一种融合nDSM的深度学习线特征提取方法

    公开(公告)号:CN118628760A

    公开(公告)日:2024-09-10

    申请号:CN202410712136.9

    申请日:2024-06-04

    Applicant: 南通大学

    Abstract: 本发明公开一种融合nDSM的深度学习线特征提取方法,该方法利用无人机摄影测量获取的测区航拍照片,利用照片进行三维重建,生成DOM、DSM和三维点云;利用CSF算法分割地面点,采用反距离权重方法进行插值,生成DEM;利用地图代数计算将DSM与DEM进行相减,得到nDSM,并标准化为8位图像;接着制作深度学习训练样本数据集,利用DOM和nDSM构建四通道图像并分块,制作深度学习训练样本数据集;利用深度神经网络进行训练和模型验证,增量式构建满足泛化性的线特征提取样本数据集,实现对无人机摄影测量图像线特征的准确提取。本发明实现了基于深度学习的无人机遥感图像线特征智能提取,有效提高了线特征提取的准确性和几何完整性,满足城市建筑三维模型重建的需要。

    一种基于深度学习和联合优化的建筑轮廓线提取方法

    公开(公告)号:CN119091155A

    公开(公告)日:2024-12-06

    申请号:CN202411098693.2

    申请日:2024-08-12

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于深度学习和联合优化的建筑轮廓线提取方法,采集城区建筑的多视图照片,构建DOM和DSM;制作归一化数字表面模型nDSM和坡度图、标注建筑轮廓线和多边形;构建渔网分割栅格和矢量图层,建立训练样本影像和标注,代入线特征提取网络MFLine‑Net和语义分割网络Res‑UNet分别训练;利用线特性提取网络MFLine‑Net提取线特征;利用Res‑UNet网络提取建筑屋顶语义信息;利用运动空间剖分算法生成胞腔复形;采用图割优化算法关联胞腔单元和屋顶语义信息;将相同屋顶语义信息的胞腔单元合并得到建筑轮廓图。该方法可以快速构建城市建筑轮廓图,满足基于无人机进行摄影测量建筑制图的需要。

Patent Agency Ranking