[發明專利]遙感影像建筑物檢測方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202110377122.2
• 申請日: 2021-04-08
• 公開（公告）號: CN112990086A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 鄧美環;劉康;黃艷紅;朱濟帥;李海霞
• 申請（專利權）人: 海南長光衛星信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 溫可睿

1.一種遙感影像建筑物檢測方法，其特征在于，包括：

預先通過遙感影像數據和建筑物的空間數據文件建立標準建筑物實例分割樣本集；并利用所述標準建筑物實例分割樣本集，基于Mask-RCNN網絡訓練得到建筑物實例分割網絡模型；

將待檢測圖像數據輸入所述建筑物實例分割網絡模型中，利用所述建筑物實例分割網絡模型對所述待檢測圖像數據進行切片處理，以得到單個格網的實例分割結果；

根據各格網的實例分割結果得到所述待檢測圖像數據所包含的建筑物信息。

2.根據權利要求1所述的遙感影像建筑物檢測方法，其特征在于，所述通過遙感影像數據和建筑物的空間數據文件建立標準建筑物實例分割樣本集之后，所述利用所述標準建筑物實例分割樣本集，基于Mask-RCNN網絡訓練得到構建建筑物實例分割網絡模型之前，還包括：

對所述標準建筑物實例分割樣本集中的各訓練樣本數據進行圖像增強處理。

3.根據權利要求1所述的遙感影像建筑物檢測方法，其特征在于，所述利用所述標準建筑物實例分割樣本集，基于Mask-RCNN網絡訓練得到建筑物實例分割網絡模型包括：

利用ResNet101提取所述標準建筑物實例分割樣本集中每個樣本數據的圖像多尺度特征，得到相應的圖像特征圖；

對每個樣本數據，采用RPN在當前樣本數據的圖像特征圖中選取ROI區域；使用雙線性插值的方法將所述ROI區域與相應圖像特征圖進行映射處理，以獲取固定尺寸的圖像特征圖；將所述固定尺寸的圖像特征圖輸入到邊框分類、邊界回歸、Mask生成層，得到分割后的建筑物信息；

基于預先構建損失函數計算所述建筑物實例分割網絡模型的損失，所述損失函數包括RPN框的分類損失、RPN框的回歸損失、邊框分支的分類損失、邊框分支的回歸損失和分割圖損失；

基于與顯卡個數相匹配的學習率，使用隨機梯度下降訓練所述建筑物實例分割網絡模型。

4.根據權利要求1至3任意一項所述的遙感影像建筑物檢測方法，其特征在于，所述通過遙感影像數據和建筑物的空間數據文件建立標準建筑物實例分割樣本集包括：

對每個遙感影像數據，基于預先設置的裁剪參數確定格網的索引，并根據所述索引將所述遙感影像數據裁剪為多個影像塊；

根據所述索引將每個影像塊的像素坐標轉換為地理坐標，通過格網四個角的地理坐標建立以這四個角為頂點的四邊形地理要素；

對于每個影像塊，計算當前格網的地理要素與所述遙感影像數據的交集，以獲取所述當前格網內的建筑物標注；

基于所述索引將所述遙感影像數據和裁剪的矢量一一對應。

5.根據權利要求4所述的遙感影像建筑物檢測方法，其特征在于，所述基于預先設置的裁剪參數確定格網的索引包括：

預先定義格網裁剪尺寸值和裁剪區域重疊影像像素值；

根據所述格網裁剪尺寸值和所述裁剪區域重疊影像像素值獲取格網索引信息。

6.根據權利要求4所述的遙感影像建筑物檢測方法，其特征在于，所述根據各格網的實例分割結果得到所述待檢測圖像數據所包含的建筑物信息包括：

根據各格網的實例分割結果得到相應的二值的掩圖，并使用輪廓跟蹤方法得到每個格網的多邊形坐標；

根據格網索引信息將多邊形轉換為地理坐標或投影坐標；

將每個格網的多邊形進行空間疊加，并把相鄰格網重疊的部分融合，得到所述待檢測圖像數據對應的建筑物的矢量。

7.一種遙感影像建筑物檢測裝置，其特征在于，包括：

樣本集預構建模塊，用于通過遙感影像數據和建筑物的空間數據文件建立標準建筑物實例分割樣本集；

模型預構建模塊，用于利用所述標準建筑物實例分割樣本集，基于Mask-RCNN網絡訓練得到建筑物實例分割網絡模型；

實例分割模塊，用于將待檢測圖像數據輸入所述建筑物實例分割網絡模型中，利用所述建筑物實例分割網絡模型對所述待檢測圖像數據進行切片處理，以得到單個格網的實例分割結果；

建筑物檢測結果獲取模塊，用于根據各格網的實例分割結果得到所述待檢測圖像數據所包含的建筑物信息。