System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于图像语义分割模型提取建筑物的外轮廓特征的方法技术_技高网

基于图像语义分割模型提取建筑物的外轮廓特征的方法技术

技术编号:42917076 阅读:7 留言:0更新日期:2024-10-11 15:45
提供了基于图像语义分割模型提取建筑物的外轮廓特征的方法,所述方法包括:获取图像数据;将所述图像数据输入所述图像语义分割模型,得到所述图像数据中的建筑物的外轮廓特征,其中,所述图像语义分割模型的编码器具有至少四个n×n卷积层,并且在所述至少四个卷积层中的每个卷积层中使用自适应激活函数,其中,n>1。由此,可以提高分割的准确率,获得更准确的分割效果。

【技术实现步骤摘要】

本申请属于图像处理领域,并且更具体地,涉及基于图像语义分割模型提取建筑物的外轮廓特征的方法、系统、电子设备和计算机可读存储介质。


技术介绍

1、图像语义分割是计算机视觉中的一个任务,它的目标是对图像中的每个像素进行分类,并且将同一类别的像素标记为相同的颜色或标签。目前基于二维图像语义分割提取目标建筑外轮廓的方法能有效分割出建筑物,现已提出的fcn(全卷积网络)、unet(u形网络)、segnet(分割网络)、deeplab(深度拉伸网络)系列、transformer(转换器)等图像分割算法,通过标签数据集训练,得到相应的模型后进行测试并做指标评价。

2、二维图像中的建筑物外轮廓特征是建筑物重建中最基本的特征之一,外轮廓特征能直接反应出建筑物间的相对位置关系和空间位置关系,对于大场景建筑物重建而言空间位置关系尤为重要。外轮廓提取的好坏也直接决定了建筑物重建准确度和精度,外轮廓信息越准确在建筑物点云数据的提取中阈值设置越小,所获取到的点云数据也随之减少,在模型重建的过程中可减少误差。

3、现有建筑物提取算法具有较高的准确率,在公开数据集上得到很高的指标,但发现现有的数据集大多具有范围广、场景复杂、小目标建筑少、密集建筑数据少、数据集几乎无遮挡的特点,这导致现有的算法在密集且具有遮挡的小目标建筑数据中呈现的效果很差,准确度大幅下降。


技术实现思路

1、本公开提供了基于图像语义分割模型提取建筑物的外轮廓特征的方法和系统、以及电子设备和计算机可读存储介质,以至少解决上述相关技术中的问题,也可不解决任何上述问题。

2、根据本公开的第一方面,提供了基于图像语义分割模型提取建筑物的外轮廓特征的方法,所述方法可包括:获取图像数据;将所述图像数据输入所述图像语义分割模型,得到所述图像数据中的建筑物的外轮廓特征,其中,所述图像语义分割模型的编码器可具有至少四个n×n卷积层,并且在所述至少四个卷积层中的每个卷积层中可使用自适应激活函数,其中,n>1。

3、可选地,所述图像语义分割模型的编码器可包括至少两个编码器,并且所述将所述图像数据输入所述图像语义分割模型,可包括:将所述图像数据分别输入所述图像语义分割模型的所述至少两个编码器,分别得到至少两个有效特征层,并将所述至少两个有效特征层输入所述图像语义分割模型的解码器。

4、可选地,所述至少两个编码器的卷积层可不同,并且所述至少两个编码器中的每个编码器的至少四个卷积层的卷积率可不同。

5、可选地,所述获取图像数据,可包括:获取遥感影像数据,并对所述遥感影像数据进行预处理,以对所述遥感影像数据的尺寸进行调整。

6、可选地,所述图像语义分割模型是通过以下方式训练得到的:将建筑物图像数据训练集输入所述图像语义分割模型,得到模型输出;使用交叉熵损失函数来确定模型输出与真实标签之间的损失;基于自动微分技术确定所述损失关于所述图像语义分割模型的模型参数的梯度,并使用梯度下降法更新所述模型参数。

7、根据本公开的第二方面,提供了基于图像语义分割模型提取建筑物的外轮廓特征的系统,所述系统可包括:图像获取模块,被配置为获取图像数据;语义分割模块,被配置为将所述图像数据输入所述图像语义分割模型,得到所述图像数据中的建筑物的外轮廓特征,其中,所述图像语义分割模型的编码器可具有至少四个n×n卷积层,并且在所述至少四个卷积层中的每个卷积层中可使用自适应激活函数,其中,n>1。

8、根据本公开的第三方面,提供了电子设备,所述电子设备包括:至少一个处理器;至少一个存储计算机可执行指令的存储器,其中,所述计算机可执行指令在被至少一个所述处理器运行时,促使至少一个所述处理器执行所述基于图像语义分割模型提取建筑物的外轮廓特征的方法。

9、根据本公开的第四方面,提供了存储指令的计算机可读存储介质,其特征在于,当所述指令被至少一个处理器运行时,促使至少一个所述处理器执行所述基于图像语义分割模型提取建筑物的外轮廓特征的方法。

10、根据本公开的示例实施例,通过基于改进的图像语义分割模型提取建筑物的外轮廓特征,可以提高分割的准确率,获得更准确的分割效果。

11、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。

本文档来自技高网...

【技术保护点】

1.基于图像语义分割模型提取建筑物的外轮廓特征的方法,包括:

2.如权利要求1所述的方法,其中,所述图像语义分割模型的编码器包括至少两个编码器,并且

3.如权利要求2所述的方法,其中,所述至少两个编码器的卷积层不同,并且所述至少两个编码器中的每个编码器的至少四个卷积层的卷积率不同。

4.如权利要求1所述的方法,其中,所述获取图像数据,包括:

5.如权利要求1所述的方法,其中,所述图像语义分割模型是通过以下方式训练得到的:

6.基于图像语义分割模型提取建筑物的外轮廓特征的系统,包括:

7.电子设备,包括:

8.存储指令的计算机可读存储介质,其特征在于,当所述指令被至少一个处理器运行时,促使至少一个所述处理器执行如权利要求1到5中的任意一项所述的方法。

【技术特征摘要】

1.基于图像语义分割模型提取建筑物的外轮廓特征的方法,包括:

2.如权利要求1所述的方法,其中,所述图像语义分割模型的编码器包括至少两个编码器,并且

3.如权利要求2所述的方法,其中,所述至少两个编码器的卷积层不同,并且所述至少两个编码器中的每个编码器的至少四个卷积层的卷积率不同。

4.如权利要求1所述的方法,其中,所述获取图像数据...

【专利技术属性】
技术研发人员:高旻段强彭林春陶李寇勇万马王发旺
申请(专利权)人:四川见山科技有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1