公开(公告)号：CN114708513B

公开(公告)日：2023-12-01

申请号：CN202210213409.6

申请日：2022-03-04

Applicant: 深圳市规划和自然资源数据管理中心 ,  中国地质大学(武汉)

Inventor： 徐永洋 ,  王海涛 ,  胡安娜 ,  陈思琼 ,  谢忠

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/26 ,  G06V10/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/09 ,  G06F16/29

Abstract: 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客

公开(公告)号：CN114708513A

公开(公告)日：2022-07-05

申请号：CN202210213409.6

申请日：2022-03-04

Applicant: 深圳市规划和自然资源数据管理中心 ,  中国地质大学(武汉)

Inventor： 徐永洋 ,  王海涛 ,  胡安娜 ,  陈思琼 ,  谢忠

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/26 ,  G06V10/20 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F16/29

Abstract: 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客观性与真实性。