咨询电话:13280638997
传真:0533-3110363
邮箱:kefu@shizifang.com
摘 要:本发明公开了一种基于深度学习的正射影像高层建筑基底矢量提取方法,首先采用一个卷积神经网络从遥感影像中提取建筑物的深度特征,并将候选区域生成网络模型确定的建筑物整体目标的框选范围进行抽取和重采样,生成特征图;采用Faster‑RCNN模型,对候选区特征图进行全连接,对候选区内建筑物的存在概率及其外包矩形参数进行预测;对候选区特征图进行全卷积处理,生成屋顶轮廓矢量;最后根据三类分割结果进行特征池化,对建筑物投影差偏移向量进行预测,并基于偏移向量估计值将屋顶矢量移动至建筑基底区域。本发明能够自适应地对正射影像中高层建筑屋顶轮廓和基底矢量之间存在的投影差进行补偿,进而提升高层建筑物单像自动测图结果的精度与应用价值。
著 录 项:
专利/申请号: | CN202110417526.X | 专利名称: | 一种基于深度学习的正射影像高层建筑基底矢量提取方法 |
申请日: | 2021-04-19 | 申请/专利权人 | 中国地质大学(武汉) |
专利类型: | 发明 | 地址: | 湖北省武汉市洪山区鲁磨路388号 |
专利状态: | 已下证 查询审查信息 | 分类号: | G06V20/10搜分类 底搜索 |
公开/公告日: | 2023-04-07 | 转让价格: | 面议 |
公开/公告号: | CN113139453B | 交易状态: | 等待洽谈 搜索相似专利 |
交易方 | 企业 | 个人 |
买家 | 营业执照副本复印件(需盖公章) | 身份证复印件(签字) |
专利转让委托书(需盖公章)一式两份 | 专利转让委托书(需签字)一式两份 | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
卖家 | 营业执照副本复印件(需盖公章) | 身份证复印件(需申请人签字) |
解除代理委托书(需盖公章)一式两份(如专利通过代理机构申请) | 解除代理委托书(需签字)一式两份(如专利通过代理机构申请) | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
专利请求书或手续合格通知书、授权通知书复印件 | 专利请求书或手续合格通知书、专利授权通知书复印件 | |
专利证原件(若授权下证) | 专利证原件(若授权下证) |
日期 | 法律信息 | 备注 |