建筑物信息提取方法技术

本发明专利技术提供的建筑物信息提取方法

【技术实现步骤摘要】
建筑物信息提取方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种建筑物信息提取方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]建筑物是人类生产生活的主要场所，其空间分布情况可以在城市规划
、
地产管理
、
防灾减灾等领域发挥很大的价值
。
[0003]高空间分辨率的遥感卫星可以快速获取大范围的地表观测数据，为建筑物信息的及时获取提供了一种途径，例如，利用机器学习的方法对卫星的光学数据进行特征提取，从而识别出地面的建筑物
。
[0004]然而，上述方法挖掘的特征并不全面，进而影响了对建筑物的提取能力
。

技术实现思路

[0005]本专利技术提供的建筑物信息提取方法
、
装置
、
电子设备及存储介质，用以解决现有技术中利用机器学习的方法对卫星的光学数据进行特征提取，从而识别出地面的建筑物，挖掘的特征并不全面，进而影响了对建筑物的提取能力的缺陷，实现通过建筑物提取模型分别对可见光遥感数据和近红外遥感数据进行特征提取并融合，使用近红外数据对可见光数据进行特征补充，能够有效提升模型对建筑物的提取能力
。
[0006]本专利技术提供一种建筑物信息提取方法，包括：
[0007]获取目标区域的目标可见光遥感数据和目标近红外遥感数据；
[0008]将所述目标可见光遥感数据和所述目标近红外遥感数据输入至建筑物提取模型，以获取所述建筑物提取模型输出的所述目标区域内建筑物的种类位置信息；
[0009]所述种类位置信息是由所述建筑物提取模型对所述目标可见光遥感数据和所述目标近红外遥感数据分别进行特征提取后融合得到的
。
[0010]根据本专利技术提供的一种建筑物信息提取方法，所述建筑物提取模型，包括：第一特征提取网络
、
第二特征提取网络和特征融合网络；所述第一特征提取网络和所述第二特征提取网络并行；
[0011]所述第一特征提取网络的输出端连接所述特征融合网络的一个输入端，所述第二特征提取网络的输出端连接所述特征融合网络的另一个输入端；
[0012]所述第一特征提取网络，用于对第一输入端输入的目标可见光遥感影像进行特征提取，以获取第一模态数据特征组；
[0013]所述第二特征提取网络，用于对第二输入端输入的目标近红外遥感影像进行特征提取，以获取第二模态数据特征组；
[0014]所述特征融合网络，用于对所述第一模态数据特征组和所述第二模态数据特征组进行融合修正，生成所述目标区域内建筑物的种类位置信息
。
[0015]根据本专利技术提供的一种建筑物信息提取方法，所述第一特征提取网络和所述第二
特征提取网络均是基于添加了
IBN
模块的
HR
‑
Net
构建的
。
[0016]根据本专利技术提供的一种建筑物信息提取方法，所述第一特征提取网络，包括：依次连接的卷积模块和特征提取模块；
[0017]所述卷积模块中包括实例标准化模块；
[0018]所述卷积模块，用于对所述目标可见光遥感数据进行维度归一化，生成归一化遥感数据；
[0019]所述特征提取模块，用于对所述归一化遥感数据进行下采样和卷积，生成所述第一模态数据特征组；
[0020]所述第二特征提取网络与所述第一特征提取网络的结构相同
。
[0021]根据本专利技术提供的一种建筑物信息提取方法，所述特征融合网络包括依次连接的连接模块
、
注意力模块
、
降维模块和判别器；
[0022]所述连接模块，用于对所述第一模态数据特征组和所述第二模态数据特征组进行通道维度拼接，以生成融合特征；
[0023]所述注意力模块，用于对所述融合特征进行权重修正，生成修正特征；
[0024]所述降维模块，用于对所述修正特征进行特征降维，生成特征融合结果；
[0025]所述判别器，用于所述特征融合结果进行分类，以生成所述目标区域内建筑物的种类位置信息
。
[0026]根据本专利技术提供的一种建筑物信息提取方法，所述建筑物提取模型是基于以下步骤获取的：
[0027]构建教师模型和学生模型；
[0028]获取多个样本区域的样本可见光遥感图像
、
样本近红外遥感图像和建筑种类位置标签；
[0029]将任一样本区域的样本可见光遥感图像
