遥感图像建筑物提取后处理——轮廓规则化

最新推荐文章于 2025-05-01 09:38:12 发布
原创 最新推荐文章于 2025-05-01 09:38:12 发布
· 7.1k 阅读 · 94 ·
版权
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。
文章标签：

#轮廓规则化 #遥感 #建筑物

对Toward Automatic Building Footprint Delineation From Aerial Images Using CNN and Regularization这篇文章进行了轮廓规则化的算法复现，效果如下。
代码我放在了GitHub上，地址为https://github.com/niecongchong/RS-building-regularization，好用别忘了一键三连👀
在这里插入图片描述
在这里插入图片描述

PCL 建筑物轮廓规则化（二维）
dayuhaitang1的博客
05-03 924
PCL 建筑物轮廓规则化（二维）
Unet家族实现遥感影像建筑物提取
hanfeng5268的博客
04-10 152
为实现遥感影像建筑物提取，提供不同的 U-Net 变体：标准 U-Net、ResUNet、Unet++等。 标准 U-Net 是一种经典的卷积神经网络，用于分割任务。 2. ResUNet ResUNet 是一种结合了残差块的 U-Net，增强了特征提取能力。 3. U-Net++ U-Net++ 是 U-Net 的改进版本，通过引入多尺度的特征融合，增强了特征提取能力。 4. U-Net+++ U-Net+++ 是 U-Net++ 的进一步扩展，通过引入更多的跨层级连接，增强了特征融合能力。 5. Att
圆 最小外包矩形_基于迭代最小外包矩形的城区建筑物轮廓规则化方法
weixin_39956451的博客
12-24 582
基于迭代最小外包矩形的城区建筑物轮廓规则化方法【专利摘要】本发明提供了基于迭代最小外包矩形的城区建筑物轮廓规则化方法，基于城区现代建筑物相邻轮廓边界具有正交的特性，利用机载LiDAR技术对建筑物信息经过滤波和分类的提取后获得的建筑物点云数据作为已知数据，基于最小外包矩形对探测的大部分规则建筑物的轮廓规则化计算，具有数据损失小，适应性强、准确性高，运算量小特点，能够快速准确对建筑物点云轮廓提取的数据...
建筑物规则化（实现） --- 特征边分组、重构、直角化
craybb的博客
08-20 3487
建筑物多边形在地图综合中的两类处理模型:化简与直角化。 建筑物矢量数据来源广泛，在数据获取过程中，受GPS精确度、遥感影像分辨率或人为因素的影响，数据往往存在不同程度的误差。其中，图像分割、深度学习等技术提取的建筑物多边形边界由任意折线构成，直角特征弱，点数冗余，无法实现地理信息的规范化表达。本文讨论此类轮廓模糊建筑物的化简问题。
PCL：基于点云的建筑物轮廓规范化
AuSwift的博客
09-25 391
本文将介绍如何使用PCL库实现基于点云的建筑物轮廓规范化，并提供相应的源代码。本文介绍如何使用PCL库实现基于点云的建筑物轮廓规范化，并提供相应的源代码。为了减少噪声和无效数据对建筑物轮廓提取的影响，我们可以对点云进行滤波处理。为了减少噪声和无效数据对建筑物轮廓提取的影响，我们可以对点云进行滤波处理。一旦对点云进行了滤波处理，我们可以使用PCL提供的特征提取方法来提取建筑物轮廓。一旦对点云进行了滤波处理，我们可以使用PCL提供的特征提取方法来提取建筑物轮廓。首先，我们需要加载点云数据。
CGAL的形状规则化
weixin_44897632的博客
12-29 2552
这个 CGAL包能够规范2D中的一组线段和开闭轮廓以及3D中的一组平面，以便所有输入对象根据用户指定的条件进行旋转和对齐。此外，我们提供了一个全局规范框架，可以根据用户需求和任何类型的几何对象进行调整。该包还可以与形状检测包结合使用。
【最新计算平台测评！！！】如何提取遥感影像中的建筑物轮廓？
2401_83202498的博客
04-22 1866
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。
笔记——Machine-learned Regularization and Polygonizationof Building Segmentation Masks 翻译文本
potato_I8的博客
07-13 1272
摘要 我们提出了一种基于机器学习的建筑物分割掩模自动正则化和多边形化方法。以图像为输入，首先使用通用完全卷积网络( FCN )预测建筑物分割图，然后使用生成对抗网络( GAN )对建筑物边界进行正则化处理，使其更加逼真，即有更多的直线型轮廓，在需要时构造直角。这是通过给定输入图像为真的概率的鉴别器和从鉴别器响应中学习创造更真实图像的生成器之间的相互作用来实现的。最后，从正则化的建筑物分割结果中训练出适应预测建筑物角点对应稀疏结果的骨干卷积神经网络( CNN )。在3个建筑物分割数据集上的实验表明，该方法.
