建筑物提取

摘要： 使用基于全卷积神经网络的U-net模型提取遥感影像中的建筑物,采用公开的Massachusetts建筑物数据集进行模型的训练,并通过迁移学习的思想对网络的权重进行微调,以便快速高效地训练模型,从而输出更高的精度。实验结果显示,U-net模型在准确度、召回率和F1值三项精度指标中分别达到0.95852、0.88109和0.82123,与传统方法进行对比,建筑物的轮廓更加完整,准确度提高25%以上,召回率和F1值均提高2倍以上,适用于提取场景中的建筑物区域。

摘要： 建筑物倒损情况是地震灾害情况评估的重要指标。利用遥感影像覆盖范围广、更新速度快的优势,在人力无法满足快速评估地震灾害信息的情况下,通过遥感影像进行建筑物变化监测成为地震灾害分析的重要手段。采用多尺度分割的最优分割尺度和改进卷积神经网络U-Net模型分别对地震前后卫星遥感影像进行建筑物提取,再利用差值变化检测识别地震区域建筑物的倒损情况。对两种方法的建筑物提取结果和倒损识别结果进行精度评定发现,基于U-Net神经网络的建筑物提取和倒损识别效果较好,可实现有关部门的快速决策,从而避免更大的损失。

摘要： 提出一种基于多尺度特征融合的建筑物提取方法,结合新的网络DenseASPP-UNet,以实现影像多尺度特征的融合,进而高精度提取建筑物。通过Inria开源建筑物航空影像数据集进行验证,表明DenseASPP-UNet相比其他深度学习方法建筑物提取精度有很大的提升。

摘要： 针对卷积神经网络在提取建筑物的过程中,存在建筑物边界不准确和建筑物内部空洞等问题,提出以RSU模块(residual U-block)为核心的MPRSU-Net(multi-path residual U-block network)。该模块利用编码器-解码器结构和残差连接,实现了局部特征和多尺度特征的融合。由于一个RSU模块提取的信息有限,MPRSU-Net进一步通过多路径结构并行了不同尺度的RSU模块,并在这些模块之间进行信息交换,提高了特征聚集效率。在分辨率为0.3 m的WHU和Inria建筑物数据集上进行试验,精度分别达95.65%和88.63%,IoU分别达91.17%和79.31%,验证了本文方法的有效性。此外,本文方法相较于U^(2)Net,计算量明显降低,模型参数量减少68.63%,表明本文方法具有一定的应用价值。

摘要： 遥感影像的复杂性给建筑物提取研究带来了极大的挑战。深度学习的引入提高了遥感影像建筑物提取的准确率,但仍存在边界模糊、目标漏检和提取区域不完整等问题。针对这些问题,提出了一种基于边界感知的遥感影像建筑物提取网络,该网络包括特征融合网络、特征增强网络和特征细化网络三部分。首先,特征融合网络采用编码-解码结构提取不同尺度特征,并设计了交互聚合模块融合不同尺度的特征;然后,特征增强网络采用减法和级联操作对漏检目标进行学习增强,得到更加全面的特征;最后,特征细化网络使用编码-解码结构对特征增强网络的输出进一步细化,得到丰富的建筑物边界特征。此外,为使网络更加稳定有效,将二值交叉熵损失和结构相似性损失相结合,从像素和图像结构两个层次监督模型的训练学习。通过在数据集WHU上的测试,可知本网络较其他经典算法的客观指标交并比和准确率均有提升,分别达到了96.0%和97.9%;同时主观视觉上提取的建筑物边界更加清晰,区域更加完整分明。

摘要： 耕地是粮食安全的根基所在,而随着我国城镇化的推进,农村违法占用耕地问题逐渐普遍化。加强对农村耕地的违建监测并制定应对措施是有效制止耕地蚕食现象的前提。借助深度学习技术,提出了一种基于前期耕地矢量的建筑物变化检测方法。首先利用已有国情矢量和影像数据制作建筑物专题样本;然后利用U-Net网络进行建筑物提取的模型训练,借助Otsu二值分割和Snake算法得到建筑物图斑;最后利用空间叠置法将提取的建筑物矢量与前期耕地矢量进行相交处理,得到耕地内的新增建筑图斑。实验结果表明,该方法为大范围监测耕地违建提供了有效手段。

