基于高分影像的建筑屋顶实例掩膜提取

已于 2022-12-13 08:48:35 修改
阅读量1k 收藏 6
点赞数 1
分类专栏： 扶不起的遥感 智能感知处理 # 智能遥感图像处理 文章标签： 深度学习 人工智能
于 2021-08-01 17:20:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42990464/article/details/119300600
版权
本文介绍了使用HA-UNet模型进行基于高分遥感影像的建筑实例掩膜提取，解决了建筑密集区的‘房屋粘连’问题。通过结合权重映射的影像分类流程和分水岭算法的后处理，实现了对建筑个体的精准分割。提供开源代码以供参考。
摘要由CSDN通过智能技术生成

paper:HA U-Net: Improved Model for Building Extraction From High Resolution Remote Sensing Imagery

在这里插入图片描述

文章目录

前言

语义分割在基于高分影像的建筑提取中不能区分不同的建筑个体，因为在建筑密集区其通常将同一个类的对象紧密地打包成一个连接的组件，即使是优秀的语义分割网络模型也不可避免地会产生这样的结果。而实例分割可以较好地解决这个问题，精准到建筑个体的分割结果在绘制地图、城市规划以及人口估计中将会大有可为。开源代码提供了HA-UNet的pytorch实现。

在这里插入图片描述

要解决的问题

  1. 目前，在基于深度学习技术对高分遥感影像进行建筑提取的研究中，通常是将其归类为二分类的任务，即将所有的像素视为建筑和非建筑这两类，而对网络模型区分建筑物个体
了解本专栏 订阅专栏 解锁全文 超级会员免费看
点PY
关注
专栏目录
订阅专栏
遥感影像实例分割:PoinRend训练自己的数据集
zhaoguanhua的博客
05-11 3641
遥感影像实例分割:PoinRend训练自己的数据集
【论文浅读】《MAP-Net: Multi Attending Path Neural Network for Building Footprint Extraction from Remote S》
卷子的博客
05-26 1956
创新思想： 文章提出了多路径神经网络(Multi Attending Path Neural Network, MAP-Net)，用于精确提取多尺度建筑足迹和精确边界。这个网络通过多条平行路径学习保留多尺度特征的空间位置，并且每个阶段都以固定频率提取高层语意特征。 主要原理： MAP-Net的整体结构由三个模块组成： (a)多径特征提取网络，在保留空间细节信息的同时提取多尺度高层语义特征； (b)基于注意的多尺度特征自适应压缩和全局空间池增强模块； ©上采样和构建足迹提取模块； Conv块：由一系列用于提
遥感技术手段提取城乡建筑用地
yuanYW7556的博客
01-06 1万+
数据源介绍 高分一号卫星（GF-1）是国家高分辨率对地观测系统重大专项天基系统中的首发星，“高分专项”于2010年5月全面启动，计划到2020年建成我国自主的陆地、大气和海洋观测系统。该星于2013年4月26日成功发射入轨。突破了高空间分辨率、多光谱与宽覆盖相结合的光学遥感等关键技术，设计寿命5至8年。高分一号卫星发射成功后，能够为国土资源部门、农业部门、环境保护部门提供高精度、宽范围的空间观测服...
使用QGIS提取天地图遥感影像中的建筑物轮廓，及AI方案
cky_123的博客
11-26 1万+
用QGIS的插件提取遥感影像中的建筑轮廓，并提供了几个AI提取建筑轮廓的方案。
pytorch实现遥感建筑物提取
weixin_44095417的博客
11-27 1348
包含了从新西兰基督城的航空图像中提取的超过220,000个独立建筑，图像被分割成了8189个512×512像素的片，其中包含了训练集（130,500个建筑），验证集（14,500个建筑）和测试集（42,000个建筑）。基于深度学习的遥感建筑物智能提取，首先需要制作数据集，然后构建深度学习神经网络，接着让深度学习神经网络从制作的数据集中学习建筑物的特征，最终实现建筑物的智能提取。我们对IOU、F1、OA、Precision、Recall等做了测试，测试精度如下。本期的分享就到这里，感兴趣的点点关注。
unet建筑物提取
weixin_44095417的博客
08-19 1066
我们可以从它的官网https://project.inria.fr/aerialimagelabeling/下载数据集，数据集包含Training Set、Validation Set、Test Set三个部分，分别包含136，4，10幅1500*1500大小的遥感影像与对应的标签影像。我们利用训练好的模型来测试一下我们的数据，模型最终分割的部分结果如下所示。中间的是我们的结果，右边的是target，可以看到我们的分割结果基本上将建筑物都识别出来了。作者水平有限，如代码存在问题，请及时联系作者。
中科星图GVE（AI案例）——如何利用高分辨率0.5m影像进行建筑物提取
此星光明博客
02-15 1271
高分辨率0.5m影像提供了详细的地表信息，特别适用于建筑物的提取。以下是一些利用高分辨率影像进行建筑物提取的方法：预处理：在进行建筑物提取之前，需要对影像进行一些预处理。首先，根据影像质量，可以进行边缘增强、噪声去除等处理。其次，可以进行影像配准，将不同时间段的影像进行配准，以获取更精确的建筑物边界。影像分割：采用图像分割技术，将影像分成不同的区域，以便在每个区域中提取建筑物。常用的图像分割方法包括阈值分割、区域增长、边界检测等。特征提取：根据建筑物的特点，可以提取不同的特征来识别建筑物。
PolyMapper: 高空图像拓扑地图的自动提取方法
1715从高空图像中提取拓扑图Zuo yue Li1，Jan DirkWe gner2，Aure'...PolyMapper直接从高空图像中提取城市的拓扑地图，作为建筑物足迹和道路网络的集合。为了统一不同类型对象的形状表示，我们还提出了一种新的序列化方