图神经网络 图像处理,神经网络与图像处理
m0_54846070的博客
08-30 2408
神经网络的云集成模式还不是很成熟，应该有发展潜力，但神经网络有自己的硬伤，不知道能够达到怎样的效果，所以决策支持系统中并不是很热门，但是神经网络无视过程的优点也是无可替代的，云网络如果能够对神经网络提供一个互补的辅助决策以控制误差的话，也许就能使神经网络成熟起来1人工神经网络产生的背景自古以来，关于人类智能本源的奥秘，一直吸引着无数哲学家和自然科学家的研究热情。Jenkins等人研究光学神经网络，建立了光学二维并行互连与电子学混合的光学神经网络，它能避免网络陷入局部最小值，并最后可达到或接近最理想的解；..
【1】 基本概念与应用领域【数字图像处理冈塞雷斯第四版】
最新发布
开心最重要！
05-01 192
第一章
基于方向预测规则化的机载激光雷达建筑物正交轮廓线提取
01-26
提取建筑物轮廓线是机载激光雷达(LiDAR)点云数据特征提取的热点。为了获得较高精度的建筑物轮廓线,提出了一种基于方向预测规则化算法的机载激光雷达建筑物正交轮廓线提取方法。首先利用α-shape算法提取轮廓点,然后利用改进的Douglas_Peucker算法提取关键点并提出角度检验规则筛选关键点,使用随机抽样一致性算法简化轮廓线,最终用提出的方向预测算法进行轮廓线规则化。通过Vaihingen城区数据对算法进行验证,结果表明:与流行的分类强制正交算法相比,方向预测规则化算法最大偏差平均减小了43.1%,均方根误差平均降低了39.7%,建筑物占地面积相对误差平均降低了7.02%,点云贡献率平均提高了9.32%,有效减小了机载激光雷达点云建筑物正交轮廓线规则化误差。
点云数据建筑物轮廓提取.论文
04-21
基于点云数据的建筑物轮廓提取，LIDAR点云数据，建筑物，轮廓提取
高分遥感影像建筑物轮廓的逐级优化方法
02-22
针对高分辨率遥感影像中分类法提取的建筑物轮廓不规则问题,设计了一种逐级优化规整建筑物轮廓的方法。根据分类验证思想提取的建筑物的初始结果,首先提取建筑物初始轮廓进行多边形拟合,获取与建筑物轴线倾斜程度相一致的最佳拟合外接矩形,然后将建筑物轮廓线段与最佳拟合外接矩形边界进行等分并比较两者之间的单向Hausdorff距离,对距离较小且满足替换条件的轮廓线段等分点利用对应的最佳拟合外接矩形边界等分点进行替换,实现轮廓初步的规整优化;接着利用Shi--Tomasi算法对建筑物局部无法规整的复杂轮廓区域进行特征角点提取、匹配、排序与剔除,进一步对边缘特征点进行有序连接与重构,实现轮廓深度的优化,最终提高边缘表达准确度和提取精度。通过对多幅遥感影像进行实验对比分析,结果表明本文方法不仅适用于不同分类方法提取的建筑物结果的轮廓优化,有效提高建筑物轮廓的边缘表达精度,而且相比于轮廓优化参照方法,逐级优化能更准确地适应复杂建筑物轮廓的细节变化,优化的精度整体较优,使建筑物边缘的准确性、规整程度得到有效改善,能更真实准确地反映建筑物的真实形状。
语义分割-地表建筑物识别的一种解决方案
qq_45798276的博客
12-08 2884
卷积理论 一，参考博客 1，为什么卷积核为四维
游戏模型提取工具ninjaripper_【博客翻译】建筑物轮廓线提取以及损坏分类
weixin_39564386的博客
11-21 1351
原文链接原作者：Rohit Singh, Sandeep Kumar贡献者：Vinay Viswambharan, Divyansh Jha, Shivani Pathak, Daniel Wilson.翻译：荆雪涵在今年的 Esri 用户大会上，USAA 展示了基于 ArcGIS 深度学习能力，对 Woolsey 火灾进行自动化损害评估的应用。该项目是灾害上报流程的一项重要任务，结合深度学习技术...
概述—基于机载LiDAR点云数据的建筑物轮廓提取
NiKoJJ‘s Blog
03-21 3122
基于机载LiDAR点云数据的建筑物轮廓提取
使用QGIS提取天地图遥感影像中的建筑物轮廓，及AI方案
热门推荐
cky_123的博客
11-26 2万+
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。
WHU数据集：7000+图像建筑物实例分割训练测试
由于数据集的特性，它也适用于其他与图像处理、遥感和建筑物提取相关的研究。 最后，我们来分析标签和文件名称列表。 知识点五：图像处理和遥感 “图像处理”和“遥感”是数据科学与计算机视觉中的两大关键领域。...
评论 17
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
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