摘要： 针对经典马尔可夫随机场(MRF)在进行高分辨率SAR图像分割时存在容易受到斑点噪声干扰等问题,提出一种基于建筑物指数相似度距离及MRF模型(BISD-MRF)的高分辨率SAR建筑物分割算法。基于较复杂SAR场景下建筑物目标可能呈现多种形态结构的问题,设计一种多尺度显著性建筑物指数(MSBI)方案来提取建筑物目标的显著性特征,并通过强度信息重构、纹理显著性提取、频谱显著性信息统计来分别提取不同类型区域的显著性信息,构建适用于SAR建筑物目标的显著性模型。在此基础上,将MSBI值引入到改进的基于改进余弦函数的势函数模型中,利用余弦函数对邻域像素MSBI值进行相似性度量,同时利用特征空间语义信息对像素及其邻域像素标签信息进行有效约束,以提升势函数模型对高分辨率SAR建筑物目标的表征能力。不同平台下的建筑物分割实验结果表明,与MRF、MBI、FRFCM等算法相比,本文算法分割性能平均提升了4.3~10.7个百分点,更适用于较复杂场景下高分辨率SAR建筑物的分割任务。

摘要： 利用高分辨率遥感影像提取建筑物是目前研究热点之一,但由于建筑物颜色各异、形状大小不同、细节繁多,提取结果普遍存在边缘模糊、转角圆滑和细节丢失等问题。本文提出一种基于空洞卷积的E-Unet深度学习网络。在E-Unet的结构设计中,引入跳跃连接以减少边缘和转角的细节损失;采用新设计的卷积模块,使其扩大感受野的同时减少参数量;底层增加Dropout模块避免网络发生过拟合现象;遥感影像输入网络前先进行直方图均衡化、高斯双边滤波和波段间比值运算,然后合并为多波段张量输入模型(不转换为灰度图像)。为验证网络性能、明确性能提升的原因,本文在Massachusetts和WHU建筑物数据集上设计了两组试验。第1组是E-Unet、Unet和Res-net 3种网络的对比试验,结果表明E-Unet不仅精度评价结果优于Unet和Res-net,而且建筑物边角的细节被完整提取。第2组是消融试验,目的是明确预处理模块对提取精度的提升效果,结果表明预处理模块能提升不同网络提取精度。通过这两组试验证明了预处理模块的有效性和本文提出网络的优越性。

摘要： 针对深度语义分割算法提取遥感影像建筑物时易产生建筑物边缘分割不明确、提取精度不高等问题,该文提出一种基于Attention Gates(AG)和R2U-Net的遥感影像建筑物提取方法(AGR2U-Net)。该方法将R2U-Net模型每一层输出的特征图与其相邻层的特征图输入至改进的AG模型中,得到与输入影像大小一致的特征图,以提高R2U-Net模型的多尺度泛化能力,从而增强该模型对建筑物特征的响应及灵敏度,最终提升遥感影像建筑物提取精度。利用WHU卫星影像数据集和WHU航空影像数据集,对该方法与U-Net、Improved U-Net、SegU-Net和R2U-Net方法进行对比实验验证,结果表明,该方法的交并比、像素准确率和召回率均最高,且提取的建筑物边缘更准确、内部信息更完整、误检和漏检情况更少。

摘要： 在总结前人研究成果的基础上,提出了一种将LiDAR点云数据转换为灰度图像提取建筑物的方法。首先,采用最近邻插值法将离散的LiDAR点云数据规则格网化,并标记每个规则格网点的平面坐标;再利用重采样的LiDAR点云数据生成DSM灰度图像;然后借助于成熟的图像处理技术(灰度直方图统计、连通区域面积统计、二值化、边缘检测等方法)对灰度图像进行预处理;最后利用预处理后的灰度图像标记出LiDAR点云数据建筑物点。利用VC++编写LiDAR点云数据处理程序,并对实验数据进行了验证。实验结果表明,在较平坦的区域,该方法能有效提取建筑物点,取得了良好的实验效果。

