公开(公告)号：CN116052019B

公开(公告)日：2023-07-25

申请号：CN202310331820.8

申请日：2023-03-31

Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)

Inventor： 陈一祥 ,  姚帅 ,  陈学业 ,  李胜

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了适合于大区域高分辨率卫星影像的建成区高质量检测方法，包括以下步骤：S1)构建建成区和非建成区的样本集；S2）构建融合多层级特征的轻量级卷积神经网络模型并对其进行训练；S3）对研究区影像进行多模式的划分；S4）采用S2构建和训练的模型，对S3中影像块进行逐块的预测，获得各划分模式下的每个影像块隶属建成区的隶属度；S5）集成覆盖每个像素的多个影像块的隶属度确定其类别标签，获得最终的像素水平的高质量的建成区检测结果。本发明基于多模式划分的影像处理与集成分类识别框架，对每个像素能够利用多尺度、多方向的上下文信息，通过集成多模式块的类别标签实现像素级的分类，使得建成区检测结果更加精细和完整。

公开(公告)号：CN116052019A

公开(公告)日：2023-05-02

申请号：CN202310331820.8

申请日：2023-03-31

Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)

Inventor： 陈一祥 ,  姚帅 ,  陈学业 ,  李胜

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了适合于大区域高分辨率卫星影像的建成区高质量检测方法，包括以下步骤：S1)构建建成区和非建成区的样本集；S2）构建融合多层级特征的轻量级卷积神经网络模型并对其进行训练；S3）对研究区影像进行多模式的划分；S4）采用S2构建和训练的模型，对S3中影像块进行逐块的预测，获得各划分模式下的每个影像块隶属建成区的隶属度；S5）集成覆盖每个像素的多个影像块的隶属度确定其类别标签，获得最终的像素水平的高质量的建成区检测结果。本发明基于多模式划分的影像处理与集成分类识别框架，对每个像素能够利用多尺度、多方向的上下文信息，通过集成多模式块的类别标签实现像素级的分类，使得建成区检测结果更加精细和完整。