![点击分享此内容可以赚币 分享](/master/images/share_but.png)
乡镇级农居建筑物目标判定方法及应用——以辽宁康平张强镇为例.pdf
《乡镇级农居建筑物目标判定方法及应用——以辽宁康平张强镇为例.pdf》由会员分享,可在线阅读,更多相关《乡镇级农居建筑物目标判定方法及应用——以辽宁康平张强镇为例.pdf(5页珍藏版)》请在咨信网上搜索。
1、第1 4卷第1 4期2023年7 月黑龙江科学HEILONGJIANG SCIENCEVol.14Jul.2023乡镇级农居建筑物目标判定方法及应用以辽宁康平张强镇为例李雨佳,张欣然,于氵浩,田雨佳,王姝婷(辽宁省地震局,沈阳1 1 0 0 0 6)摘要:农居建筑物是农村地区主要地物类型之一,利用深度学习算法从遥感影像中获取其准确的空间分布信息,能够为地震应急及震害防御工作提供数据支持。以辽宁省沈阳市康平县张强镇为研究区域,利用快鸟卫星获取0.6 m分辨率的张强镇遥感影像,通过PSPNet网络结构及形态学处理完成农居建筑物目标判定实验并应用于建筑物公里网格生成,其建筑物公里网格与实际农居建筑物
2、分布情况一致,能够很好地反映出当地建筑物群体分布特征。关键词:农居建筑物;PSPNet;形态学处理:建筑物公里网格中图分类号:TU198;TP391.41Objective Determination Method of Rural Residential Buildings at-Through Taking Zhangqiang Town,Kangping County,Liaoning Province as an ExampleAbstract:As one of the main types of ground objects in rural areas,rural buildin
3、gs can obtain their accurate spatialdistribution information from remote sensing images by using deep learning algorithm,which can provide data support forearthquake emergency and earthquake damage prevention.Through taking Zhangqiang Town,Kangping County,Shenyang City,Liaoning Province as the resea
4、rch area,the remote sensing image of Zhangqiang Town with a resolutionof O.6 m is obtained by using Fast Bird Satellite,and the target judgment experiment of rural buildings is completedthrough PSPNet network structure and morphological processing,and it is applied to the building kilometer gridgene
5、ration.The building kilometer grid is consistent with the actual distribution of rural buildings,which can well reflectthe distribution characteristics of local building groups.Key words:Rural buildings;PSPNet;Morphological processing;Building kilometer grid0引言辽宁地处华北断块区北部,由辽东断块隆起带、下辽河辽东湾断块凹陷带及辽西断块隆起
6、带组成,郑城庐江断裂带北延带纵向贯穿辽宁全省。从概率上来说,辽宁省农村地区发生地震的概率极高,而大多数农居建筑抗震设防等级未达标或未进行抗震设防,在地震中极易遭到破坏。农居建筑物是农村地区主要的地物类型之一,利用遥感影像准确获取其空间分布并将其用于震后灾害损失评估、重点救援区域判定及震前应急备灾准备中具有极其重要的意义 。收稿日期2 0 2 3-0 5-0 5基金项目:地震应急青年重点任务(CEAEDEM202203)作者简介:李雨佳(1 995),女,工程师,硕士。研究方向:地震应急。10文献标志码:BTownship Level and its ApplicationLi Yujia,Zh
7、ang Xinran,Yu Hao,Tian Yujia,Wang Shuting(Liaoning Earthquake Agency,Shenyang 110006,China)文章编号:1 6 7 4-8 6 46(2 0 2 3)1 4-0 0 1 0-0 4随着遥感技术的发展,高空间分辨率遥感数据的应用变得越来越普及,从图像中提取建筑物目标已经成为遥感领域的一项工作任务。但从图像中人工解译建筑物耗时耗力,无法做到全方位实时检测,故应用深度学习算法从高空间分辨率遥感图像中自动、准确地提取建筑物信息成为遥感影像目标识别中的重要研究内容。近年来,计算机硬件水平不断提升,训练样本规模持续增加
8、,以卷积神经网络(Convolutional NeuralNetwork,CNN)为代表的深度学习方法在计算机视觉和遥感任务中展现出巨大的潜力2 。CNN具有自动学习并生成高度复杂非线性特征的能力,能够改善人工设计特征带来的不足,在建筑物检测任务中得到了越来越广泛的应用。AlexNet、VCG Ne t 3 等传统的卷积神经网络模型只为一个图像输出单个类别标签,即离散标签分类。2 0 1 5 年,全卷积网络(FullyConvolu-tionalNetwork,FCN)得到迅猛发展并广泛应用于语义分割领域。FCN使用卷积层替换CNN中的全连接层,结合反卷积或上采样操作生成最终的特征图4。但是F
9、CN及其一些扩展网络(如SegNet5、D e c o n v-Net6、U Ne t 7 等)仅利用部分网络层生成最终特征图,导致边缘精度较低,限制了对微小尺寸或大型建筑物的检测能力。基于FCN框架提出了金字塔场景解析网络(pyramid scene parsing network,PSPNet)及金字塔池化模块,聚合基于不同子区域获取图像的全局上下文信息,适用于复杂场景下的图像分割8 。过去的研究多采用航空数据,此类数据空间分辨率高,场景简单,而迁移至高分辨率遥感影像数据集时存在提取结果不完整、提取结果精度低等问题,建筑物提取结果在实际生产工作中实用性较差。基于以上情况,以辽宁康平张强镇作
10、为研究区域,探讨了深度学习网络应用于遥感影像中农居建筑物目标判定的适用性,提出了基于PSPNet的农居建筑物目标判定方法并应用于建筑物公里网格产出,很好地展示出区域内的农居建筑物分布密度情况。1研究区概况及数据预处理张强镇位于辽宁省沈阳市康平县西北部,镇域面积2 8 8 km,辖1 4个行政村8 3 个居民组2 0 4个自然屯,截至2 0 1 7 年底总人口达到2 42 6 4人。2 0 2 2 年9月2 9日,辽宁康平发生了M3.0级地震(塌陷),1 2 月13日发生了M2.1级矿震。两次地震均发生在康平县张强镇内,因近期张强镇地震活动较频繁,以快鸟卫星获取2 0 2 3 年2 月张强镇0.