、
样本近红外遥感图像和建筑种类位置标签的组合，作为所述任一样本区域的训练样本，以获取多个训练样本；
[0030]利用所述多个训练样本对教师模型进行训练，获取训练好的教师模型；
[0031]在训练好的教师模型中提取每个训练样本的软标签；
[0032]利用带有软标签的训练样本对所述学生模型进行训练，以将训练好的学生模型作为所述建筑物提取模型
。
[0033]本专利技术还提供一种服务器，所述服务器中设置有处理器；还包括存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时执行如上述任一种所述建筑物信息提取方法
。
[0034]本专利技术还提供一种建筑物信息提取装置，包括：
[0035]本专利技术还提供一种电子设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述建筑物信息提取方法
。
[0036]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述建筑物信息提取方法
。
[0037]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述建筑物信息提取方法
。
[0038]本专利技术提供的建筑物信息提取方法
、
装置
、
电子设备及存储介质，通过建筑物提取模型分别对可见光遥感数据和近红外遥感数据进行特征提取并融合，使用近红外数据对可见光数据进行特征补充，能够有效提升模型对建筑物的提取能力
。
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建筑物信息提取方法的流程示意图；
[0041]图2是本专利技术提供的建筑物提取模型的结构示意图；
[0042]图3是本专利技术提供的
BasicBlock
的结构示意图；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种建筑物信息提取方法，其特征在于，包括：获取目标区域的目标可见光遥感数据和目标近红外遥感数据；将所述目标可见光遥感数据和所述目标近红外遥感数据输入至建筑物提取模型，以获取所述建筑物提取模型输出的所述目标区域内建筑物的种类位置信息；所述种类位置信息是由所述建筑物提取模型对所述目标可见光遥感数据和所述目标近红外遥感数据分别进行特征提取后融合得到的
。2.
根据权利要求1所述的建筑物信息提取方法，其特征在于，所述建筑物提取模型，包括：第一特征提取网络
、
第二特征提取网络和特征融合网络；所述第一特征提取网络和所述第二特征提取网络并行；所述第一特征提取网络的输出端连接所述特征融合网络的一个输入端，所述第二特征提取网络的输出端连接所述特征融合网络的另一个输入端；所述第一特征提取网络，用于对第一输入端输入的目标可见光遥感影像进行特征提取，以获取第一模态数据特征组；所述第二特征提取网络，用于对第二输入端输入的目标近红外遥感影像进行特征提取，以获取第二模态数据特征组；所述特征融合网络，用于对所述第一模态数据特征组和所述第二模态数据特征组进行融合修正，生成所述目标区域内建筑物的种类位置信息
。3.
根据权利要求2所述的建筑物信息提取方法，其特征在于，所述第一特征提取网络和所述第二特征提取网络均是基于添加了
IBN
模块的
HR
‑
Net
构建的
。4.
根据权利要求2所述的建筑物信息提取方法，其特征在于，所述第一特征提取网络，包括：依次连接的卷积模块和特征提取模块；所述卷积模块中包括实例标准化模块；所述卷积模块，用于对所述目标可见光遥感数据进行维度归一化，生成归一化遥感数据；所述特征提取模块，用于对所述归一化遥感数据进行下采样和卷积，生成所述第一模态数据特征组；所述第二特征提取网络与所述第一特征提取网络的结构相同
。5.
根据权利要求2所述的建筑物信息提取方法，其特征在于，所述特征融合网络包括依次连接的连接模块
、
注意力模块
、
降维模块和判别器；所述连接模块，用于对所述第一模态数据特征组和所述第二...

【专利技术属性】
技术研发人员：王福涛，王世新，周艺，王振庆，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：