基于阴影补偿和U-net的遥感影像城市建筑提取方法
基本信息
| 申请号 | CN202111221175.1 | 申请日 | - |
| 公开（公告）号 | CN114005042A | 公开（公告）日 | 2022-02-01 |
| 申请公布号 | CN114005042A | 申请公布日 | 2022-02-01 |
| 分类号 | G06V20/13（2022.01）I;G06V10/26（2022.01）I;G06V10/44（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 逄增伦;孙建;费浩;逄增辉 | 申请（专利权）人 | 青岛浩海网络科技股份有限公司 |
| 代理机构 | 青岛华慧泽专利代理事务所（普通合伙） | 代理人 | 刘娜 |
| 地址 | 266000山东省青岛市高新区宝源路821号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于阴影补偿和U‑net的遥感影像城市建筑提取方法，包括以下步骤：高分辨率遥感影像的获取和校正；提取多光谱影像的光谱特征和亮度特征，对多光谱影像进行阴影检测和阴影补偿，并进行归一化处理：使用归一化处理后的遥感影像制作训练图像和预测图像，并利用训练图像制作样本数据集；使用样本数据集训练U‑net网络模型，并利用训练好的U‑net网络模型对预测图像进行预测，得到提取建筑轮廓的初步预测图像；利用光谱特征进行水体和植被区域识别，对初步预测图像进行优化。本发明所公开的方法对遥感数据进行了阴影优化，能够有效降低阴影带来的影响，并对深度学习的预测结果使用辅助信息再判决，提高了建筑提取精度。 |
