本发明专利技术涉及图像处理技术领域，提供一种空心村庄中建筑的识别方法、装置、电子设备及存储介质，包括：确定目标村庄所在的识别区域的图像；将所述图像输入到建筑分类识别模型中，得到由所述建筑分类识别模型输出的建筑分类信息，所述建筑分类信息用于表征所述目标村庄中各建筑的类别；所述建筑分类识别模型包括语义分割层和特征提取层。通过建筑分类识别模型对图像中的建筑进行分类，该建筑分类识别模型包括分割建筑区域的语义分割层和基于注意力机制对各建筑区域进行特征提取的特征提取层，通过对区域的分割和特征提取的运算过程，能够提取较为准确的图像特征，提供图像中各建筑分类的准确性。类的准确性。类的准确性。
【技术实现步骤摘要】
空心村庄中建筑的识别方法、装置、电子设备及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种空心村庄中建筑的识别方法、装置、电子设备及存储介质。
技术介绍
[0002]空心村整治是盘活空废土地、优化土地利用、改善乡村居住环境的重要战略，为此，要通过技术手段对空心村中的各类建筑进行识别检测。
[0003]传统检测手段对操作人员专业性依赖大，费时费力，无法实现大规模自动测量；其次测量数据类型单一，无法快速获取整个区域地貌特征；
[0004]高分卫星影像的清晰度对空心村建筑的特征识别造成了一定局限。高分卫星影像中建筑细部特征(损毁建筑的屋面植物、屋面破损等)较小、不够明显，导致识别难度较大，误判率较高，并在模型训练中，产生深层网络结构会出现特征消失等问题。
[0005]传统的机器学习提取方法多依靠遥感影像的浅层特征，浅层特征包含光谱、形态学指数等，虽然实现了建筑物自动提取，但是精度不高、受环境影响大、易出现多尺度漏检等问题。
[0006]由此可知，目前对空心村中建筑的识别不够准确。
技术实现思路
[0007]针对现有技术存在的问题，本专利技术提供一种空心村庄中建筑的识别方法、装置、电子设备及存储介质。
[0008]第一方面，本专利技术提供一种空心村庄中建筑的识别方法，包括：
[0009]确定目标村庄所在的识别区域的图像；
[0010]将所述图像输入到建筑分类识别模型中，得到由所述建筑分类识别模型输出的建筑分类信息，所述建筑分类信息用于表征所述目标村庄中各建筑的类别；
[0011]其中，所述建筑分类识别模型为将根据样本图像中各建筑的图像特征和所述样本图像中各建筑的类别标识作为输入，通过机器学习训练得到的，用于对图像中各建筑进行分类的模型；
[0012]所述建筑分类识别模型包括语义分割层和特征提取层，所述语义分割层用于对所述图像中各建筑区域进行分割；所述特征提取层，用于基于注意力机制对各建筑区域进行特征提取。
[0013]在一个实施例中，所述将所述图像输入到建筑分类识别模型中，得到由所述建筑分类识别模型输出的建筑分类信息，包括：
[0014]将所述图像输入到语义分割层，由所述语义分割层输出各建筑区域；
[0015]将各建筑区域输入到特征提取层，由所述特征提取层基于注意力机制增加提取深度，根据所述提取深度对各建筑区域进行特征提取，输出各建筑区域的图像特征；
[0016]将各建筑区域的图像特征输入到所述建筑分类识别模型的分类层，由所述分类层
输出各建筑区域的建筑分类信息。
[0017]在一个实施例中，所述特征提取层包括第一运算单元和第二运算单元，相应地，将各建筑区域输入到特征提取层，由所述特征提取层基于注意力机制增加提取深度，根据所述提取深度对各建筑区域进行特征提取，输出各建筑区域的图像特征，包括：
[0018]将各建筑区域输入到所述第一运算单元，由所述第一运算单元基于所述提取深度，根据各建筑区域的像素值生成权重矩阵；
[0019]将各建筑区域输入到所述第二运算单元，由所述第二运算单元根据各建筑区域的像素值确定初始图像特征，并根据所述初始图像特征和所述权重矩阵确定图像特征。
[0020]在一个实施例中，所述确定目标村庄所在的识别区域的图像，包括：
[0021]采集目标村庄所在的识别区域的原始图像，对所述原始图像进行正射处理，确定所述图像。
[0022]第二方面，本专利技术提供一种空心村庄中建筑的识别装置，包括：
[0023]确定模块，用于确定目标村庄所在的识别区域的图像；
[0024]识别模块，用于将所述图像输入到建筑分类识别模型中，得到由所述建筑分类识别模型输出的建筑分类信息，所述建筑分类信息用于表征所述目标村庄中各建筑的类别；
[0025]其中，所述建筑分类识别模型为将根据样本图像中各建筑的图像特征和所述样本图像中各建筑的类别标识作为输入，通过机器学习训练得到的，用于对图像中各建筑进行分类的模型；
[0026]所述建筑分类识别模型包括语义分割层和特征提取层，所述语义分割层用于对所述图像中各建筑区域进行分割；所述特征提取层，用于基于注意力机制对各建筑区域进行特征提取。
[0027]在一个实施例中，所述识别模块具体用于：
[0028]将所述图像输入到语义分割层，由所述语义分割层输出各建筑区域；
[0029]将各建筑区域输入到特征提取层，由所述特征提取层基于注意力机制增加提取深度，根据所述提取深度对各建筑区域进行特征提取，输出各建筑区域的图像特征；
[0030]将各建筑区域的图像特征输入到所述建筑分类识别模型的分类层，由所述分类层输出各建筑区域的建筑分类信息。
[0031]在一个实施例中，所述特征提取层包括第一运算单元和第二运算单元，相应地，所述识别模块在将各建筑区域输入到特征提取层，由所述特征提取层基于注意力机制增加提取深度，根据所述提取深度对各建筑区域进行特征提取，输出各建筑区域的图像特征的处理过程中，具体用于：
[0032]将各建筑区域输入到所述第一运算单元，由所述第一运算单元基于所述提取深度，根据各建筑区域的像素值生成权重矩阵；
[0033]将各建筑区域输入到所述第二运算单元，由所述第二运算单元基于所述提取深度，根据各建筑区域的像素值确定初始图像特征，并根据所述初始图像特征和所述权重矩阵确定图像特征。
[0034]在一个实施例中，所述确定模块具体用于：
[0035]采集目标村庄所在的识别区域的原始图像，根据所述原始图像进行正射处理，确定所述图像。
[0036]第三方面，本专利技术提供一种电子设备，包括存储器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述空心村庄中建筑的识别方法的步骤。
[0037]第四方面，本专利技术提供一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行第一方面所述空心村庄中建筑的识别方法的步骤。
[0038]本专利技术提供的空心村庄中建筑的识别方法、装置、电子设备及存储介质，通过建筑分类识别模型对图像中的建筑进行分类，该建筑分类识别模型包括分割建筑区域的语义分割层和基于注意力机制对各建筑区域进行特征提取的特征提取层，通过对区域的分割和特征提取的运算过程，能够提取较为准确的图像特征，提供图像中各建筑分类的准确性。
附图说明
[0039]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本专利技术提供的空心村庄中建筑的识别方法的流程示意图；
[0041]图2是本专利技术提供的空心村庄中建筑的识别装置的结构示意图；
[0042]图3是本专利技术提供本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种空心村庄中建筑的识别方法，其特征在于，包括：确定目标村庄所在的识别区域的图像；将所述图像输入到建筑分类识别模型中，得到由所述建筑分类识别模型输出的建筑分类信息，所述建筑分类信息用于表征所述目标村庄中各建筑的类别；其中，所述建筑分类识别模型为将根据样本图像中各建筑的图像特征和所述样本图像中各建筑的类别标识作为输入，通过机器学习训练得到的，用于对图像中各建筑进行分类的模型；所述建筑分类识别模型包括语义分割层和特征提取层，所述语义分割层用于对所述图像中各建筑区域进行分割；所述特征提取层，用于基于注意力机制对各建筑区域进行特征提取。2.根据权利要求1所述的空心村庄中建筑的识别方法，其特征在于，所述将所述图像输入到建筑分类识别模型中，得到由所述建筑分类识别模型输出的建筑分类信息，包括：将所述图像输入到语义分割层，由所述语义分割层输出各建筑区域；将各建筑区域输入到特征提取层，由所述特征提取层基于注意力机制增加提取深度，根据所述提取深度对各建筑区域进行特征提取，输出各建筑区域的图像特征；将各建筑区域的图像特征输入到所述建筑分类识别模型的分类层，由所述分类层输出各建筑区域的建筑分类信息。3.根据权利要求2所述的空心村庄中建筑的识别方法，其特征在于，所述特征提取层包括第一运算单元和第二运算单元，相应地，将各建筑区域输入到特征提取层，由所述特征提取层基于注意力机制增加提取深度，根据所述提取深度对各建筑区域进行特征提取，输出各建筑区域的图像特征，包括：将各建筑区域输入到所述第一运算单元，由所述第一运算单元基于所述提取深度，根据各建筑区域的像素值生成权重矩阵；将各建筑区域输入到所述第二运算单元，由所述第二运算单元根据各建筑区域的像素值确定初始图像特征，并根据所述初始图像特征和所述权重矩阵确定图像特征。4.根据权利要求1所述的空心村庄中建筑的识别方法，其特征在于，所述确定目标村庄所在的识别区域的图像，包括：采集目标村庄所在的识别区域的原始图像，对所述原始图像进行正射处理，确定所述图像。5.一种空心村庄中建筑的识别装置，其特征在于，包括：确定模块，用于确定目标村庄所在的识别区域的图像；识别模块，用于将所述图像输入到建筑分类识别模型中，得到由所述建筑分类识别...
【专利技术属性】
技术研发人员：田董炜，王文科，钟华，方超，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。