本发明涉及图像处理,特别是涉及一种基于注意力网络的高分辨率遥感影像建筑物提取方法。
背景技术:
1、随着城市化进程的加快和城市规划的需要,建筑物的数量大幅增加,构筑建筑物的地区分布范围也更加广泛。与此同时,建筑物作为人类活动的载体,无论是城市动态监测还是郊区建筑物检测都必不可少。因此,高效、准确的从高分辨率遥感影像自动提取建筑物对于城市规划、防灾、变化检测等应用具有重要意义。
2、随着计算机算力的飞速发展,通过深度学习技术可以实现图像中目标地物的自动提取,并展现出极好的运算性能。然而,由于建筑物本身特征的多样性,仅利用深度学习中基础卷积神经网络进行高分辨率遥感影像的建筑物提取存在困难。如面对复杂地物场景时存在一定范围内建筑物精确率不高,面对植被遮挡时存在边界不完整或边界模糊,使用单个感受野很难识别不同规模的建筑物等问题。
3、因此,现有技术需要一种提高遥感影像建筑物提取准确率的方法,以解决以上所提的问题。
技术实现思路
1、为了克服现有技术的不足,本发明的目的是提供一种在高分辨率航空影像的复杂场景中,以含噪声、适当尺寸的遥感影像为输入数据,基于深度学习中的金字塔结构和时序注意力机制构建的u型的金字塔时序注意力网络,实现高分辨率遥感影像中建筑物有效提取的方法。
2、为实现上述目的,本发明提供了如下方案:
3、一种基于注意力网络的高分辨率遥感影像建筑物提取方法,包括:
4、获取研究区内的航空影像数据;
5、对所述航空影像数据进行图像预处理和数据增强,并将处理后的数据划分为训练集、测试集和验证集;
6、分别构建se权重模块、挤压和连接模块以及softmax激活函数;
7、根据所述se权重模块、所述挤压和连接模块和所述softmax激活函数确定金字塔时序组块,并将金字塔时序组块嵌入到u型网络的连接层中,得到u型的金字塔时序注意力网络,并根据所述训练集对所述u型的金字塔时序注意力网络进行训练;
8、分别利用所述测试集和所述验证集对所述u型的金字塔时序注意力网络进行测试和验证,得到最优的遥感影像建筑物提取模型;
9、将待检测数据输入至所述遥感影像建筑物提取模型中,得到检测结果。
10、优选地,所述获取研究区内的航空影像数据,包括:
11、利用无人机在所述研究区内按照设定飞行路线进行航飞,以采集所述研究区中的遥感数据集;
12、根据所述无人机拍摄的带有地理坐标的所述遥感数据集生成所述研究区域的遥感影像;
13、将所述遥感影像进行空间分辨率的调整,并根据空间分辨率达到预设分辨率阈值的遥感影像制作成所述航空影像数据。
14、优选地,对所述航空影像数据进行图像预处理和数据增强,并将处理后的数据划分为训练集、测试集和验证集,包括:
15、确定所述航空影像数据中的建筑样本;
16、根据所述建筑样本确定建筑标签;
17、对所述航空影像数据和对应的所述建筑标签进行影响裁剪,得到裁剪后的影像;
18、将所述裁剪后的影像进行数据增强,得到扩充处理后的图像;
19、按照预设比例将所述扩充后的图像进行随机划分,得到所述训练集、所述测试集和所述验证集。
20、优选地,所述se权重模块由挤压部分和提取部分组成;所述se权重模块用于编码全局信息和自适应重新校准通道关系;所述挤压和连接模块用于以多分支的方式提取输入特征图的空间信息;所述softmax激活函数用于获得多尺度通道的重新校准的权重。
21、优选地,所述根据所述se权重模块、所述挤压和连接模块和所述softmax激活函数确定金字塔时序组块,并将金字塔时序组块嵌入到u型网络的连接层中,得到u型的金字塔时序注意力网络,并根据所述训练集对所述u型的金字塔时序注意力网络进行训练,包括:
22、构建基础u型框架;
23、根据所述se权重模块、所述挤压和连接模块和所述softmax激活函数构建的金字塔时序组块;
24、根据所述基础u型框架、所述金字塔时序组块和预设的特征融合器构建所述u型的金字塔时序注意力网络;
25、将所述训练集输入到所述u型的金字塔时序注意力网络中,并调整超参数后进行训练,得到训练好的u型的金字塔时序注意力网络。
26、优选地,根据所述基础u型框架、所述金字塔时序组块和预设的特征融合器构建所述u型的金字塔时序注意力网络,包括:
27、在所述基础u型框架的多分支连接“跳转连接”中的第一层、第三层和第五层添加所述金字塔时序组块,并在所述金字塔时序组块的输出端后加入所述特征融合器。
28、优选地,分别利用所述测试集和所述验证集对所述u型的金字塔时序注意力网络进行测试和验证,得到最优的遥感影像建筑物提取模型,包括:
29、对所述u型的金字塔时序注意力网络的训练参数进行初始化;
30、根据所述测试集对所述u型的金字塔时序注意力网络进行测试,并根据预设的评估指标对测试的u型的金字塔时序注意力网络进行评估,以得到测试好的u型的金字塔时序注意力网络;
31、根据所述验证集对测试好的u型的金字塔时序注意力网络进行验证,得到所述最优的遥感影像建筑物提取模型。
32、根据本发明提供的具体实施例,本发明公开了以下技术效果:
33、本发明提供了一种基于注意力网络的高分辨率遥感影像建筑物提取方法,包括:获取研究区内的航空影像数据;对所述航空影像数据进行图像预处理和数据增强,并将处理后的数据划分为训练集、测试集和验证集;分别构建se权重模块、挤压和连接模块以及softmax激活函数;根据所述se权重模块、所述挤压和连接模块和所述softmax激活函数确定金字塔时序组块,并将金字塔时序组块嵌入到u型网络的连接层中,得到u型的金字塔时序注意力网络,并根据所述训练集对所述u型的金字塔时序注意力网络进行训练;分别利用所述测试集和所述验证集对所述u型的金字塔时序注意力网络进行测试和验证,得到最优的遥感影像建筑物提取模型;将待检测数据输入至所述遥感影像建筑物提取模型中,得到检测结果。本发明能够实现高分辨率遥感影像中建筑物有效提取。
1.一种基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,包括:
2.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,所述获取研究区内的航空影像数据,包括:
3.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,对所述航空影像数据进行图像预处理和数据增强,并将处理后的数据划分为训练集、测试集和验证集,包括:
4.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,所述se权重模块由挤压部分和提取部分组成;所述se权重模块用于编码全局信息和自适应重新校准通道关系;所述挤压和连接模块用于以多分支的方式提取输入特征图的空间信息;所述softmax激活函数用于获得多尺度通道的重新校准的权重。
5.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,所述根据所述se权重模块、所述挤压和连接模块和所述softmax激活函数确定金字塔时序组块,并将金字塔时序组块嵌入到u型网络的连接层中,得到u型的金字塔时序注意力网络,并根据所述训练集对所述u型的金字塔时序注意力网络进行训练,包括:
6.根据权利要求5所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,根据所述基础u型框架、所述金字塔时序组块和预设的特征融合器构建所述u型的金字塔时序注意力网络,包括:
7.根据权利要求1所述的高分辨率遥感影像建筑物提取方法,其特征在于,分别利用所述测试集和所述验证集对所述u型的金字塔时序注意力网络进行测试和验证,得到最优的遥感影像建筑物提取模型,包括: