圖像的建筑物提取工作便成為一個重要而具有挑戰性的研究課題。針對SAR圖像的建筑提取方法分為以下兩類：

第一類是傳統的基于人工設計特征的方法，可以分為基于特征的方法和基于模型的方法。第一種從SAR圖像中提取亮度，紋理，邊緣及混合特征，常用的分析方法有傅立葉功率譜法，基于模型的Gabor濾波分析法，Markov隨機場模型紋理描述，灰度共生矩陣紋理測度。這些特征通常再與非監督聚類分析等方法結合進行分割。此類提取特征的方法很容易受到噪聲的干擾且精度不令人滿意。第二種是建立SAR圖像的統計分布模型，將空間背景信息結合到分割中，包括馬爾科夫隨機場方法，Fisher分布，對數正態分布和廣義高斯分布等模型。部分模型只考慮特征空間表達，沒有考慮空間交互。這些方法容易在建筑區域中出現很多語義不一致的現象。

第二類是基于深度學習的方法。代表性方法為端到端訓練的方法，比如FCN、U-Net、DeepLabv3等，這些方法可以接受任意大小的輸入圖像，在大多數情況下提取效果較好，但是這些方法沒有有效利用空間特征相關性的選擇和約束，不能捕獲更加豐富的上下文信息，對不同大小的建筑物的提取結果不夠精細，分割的多尺度問題比較明顯。

目前的SAR建筑物提取應用中對于建筑物尤其是復雜建筑物的提取不夠精細，而且對于多尺度問題解決不充分。

發明內容

為了解決現有技術中所存在的高分辨率合成孔徑雷達圖像建筑物提取不夠精細的問題，本發明提供一種基于選擇注意力網絡的SAR圖像復雜建筑物提取方法及系統。該方法分類精度高，虛警低，對于多尺度問題解決良好，能夠適應SAR圖像建筑物精細化提取的要求。

本發明提供的技術方案是：

一種基于選擇注意力網絡的SAR圖像復雜建筑物提取方法，包括：

獲取待提取建筑物的高分辨率合成孔徑雷達圖像；

將所述待提取的高分辨率合成孔徑雷達圖像帶入預先訓練好的建筑物提取模型進行處理，從所述高分辨率合成孔徑雷達圖像中得到包含建筑物輪廓的二值圖像；

所述建筑物提取模型由選擇帶孔空間金字塔卷積模塊的新型解碼器和K5卷積塊構建而成。

優選的，所述建筑物提取模型的訓練包括：

獲取區域高分辨率合成孔徑雷達圖像，對所述合成孔徑雷達圖像按照建筑物輪廓內外部像素值進行標記，獲得建筑物標注圖；

將所述合成孔徑雷達圖像和所述建筑物標注圖進行裁切，并將裁切后的所述合成孔徑雷達圖像和所述建筑物標注圖作為訓練樣本集；

將所述訓練樣本集按設定比例劃分為訓練集、驗證集和測試集；