11、6 m分辨率的遥感影像。针对遥感影像覆盖区域范围大、地物聚集分布的特点,采用ArcGISPro,制作遥感影像深度学习样本数据集。选取张强镇周边地区,包括典型农居建筑物的遥感影像作为样本数据。由于PSPNet完成语义分割建筑物目标是一种对图像进行逐像素的分类行为,故需对样本图像中的全部像元进行类别标注,不应出现未进行分类的样本。对样本影像进行二分类处理,农居建筑物标注为正样本类别,其他像素标注为负样本类别,标注结果如图1 所示。对样本区域进行尺寸为256256、叠置步长为1 2 8 1 2 8 的矩形切片,如图2所示。Fig.1Result of sample labeling项目类型:TIF圈
12、片文件分辨率:2 5 6 x256大小:1 7 8 KB00000101000000106000001110000001162原理及研究方法2.1PSPNet网络结构PSPNet网络结构如图3 所示。通过改进经典的FCN网络,设置了4层的金字塔结构,引人更多的上下文信息进行运算,带人更多的全局信息,降低误分割概率。选用算法稳定的PSPNet网络作为农居建筑物目标判定的基础网络结构。POOL图3 PSPNet网络结构Fig.3 PSPNet grid structure2.2结合形态学运算的农居建筑物判定方法形态学运算的实质是利用数学中的非线性滤波对二值图像进行非线性滤波处理,对图像逐像素进行先
13、腐蚀再膨胀操作,定义为:AX=(AOB)B即利用B腐蚀X,再进行膨胀,修复小斑块、毛刺及细小桥接,分离细微黏连的物体,平滑大物体轮廓,图1 样本标注结果效果如图4所示。00000010300000010700000010800000112000000113000000117000000118图2 样本切片示例Fig.2Sample slice exampleCONVCONv+CONVCONV000001040000001090000011400000119PSAMPLE0000010500000110000000115000000120CONCAT11作结果,依据影像空间分辨率设定模板阈值,去
14、除碎片X并填补孔洞,规则化建筑物对象形状,增强正样本结构HB图4形态学开运算效果Fig.4Morphological open operation effect形态学闭运算对图像逐像素进行先膨胀再腐蚀操作,定义为:A X=(AOB)OB即利用B膨胀A,再进行腐蚀,可使像素块轮廓平滑且面积不明显变化,消除狭窄的间断及小空洞,填补裂缝,效果如图5 所示。XB利用上述二值图像领域运算,对通过PSPNet网络运算后的初级结果图像进行形态开、闭运算,形成结合形态学运算的农居建筑物判定方法,流程如图6 所示。栅格数据集长整型图6 结合形态学运算的农居建筑物判定方法流程Fig.6Determination
15、method flow of farm buildingscombined with morphological operation在遥感影像经过PSPNet网络结构进行卷积及空间金字塔结构运算后,通过合理地叠加形态学开闭操表达,从而更准确地对遥感图像中的建筑物空间信息进行提取分析。3实验与分析3.1网络模型训练实验平台采用英特尔酷睿i56 5 0 0 k 处理器,8 GB内存,显卡 NVIDIA GeForce GT 730,显存4 GB。软件环境方面,操作系统为Windows10,编程语言采用Python,深度学习框架选择PyTorch。基础学习率为0.0001,每次以0.9倍速率衰减,衰
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 乡镇 级农居 建筑物 目标 判定 方法 应用 辽宁 康平 张强镇
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。