摘要： 针对城区人字形屋顶的建筑物,设计一种结合形态学重建的高分辨率遥感图像建筑物提取方法.该方法首先对输入图像进行形态学重建滤波处理,然后分别检测建筑物的屋脊线和阴影信息,再利用形态学开重建运算将屋脊线与建筑物阴影两者之间的信息关联起来,从而实现建筑物提取，通过QuickBird全色图像建筑物提取试验,验证本文方法的可行性和有效性.

摘要： 论文提出了一种改进的基于马尔科夫随机场的城区SAR图像分类算法，并结合面向对象的方法从城区高分辨率SAR图像提取建筑物区域。首先针对城区SAR图像的特点，采用Fisher分布描述其图像分布模型。然后在MRF的分类过程中，将多尺度引入似然能量项，并对邻域系统的基元增加与距离成反比的权重系数，增强多阶邻域对先验能量的影响，试验结果表明改进后的分类算法提高了分类正确率，减少了孤立像素，取得了较清晰平滑的分类结果。最后结合面向对象的方法，利用建筑物形状特征进行建筑物提取。实测高分辨率SAR图像的试验结果表明，本文方法可以有效地提取出高分辨率SAR图像上建筑物的叠掩和阴影区域。

摘要： 机载激光雷达技术（Lidar）是近年来发展起来的一种可以直接获取地面三维信息的技术系统，有着传统航空摄影测量无可比拟的优势，已广泛应用于城市建筑物提取和三维重建。基于规则化数字表面模型（即数字表面模型和数字地面模型之差）的图像分割法是目前利用Lidar数据提取建筑物的一种常用方法，但是，由于数字地面模型在地形起伏区域应用效果不理想、效率不高，使得该方法的应用领域在一定程度上受到限制。在分析建筑物等高线与非建筑物等高线特点的基础上，本文提出一种新的、不需要提取数字地面模型的、基于等高线形状分析法的建筑物提取方法。

摘要： 高分辨率遥感影像中的建筑物形状复杂多变,使目前的主流方法难以提取.本文依据国际上近期提出的OAR认知模型关于人脑知识组织存储的基本原理,分析和提取了目前高分辨率遥感影像建筑物的关键属性和属性之间的约束关系,形成遥感影像中建筑物的OAR认知模型.基于此模型来指导高分辨率遥感影像中建筑物提取的实验,结果表明此模型对于复杂多变的建筑物形状提取具有适用性强的特点。

摘要： 红外图像中地面建筑物不同部位轮廓特征的显著性程度存在差异,基于此提出了层次化模板匹配识别方法,首先提取建筑物轮廓边缘,并与模板进行匹配,确定目标侧面轮廓的可能位置,形成目标感兴趣区域(ROI)。然后在ROI进行楼身轮廓匹配,删除大量由地物背景轮廓引起的ROI虚警,在余下的ROI继续匹配目标楼顶和基座轮廓。最后融合各步轮廓匹配结果识别目标。经过大量实测数据验证,该方法较好地解决了复杂背景下地面大型建筑物自动识别问题。

摘要： 红外图像中地面建筑物不同部位轮廓特征的显著性程度存在差异,基于此提出了层次化模板匹配识别方法,首先提取建筑物轮廓边缘,并与模板进行匹配,确定目标侧面轮廓的可能位置,形成目标感兴趣区域(ROI)。然后在ROI进行楼身轮廓匹配,删除大量由地物背景轮廓引起的ROI虚警,在余下的ROI继续匹配目标楼顶和基座轮廓。最后融合各步轮廓匹配结果识别目标。经过大量实测数据验证,该方法较好地解决了复杂背景下地面大型建筑物自动识别问题。

