[發明專利]基于深度學習和高分辨率衛星影像的城市建設評估方法

有效

• 申請號: 202011047252.1
• 申請日: 2020-09-29
• 公開（公告）號: CN112149594B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 晏龍旭;王德;張尚武
• 申請（專利權）人: 同濟大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06K9/62;G06F17/18;G06V10/774;G06V10/26;G06V10/44
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 郁旦蓉

本發明提供一種基于深度學習和高分辨率衛星影像的城市建設評估方法，用于根據基準年衛星影像切片圖以及至少一個對比年衛星影像切片圖對建筑進行輪廓提取從而進行分析，包括如下步驟：將基準年衛星影像切片圖以及對比年衛星影像切片圖分別通過建筑輪廓提取模型以及建筑層高提取模型處理得到基準年以及比較年建筑層高結果、修正基準年以及修正比較年建筑輪廓結果，由此相應匯總得到建筑面積變化匯總分析以及基準年建筑面積存量結果以及比較年建筑面積存量結果，因此由矢量化來簡化矢量形狀并修正建筑矢量邊界能夠使得后續計算層高總和更加準確且更貼合實際，僅統計變化的建筑面積使評估建筑輪廓面積和建筑面積總變化情況更詳細。

技術領域

本發明涉及一種基于深度學習和高分辨率衛星影像的城市建設評估方法。

背景技術

伴隨著我國城市發展進入“存量優化”時代，相較于傳統的實地測繪方法存在只適用于每隔多個年份開展普查的效率低下問題，為實現對城市建設情況的大范圍、快速、精確的跟蹤監測，衛星遙感技術和深度學習技術提供了新的思路。

目前，基于高分辨率衛星影像的城市建設評估需要實現兩個關鍵技術，一是從衛星影像中自動提取建筑物輪廓，二是根據衛星影像預測建筑物高度。將這兩部分信息結合，就能統計每個城市單元的建筑物及建筑面積情況從而對不同年份間城市建設變化情況開展評估。

目前，針對這個情況的相關技術主要包含兩種方法。

相似技術一是《基于深度學習的高分辨率影像建筑物提取方法及系統》(申請專利號CN201910886542.6)，采用SpaceNet公開的建筑物數據集的RGB三通道遙感影像制作，用來訓練特定類型的深度神經網絡模型，實現建筑物輪廓提取，由于該方法使用單一開放數據集SpaceNet，其分析主要內容將根據WorldView衛星拍攝的得到的建筑數據集，由于不同時間、不同衛星的拍攝結果在色差、傾角、圖像質量等方面都會存在一些不同，這樣通過該單一數據集訓練得到的模型是無法適用于較復雜的城市建設評估場景。

相似技術二是《一種基于深度學習的遙感圖像建筑物變化檢測方法》(申請專利號CN201910035907.4)，將不同時間的遙感圖像進行配準并且僅由人工對建筑物更新的部分進行標注得到的數據集來訓練深度神經網絡模型從而將該模型進行建筑發生變化的區域識別，由于這類方法為檢測發生變化建筑的位置，并不是精確評估建筑輪廓、建筑面積變化情況，因此這類方法也不能實現城市建設評估，最后是由于不同時間不同衛星在不同城市的拍攝結果會有色差、傾角、圖像質量、圖像位移的差別，該模型無法快速推廣運用到新的城市和新的年份。

發明內容

為解決上述問題，提供一種基于深度學習和高分辨率衛星影像的城市建設評估方法，本發明采用了如下技術方案：

本發明提供了一種基于深度學習和高分辨率衛星影像的城市建設評估方法，用于根據輸入的基準年衛星影像切片圖以及至少一個對比年衛星影像切片圖對建筑進行輪廓提取從而進行分析，其特征在于，包括如下步驟：步驟S1-1，將基準年衛星影像切片圖以及對比年衛星影像切片圖通過訓練好的建筑輪廓提取模型得到基準年建筑輪廓結果以及比較年建筑輪廓結果；步驟S1-2，將基準年衛星影像切片圖以及對比年衛星影像切片圖通過訓練好的建筑層高提取模型得到基準年建筑層高結果以及比較年建筑層高結果；步驟S1-3，將基準年建筑輪廓結果以及比較年建筑輪廓結果進行矢量化并通過修正建筑矢量邊界得到修正基準年建筑輪廓結果以及修正比較年建筑輪廓結果；步驟S1-4，分別將修正基準年建筑輪廓結果與基準年建筑層高結果、修正比較年建筑輪廓結果以及比較年建筑層高結果進行匯總分析得到基準年建筑面積存量結果以及比較年建筑面積存量結果；步驟S1-5，將修正基準年建筑輪廓結果以及修正比較年建筑輪廓結果通過計算交互比進行分析得到建筑發生變化情況結果；步驟S1-6，按統計單元分別將建筑發生變化情況結果、基準年建筑層高結果以及比較年建筑層高結果進行匯總分析從而得到建筑面積變化匯總分析；步驟S1-7，通過統計建筑矢量邊界內的層高總和并乘以單位像元面積從而得到建筑面積存量統計結果；步驟S1-8，輸出建筑面積變化匯總分析以及基準年建筑面積存量結果以及比較年建筑面積存量結果。