(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210870003.5 (22)申请日 2022.07.22 (71)申请人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 申请人 武汉蚁图时空科技有限公司 (72)发明人 徐世武　陶年旺　饶蕾　吕莎　 张雪松　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 专利代理师 万文广 (51)Int.Cl. G06V 20/13(2022.01) G06V 20/10(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06V 10/26(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 高分辨率遥感影像小样本高精度建筑分割 提取方法及装置 (57)摘要 本发明提供了一种高分辨率遥感影像小样 本高精度建筑分割提取方法及装置。 获取样本 集， 包括标记样本和未标记样本； 划分训练集和 验证集； 基于带约束的正样本 学习算法构建U Net ++改进模型并初始化c值； 训练模型， 得到正样本 概率， 通过c值将正样本概率转换成标记样本概 率， 计算损失函数， 根据损失函数优化模 型参数， 同时通过验证集进行验证， 当损失函数或迭代次 数满足预设条件时， 训练完成， 训练好的模型为 双分支建筑物分割模型； 将待测试影像输入训练 好的建筑物分割模型进行建筑物分割提取。 结合 UNet++和带约束的正样本 学习算法， 可以自动通 过人工标记样本的特征调整 得到正样本的特征， 同时通过双分支模型提高了对粘连建筑边缘检 测的局部准确性。 权利要求书2页 说明书6页 附图4页 CN 115205704 A 2022.10.18 CN 115205704 A 1.一种高分辨率遥感影像小样本高精度建筑分割提取方法， 其特征在于， 包括以下步 骤： S1： 获取样本集， 所述样本集包括标记样本和未 标记样本； S2： 将所述样本集划分为训练集和验证集； S3： 基于带约束的正样本学习算法构建UNet++改进模型， 并初始化c值， 所述c值为标记 样本占正样本的比例； S4： 使用所述训练集训练所述UNet++改进模型， 得到正样本概率， 通过c值将正样本概 率转换成标记样 本的概率， 并计算损失函数， 根据损失函数优化模型参数， 同时通过验证集 进行验证， 当损失函数或迭代次数满足预设条件时， 停止训练， 得到训练好的建筑物分割模 型； S5： 将待测试的高分辨率遥感影像输入所述训练好的建筑物分割模型， 输出建筑物分 割提取结果。 2.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法， 其特征在 于， 步骤S4包括： S41： 依据所述训练集训练UNet+ +改进模型， 得到正样本概 率； S42： 根据c值将所述 正样本概 率转换成为标记样本的概 率； S43： 根据 所述标记样本的概率与所述训练集中的标记样本的标签计算得到损失函数， 并向前传播， 自动优化模型参数， 包括c值； S44： 在每次迭代的过程中， 从所述验证集中抽取部分影像计算验证集的损失函数， 判 断损失函数的值是否连续 N次不下降； 若是， 则进入步骤S45； 否则进入步骤S46； S45： 调整学习率， 并进入步骤S47； S46： 继续使用现在的学习率训练UNet+ +改进模型； 并进入步骤S47； S47： 判断是否可以提前停止训练， 若是， 则进入步骤S49； 否则进入步骤S48； S48： 继续判断是否 达到预设的迭代次数， 若是， 则进入步骤S49； 否则返回S41； S49： 停止训练， 得到训练好的建筑物分割模型， 并得到训练好的建筑物分割模型输出 的正样本概 率。 3.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法， 其特征在 于， 所述带约束的正样本学习算法， 用于根据c值将所述正样本概率转换成为标记样本的概 率， 具体的转换公式为： 其中， x代表每一个像素， G(x)表示标记样本概率， f(x)表示正样本概率， c为标记样本 占正样本的比例。 4.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法， 其特征在 于， 所述改进的UNet++网络包括： 编码器和解码 器， 所述编码 器和解码器通过一系 列嵌套的 密集卷积块连接在一 起。 5.如权利要求1所述的高分辨率遥感影像小样本高精度建筑分割提取方法， 其特征在 于， 所述训练好的建筑物分割模型为双分支建筑物分割模型， 包括： 区域提取流分支和边缘权　利　要　求　书 1/2 页 2 CN 115205704 A 2提取流分支。 6.如权利要求5所述的高分辨率遥感影像小样本高精度建筑分割提取方法， 其特征在 于， 步骤S5包括： 待测试的高分辨 率遥感影 像输入分别输入所述区域 提取流分支和边 缘提取流分支中； 通过所述区域 提取流分支进行建筑面 提取， 得到建筑区域 提取结果； 通过所述边缘提取流分支进行建筑边 缘提取， 得到建筑边 缘提取结果； 将所述建筑区域提取结果和所述建筑边缘提取结果进行二值化点乘 处理， 得到建筑物 分割提取 结果。 7.一种高分辨率遥感影像小样本高精度建筑分割提取装置， 其特征在于， 包括以下模 块： 样本集获取模块， 用于获取样本集， 所述样本集包括标记样本和未 标记样本； 样本集划分模块， 用于将所述样本集划分为训练集和验证集； 网络构建及初始化模块， 用于基于带约束的正样本学习算法构建UNet++改进模型并初 始化c值， 所述c值 为标记样本占正样本的比例； 网络训练模块， 用于使用所述训练集训练UNet++改进模型， 得到正样本概率， 通过c值 将正样本概率转换成标记样本的概率， 并计算损失函数， 根据损失函数优化模型参数， 同时 通过验证集进 行验证， 当损失函数或迭代次数满足预设条件时， 停止训练， 得到训练好的建 筑物分割模型； 建筑物分割提取模块， 用于将待测试的高分辨率遥感影像输入所述训练好的建筑物分 割模型， 输出建筑物分割提取 结果。 8.如权利要求7所述的高分辨率遥感影像小样本高精度建筑分割提取装置， 其特征在 于， 所述建筑物分割提取模块包括： 建筑区域提取模块， 用于通过所述区域提取流分支进行建筑面提取， 得到建筑区域提 取结果； 建筑边缘提取模块， 用于通过所述边缘提取流分支进行建筑边缘提取， 得到建筑边缘 提取结果； 二值化点乘模块， 用于将所述建筑区域提取结果和所述建筑边缘提取结果进行二值化 点乘处理， 得到建筑物分割提取 结果。权　利　要　求　书 2/2 页 3 CN 115205704 A 3