摘要： 红外图像中地面建筑物不同部位轮廓特征的显著性程度存在差异,基于此提出了层次化模板匹配识别方法,首先提取建筑物轮廓边缘,并与模板进行匹配,确定目标侧面轮廓的可能位置,形成目标感兴趣区域(ROI)。然后在ROI进行楼身轮廓匹配,删除大量由地物背景轮廓引起的ROI虚警,在余下的ROI继续匹配目标楼顶和基座轮廓。最后融合各步轮廓匹配结果识别目标。经过大量实测数据验证,该方法较好地解决了复杂背景下地面大型建筑物自动识别问题。

摘要： 红外图像中地面建筑物不同部位轮廓特征的显著性程度存在差异,基于此提出了层次化模板匹配识别方法,首先提取建筑物轮廓边缘,并与模板进行匹配,确定目标侧面轮廓的可能位置,形成目标感兴趣区域(ROI)。然后在ROI进行楼身轮廓匹配,删除大量由地物背景轮廓引起的ROI虚警,在余下的ROI继续匹配目标楼顶和基座轮廓。最后融合各步轮廓匹配结果识别目标。经过大量实测数据验证,该方法较好地解决了复杂背景下地面大型建筑物自动识别问题。

摘要： 红外图像中地面建筑物不同部位轮廓特征的显著性程度存在差异,基于此提出了层次化模板匹配识别方法,首先提取建筑物轮廓边缘,并与模板进行匹配,确定目标侧面轮廓的可能位置,形成目标感兴趣区域(ROI)。然后在ROI进行楼身轮廓匹配,删除大量由地物背景轮廓引起的ROI虚警,在余下的ROI继续匹配目标楼顶和基座轮廓。最后融合各步轮廓匹配结果识别目标。经过大量实测数据验证,该方法较好地解决了复杂背景下地面大型建筑物自动识别问题。

摘要： 从影像提取建筑物是计算机视觉数字摄影测量的一个重要的课题.本文提出了一种基于物方空间几何约束的最小二乘匹配模型用于航空景象半自动提取建筑物的方法.在立体像对的定向完成之后,根据操作员选择和输入的建筑物类型和角点的初值,直接在物方构成建筑物的角点及其连线的几何约束条件,同"自适应"生成的建筑物直线边缘模板与搜索区内的灰度构成的误差方程一同解算房屋角点的空间三维坐标.它是一种模型驱动的方法,融合了建筑物的几何知道和投影到影像上的灰度特征,解算过程就是求取该模型与影像在最小二乘准则下的最佳匹配.最小二乘平均作为一种成熟的整体最优方法,可以方便地适应和引入各种不同的图象特征和几何约束,可望为建筑物的半自动提取提供一个灵活框架.此外,论文还讲座了实用系统中如何提高效率和初值给定等问题.以人字形和平顶直角房屋为例给出了算法原理和实验结果.实验表明该方法有一定的抗干扰能力,与人工切准相比提高了效率并达到了很高的量测精度,是一种有潜力的实用化方法.

摘要： 本发明提供一种建筑物用框架，其用于建造可无熟练技术而比较容易地且在短时间内在建筑现场组装、且比钢筋混凝土更牢固的建筑物。本发明提供一种建筑物用框架等，其特征在于包括：U字状部，在剖视中隔着中央部空间而配置在左右；以及连接部，将左右的U字状部的中央部侧的顶部连接，结果构成倒U字状部，在剖视中配置在左右的U字状部的远离中央部一侧的纵边比由连接部连接的中央部侧的纵边更短。

摘要： 提供了一种用于建筑物技术设备、尤其是照明器的通信模块，其中，所述通信模块被配置为可连接到IoT网络和通信总线、并且被配置用于所述IoT网络和所述通信总线上的双向通信，其中，所述通信模块被配置为转换所述通信总线与所述IoT网络之间的通信数据。

摘要： 提供了用于玩具建筑物套件的建筑物板1a、1b、1c，所述建筑物板具有托架板5和互补构造的插座7，以通过将建筑物板1b上的托架板5安装在另一建筑物板1c上的插座7中而能够将多个建筑物板互连以形成更大的建筑物板。

