-
公开(公告)号：CN109919944B
公开(公告)日：2022-09-27
申请号：CN201811639313.6
申请日：2018-12-29
Applicant: 武汉大学
Abstract: 本发明公开了一种复杂场景建筑物变化检测的联合超像素图割优化方法，包括：步骤1、获取两个不同时期的数字表面模型进行格网化处理，融合后对它们实现联合分割，获得联合超像素对象；步骤2、分别对两个时期的原始影像数据，采用基于深度卷积神经网络的语义分割算法实现图像分类，检测出影像中的建筑物；步骤3、以联合超像素对象为处理单元，提取联合超像素对象的多个特征，构建图割优化的数据项和平滑项，并采用最大流最小割理论得到全局最优化解，得到两个时期建筑物的变化对象；步骤4、将建筑物的变化类型进行分类，包括：新建、增高、拆除、降低。本发明的方法能够显著提高建筑物变化检测的精度和可靠性。
-
公开(公告)号：CN108197583B
公开(公告)日：2020-04-24
申请号：CN201810023880.2
申请日：2018-01-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于图割优化和影像结构特征的建筑物变化检测方法，包括：S1，DSM滤波获得DEM，计算归一化数字表面模型(nDSM)；S2，计算差值DSM(dDSM)；S3，提取地物变化区域，将地物变化检测问题建模为二值化分类问题，地物变化区域为前景，其他区域为背景；S4，提出了一种稳健的影像结构特征，有效排除变化的植被等非建筑区域；S5，结合建筑物变化检测结果和高程数据，将变化的建筑物对象进一步区分为增高，降低，拆除，新建四类。本发明综合利用三维信息和影像光谱信息，能够显著提高建筑物变化检测的精度和可靠性，对城市规划、城市动态监测、城市增长检测、违章建筑物识别以及地理信息更新等领域具有重要意义。
-
公开(公告)号：CN109919944A
公开(公告)日：2019-06-21
申请号：CN201811639313.6
申请日：2018-12-29
Applicant: 武汉大学
Abstract: 本发明公开了一种复杂场景建筑物变化检测的联合超像素图割优化方法，包括：步骤1、获取两个不同时期的数字表面模型进行格网化处理，融合后对它们实现联合分割，获得联合超像素对象；步骤2、分别对两个时期的原始影像数据，采用基于深度卷积神经网络的语义分割算法实现图像分类，检测出影像中的建筑物；步骤3、以联合超像素对象为处理单元，提取联合超像素对象的多个特征，构建图割优化的数据项和平滑项，并采用最大流最小割理论得到全局最优化解，得到两个时期建筑物的变化对象；步骤4、将建筑物的变化类型进行分类，包括：新建、增高、拆除、降低。本发明的方法能够显著提高建筑物变化检测的精度和可靠性。
-
公开(公告)号：CN108197583A
公开(公告)日：2018-06-22
申请号：CN201810023880.2
申请日：2018-01-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于图割优化和影像结构特征的建筑物变化检测方法，包括：S1，DSM滤波获得DEM，计算归一化数字表面模型(nDSM)；S2，计算差值DSM(dDSM)；S3，提取地物变化区域，将地物变化检测问题建模为二值化分类问题，地物变化区域为前景，其他区域为背景；S4，提出了一种稳健的影像结构特征，有效排除变化的植被等非建筑区域；S5，结合建筑物变化检测结果和高程数据，将变化的建筑物对象进一步区分为增高，降低，拆除，新建四类。本发明综合利用三维信息和影像光谱信息，能够显著提高建筑物变化检测的精度和可靠性，对城市规划、城市动态监测、城市增长检测、违章建筑物识别以及地理信息更新等领域具有重要意义。
-
-
-
Search Results
4
records
(took 0.012 seconds)
