买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长光卫星技术股份有限公司申请的专利一种基于深度学习和轮廓规则化的遥感影像建筑提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115984693B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211693340.8，技术领域涉及：G06V20/10；该发明授权一种基于深度学习和轮廓规则化的遥感影像建筑提取方法是由刘思言;王春月;秦磊;赵宇恒;付璐;于海洋设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于深度学习和轮廓规则化的遥感影像建筑提取方法在说明书摘要公布了：本发明涉及一种基于深度学习和轮廓规则化的遥感影像建筑提取方法，属于光学遥感技术应用领域，包括步骤：人工构建建筑训练样本数据集；构建并训练建筑提取模型；将待提取区域遥感影像输入建筑提取模型，得到对应的初始建筑分布栅格结果；对所述初始建筑分布栅格结果进行形态学上的轮廓规则化处理，得到包括建筑轮廓矢量图斑的建筑分布矢量文件。本发明所提出的一种基于深度学习和轮廓规则化的遥感影像建筑提取方法，能够实现在不同影像尺度下，仍能获取轮廓规整、应用性强的建筑分布矢量，模型泛化性更强，提取的建筑轮廓更贴近建筑实际边缘，提取精度更高。

本发明授权一种基于深度学习和轮廓规则化的遥感影像建筑提取方法在权利要求书中公布了：1.一种基于深度学习和轮廓规则化的遥感影像建筑提取方法，其特征在于，包括以下步骤： 步骤1：人工构建建筑训练样本数据集； 步骤2：构建并训练建筑提取模型，包括以下步骤： 步骤21：构建多尺度并行连接的神经网络，所述多尺度并行连接的神经网络用于并行提取四个不同尺度的特征图并且进行特征交叉融合，得到网络初始融合特征； 步骤22：根据网络初始融合特征分别计算类别概率图和类别特征； 类别概率图的计算公式为： Pm＝softmaxF11 其中，Pm为类别概率图，F1为网络初始融合特征； 类别特征的计算公式为： FC＝F1 T×Pm2 其中，Fc为类别特征，F1 T为网络初始融合特征F1的转置； 步骤23：利用注意力机制转换的方式计算区域上下文特征； 步骤24：将网络初始融合特征与区域上下文特征进行融合，得到分割特征； 分割特征的计算公式为： F2＝λ·F1+1-λ·Fq4 其中，F2为分割特征，Fq为区域上下文特征，λ为融合权重； 步骤25：所述建筑训练样本数据集中的样本影像经过两个3×3的卷积以及两个BN层以及ReLU激活函数，初始特征输出为原影像尺寸大小的特征图，将得到的初始特征图输入所述多尺度并行连接的神经网络，使用交叉熵损失函数作为损失函数，并采用随机梯度下降算法进行优化训练，训练后得到建筑提取模型； 步骤3：将待提取区域遥感影像输入建筑提取模型，得到对应的初始建筑分布栅格结果； 步骤4：对所述初始建筑分布栅格结果进行形态学上的轮廓规则化处理，具体的轮廓规则化处理过程如下： 步骤41：对所述初始建筑分布栅格结果进行开运算； 步骤42：基于开运算后得到的各单体建筑形态，提取初始建筑轮廓信息，并以点集的形式进行记录； 步骤43：采用道格拉斯-普克算法对点集进行优化，得到初步简化后的各个建筑的轮廓L； 步骤44：确定轮廓L对应的最小外接矩形R，并计算轮廓L的面积与最小外接矩形R的面积的比值，若比值大于阈值，则以最小外接矩形R的轮廓作为最终建筑轮廓，然后执行步骤46；若比值小于等于阈值，则执行步骤45； 步骤45：对轮廓L进行凹陷填充以及直角边优化； 对轮廓L进行凹陷填充时，计算轮廓L中所有两条边的夹角，若形成的三角形为内凹三角形，则计算三角形面积，若三角形面积小于整个轮廓面积的5％，则对三角形进行填充； 对轮廓L进行直角边优化时，包括两种情况： 1对两边夹角近似90度的情况，调整中间点位的位置，使两边呈直角形状； 2对于相隔一条边的两边计算夹角，若夹角近似90度，计算两边延长线的交点与中间边的两端点形成的三角形面积，如果三角形面积小于整个轮廓面积的5％，则在点集中删除中间边的两端点，然后在点集中插入交点； 步骤46：生成包括建筑轮廓矢量图斑的建筑分布矢量文件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长光卫星技术股份有限公司，其通讯地址为：130000 吉林省长春市北湖科技开发区明溪路1299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。