[發明專利]基于場景與像元信息的遙感圖像城鎮提取方法及裝置

有效

• 申請號: 202011024302.4
• 申請日: 2020-09-25
• 公開（公告）號: CN112215096B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 趙理君;張偉;唐娉;張正
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V20/13;G06V10/26;G06V10/44;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 陳鵬

1.一種基于場景與像元信息的遙感圖像城鎮提取方法，其特征在于，包括：

對獲取的待處理遙感圖像進行格網劃分，生成所述待處理遙感圖像對應的多個格網圖像；

將每個所述格網圖像輸入至預先訓練的目標場景分類網絡模型，以得到每個所述格網圖像對應的格網分類圖像；

對所述格網分類圖像執行邊緣提取操作，并根據提取結果對為邊緣的格網分類圖像進行標記；

包括：基于圖像邊緣檢測算法對所述格網分類圖像進行邊緣提取，將識別為邊緣的格網圖像標記為E，非邊緣的格網圖像不進行標記；

將標記的格網分類圖像輸入至預先訓練的目標像元分類網絡模型，以獲取所述標記的格網分類圖像對應的像元分類結果圖像，并將所述像元分類結果圖像作為城鎮提取結果中相應區域的城鎮提取結果圖像；

包括：建立一個與所述待處理遙感圖像的尺寸相同的空白圖像，以存儲所述城鎮提取結果圖像；

對所述格網分類圖像中每一個所述格網分類圖像進行條件判斷；

若所述格網分類圖像為城鎮類別且被標記為E，則將其輸入到所述目標像元分類網絡模型預測其像元分類結果，將該像元分類結果圖像賦值給所述空白圖像中的相同區域；

若所述格網分類圖像為城鎮類別的圖像且未被標記，在所述空白圖像中的相同區域的像元全部賦值為1；

若所述格網分類圖像為非城鎮類別，在所述空白圖像中的相同區域的像元全部賦值為0，最終所述城鎮提取結果圖像，所述城鎮提取結果圖像為0-1二值圖像；

針對被所述目標場景分類網絡模型判定為城鎮類別的未被標記的格網圖像，在所述城鎮提取結果圖像中相對應區域賦值為1；

針對被所述目標場景分類網絡模型判定為非城鎮類別的格網圖像，在所述城鎮提取結果圖像中相對應區域賦值為0；

對所述城鎮提取結果圖像進行空洞填充后處理，得到城鎮提取二值圖。

2.根據權利要求1所述的方法，其特征在于，在所述將每個所述格網圖像輸入至預先訓練的目標場景分類網絡模型，以得到每個所述格網圖像對應的格網分類圖像之前，還包括：

獲取同源的城鎮衛星遙感圖像和非城鎮衛星遙感圖像；

對所述城鎮衛星遙感圖像和所述非城鎮衛星遙感圖像按照N×N大小進行裁剪，分別得到所述城鎮衛星遙感圖像對應的第一裁剪圖像和所述非城鎮衛星遙感圖像對應的第二裁剪圖像；其中，N為正整數，且為2的整數倍；

對所述第一裁剪圖像和所述第二裁剪圖像分別進行城鎮場景類別和非城鎮場景類別的標注，分別生成所述第一裁剪圖像對應的第一標注圖像和所述第二裁剪圖像對應的第二標注圖像；

基于所述第一標注圖像和所述第二標注圖像對初始場景分類網絡模型進行訓練，得到所述目標場景分類網絡模型。

3.根據權利要求1所述的方法，其特征在于，在所述將標記的格網分類圖像輸入至預先訓練的目標像元分類網絡模型，以獲取所述標記的格網分類圖像對應的像元分類結果圖像，并將所述像元分類結果圖像作為城鎮提取結果中相應區域的提取結果之前，還包括：

獲取同源的城鎮衛星遙感圖像和非城鎮衛星遙感圖像；

對所述城鎮衛星遙感圖像和所述非城鎮衛星遙感圖像按照N×N大小進行裁剪，分別得到所述城鎮衛星遙感圖像對應的第一裁剪圖像和所述非城鎮衛星遙感圖像對應的第二裁剪圖像；其中，N為正整數，且為2的整數倍；

對所述第一裁剪圖像和所述第二裁剪圖像中的每個像元進行城鎮類別和非城鎮類別的標注，分別生成所述第一裁剪圖像對應的第一像元標注圖像和所述第二裁剪圖像對應的第二像元標注圖像；

基于所述第一像元標注圖像和所述第二像元標注圖像中的城鎮類別的像元標注圖像對初始像元分類網絡模型進行訓練，得到所述目標像元分類網絡模型。

4.權利要求1所述的方法，其特征在于，所述對所述城鎮提取結果圖像進行空洞填充后處理，得到城鎮提取二值圖，包括：

利用形態學運算中空洞填充算法對所述城鎮拼接圖像進行后處理，填補位于城鎮內部且像元值為0像元，得到城鎮提取二值圖像。