多视图高空影像数据集：SpaceNet MVOI
992SpaceNet MVOI：多视图高空影像数据集Nicholas Weir1、David Lindenbaum2、Alexei Bastidas3、Adam Van Etten1、SeanMcPherson3、Jacob Shermeyer1、Varun Kumar3和Hanlin Tang31In-Q-Tel CosmiQ Works，[nweir，...
边界感知的单个高空图像三维建筑重建
4410基于边界感知的单个高空图像三维建筑重建0Jisan Mahmud True Price Akash Bapat Jan-Michael Frahm北卡罗来纳大学教堂山分校0{ jisan,jtprice,akash,jmf } @cs.unc.edu0单个高空图像0区域提案网络0...
ENVI5.3高分遥感图像道路房屋提取详细流程
热门推荐
awen
07-17 3万+
首先本处理流程主要针对于高分系列（GF1、GF2）遥感数据展开。每一帧遥感图像下载并解压出来，都会分别得到两个类型的数据，一个是低分率MSS格式的多光谱数据，另一个是高分辨率PAN格式的全色数据图像。 1.图像的预处理 1.1 MSS多光谱图像预处理（GF1）： 1) ENVI操作软件中导入MSS格式的多光谱数据； 找到MSS数据并且文件类型是.xml文件： 2) ...
【最新计算平台测评！！！】如何提取遥感影像中的建筑物轮廓？
最新发布
2401_83202498的博客
04-22 1327
最近要做一个新园区可视化分布图，能搜到的建筑模型数据良萎不齐，很多后建的楼啊仓库啊都没有，那用现有数据来爬虫实现就没啥意义了。 之后去卫星遥感影像看了看，发现一个相当哇塞的平台——星图地球智脑引擎，这里边的建筑物信息精确且更新及时，很符合本项目需求，试用之后也能明显感觉，有强大算力支持的在线分析直接效率max！ 话不多说，开始详解步骤。
efficientransac_顾及建筑物屋顶结构的改进RANSAC点云分割算法
weixin_29146313的博客
12-31 436
[1] Sapkota P P.Segmentation of Coloured Point Cloud Data[D].Endchede,The Netherlands:International Institute for Geo-Information Science and Earth Observation,2008:67.[2] Filin S,Pfeifer N.Segmentati...
经典遥感影像建筑物提取模型Building Extraction Based on U-Net with an Attention Block and Multiple Losses（AMUNet）
weixin_45798280的博客
12-18 2792
Building Extraction Based on U-Net with an Attention Block and Multiple Losses在2020年发表于remote sensing期刊。 论文网址：https://www.researchgate.net/publication/341018039_Building_Extraction_Based_on_U-Net_with_an_Attention_Block_and_Multiple_Losses 简介： ...
基于遥感影像的道路提取论文、开源代码和数据集汇总
如果想成为中心，那么就到中心去吧。
02-05 3万+
文章目录2019RoadNet: 2019 RoadNet: code: https://github.com/yhlleo/RoadNet 论文的贡献 该文提出了一个多任务像素端到端CNN，道路网，以同时预测路面，边缘和中心线。 道路网自动学习多尺度和多级特征，并在一个专门设计的级联网络中进行整体训练，可以处理各种场景和尺度的道路。 上述子任务在训练阶段是相关的，其中路面分割的预测被应用于道路边缘检测和道路中心线提取。 一方面，精细的路面分割有利于道路边缘检测和道路中心线提取，这可以看作是具有少数复杂背
Mask R-CNN图像实例分割实战：训练自己的数据集
06-23
Mask R-CNN是一种基于深度学习的图像实例分割方法，可对物体进行目标检测和像素级分割。本课程将手把手地教大家使用VIA图像标注工具制作自己的数据集，并使用Mask R-CNN训练自己的数据集，从而能开展自己的图像分割应用。本课程有三个项目案例实践：(1) balloon实例分割 ：对图像中的气球做检测和分割(2) pothole（单类物体)实例分割：对汽车行驶场景中的路坑进行检测和分割(3) roadscene( 多类物体)实例分割：对汽车行驶场景中的路坑、车、车道线等进行检测和分割本课程使用Keras版本的Mask R-CNN，在Ubuntu系统上做项目演示。 本课程提供项目的数据集和python程序文件。下面是使用Mask R-CNN对roadscene进行图像实例分割的测试结果：下图是使用Mask R-CNN对pothole进行单类物体图像实例分割的测试结果：下图是使用Mask R-CNN对roadscene进行多类物体图像实例分割的测试结果：
图像中的掩膜(Mask)是什么
dfql83704的博客
04-01 1941
　　在图像处理中，经常会碰到掩膜(Mask)这个词。那么这个词到底是什么意思呢？下面来简单解释一下。 1.什么是掩膜　　首先我们从物理的角度来看看mask到底是什么过程。 在半导体制造中，许多芯片工艺步骤采用光刻技术，用于这些步骤的图形“底片”称为掩膜（也称作“掩模”），其作用是：在硅片上选定的区域中对一个不透明的图形模板遮盖，继而下面的腐蚀或扩散将只影响选定的区域以外的区域。图像掩...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点PY

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值