摘要： 本发明涉及一种用于制造建筑物构件（BWT）的方法，其中，所述建筑物构件（BWT）具有至少一个第一区域（B1）和邻接所述第一区域的第二区域（B2），其中，在所述第一区域（B1）中隐藏有建筑材料（BS）的安装结构（IS），其中，所述方法具有以下步骤:‑a）排出用于制造其中一个区域（B1）的建筑材料（BS），并且在时间上在排出之前、与排出同时和/或在时间上在排出之后给所述建筑材料（BS）配设标记材料（MS），以及‑b）排出用于制造所述另一区域（B2）的建筑材料（BS）。

摘要： 本发明提供一种不需要设置有高衰减橡胶等的减震阻尼机构部的简单的结构，从而降低制造成本。本发明的木造建筑物用减震阻尼装置，包括：第一长条构件(11)，其基端部侧通过第一固定部(14)固定于木造建筑物的纵向材或横架材中的任意一个；第二长条构件(12)，其基端部(12c)通过第二固定部(15)固定于纵向材或横架材中的另一个，另一方面，所述第二长条构件(12)的前端部侧固定于第一长条构件(11)，设置有从所述前端部朝向基端部与第一长条构件(11)重叠的重叠部分；以及第三长条构件(13)，其设置为覆盖第一长条构件(11)和第二长条构件(12)，在第二长条构件(12)中的重叠部分设置有伸缩部(12a3)，通过使所述伸缩部(12a3)比所述第二长条构件(12)中的其他部分弱化，来使所述伸缩部(12a3)容易伸缩，并且所述第三长条构件(13)覆盖所述伸缩部(12a3)。

摘要： 本发明涉及一种包括至少两个建筑物(4)的建筑物综合体，建筑物沿宽度方向和沿长度方向分别具有基本尺寸。建筑物(4)的长度和宽度等于基本尺寸或所述基本尺寸的多倍。本发明还涉及一种具有至少两个楼层的建筑物，所述建筑物尤其是用于建筑物综合体，所述建筑物(4)在其下侧处具有至少一个支撑件，所述支撑件支撑所述建筑物(4)同时在地面与建筑物下侧之间形成通风空间。该通风空间是围绕所述建筑物(4)流动的空气循环的一部分。

摘要： 本发明涉及一种建筑物(1)，特别是多层建筑物，该建筑物具有支撑结构(5)和立面(3)，立面可操作地连接到支撑结构并暴露于风中，其中立面(3)具有多个立面元件(7)，其中立面元件(7)被设计成响应于支撑结构(5)的扭摆相对支撑结构(5)移动。提出了至少一些立面元件(7)可操作地连接到多个阻尼器(13)，其中阻尼器(13)被设计成抑制立面元件(7)相对于支撑结构(5)的移动。

摘要： 本发明公开了一种基于形态学建筑物指数的建筑物提取方法，包括步骤：一、影像预处理；二、不透水层组分图像的提取；三、形态学建筑物指数特征图像的获取：301、结构元素的选取，302、CFO算子的建立，303、基于CFO算子的白帽变换的建立，304、采用差分多尺度形态学原理建立差分白帽形态学开闭混合重建序列，并求取出差分白帽形态学开闭混合重建序列的平均值，建立起形态学建筑物指数EMBI(x)，并得到了形态学建筑物指数特征图像，完成了建筑物的初步提取；四、采用决策树分析方法完成建筑物的最终提取。本发明实现便捷，建筑物提取精度、可靠性、精度和效率高，自动化程度高，实用性和可行性好。

摘要： 本发明公开了一种基于高程形态学建筑物指数的影像建筑物提取方法，包括以下步骤：A：影像预处理，对需要进行建筑物提取的影像进行预处理以便生成输入影像dsm；B：根据输入影像dsm构建高程形态学建筑物指数DMBI，采用建筑物属性与形态学运算之间的关系构建高程形态学建筑物指数DMBI，得到高程形态学建筑物指数DMBI特征影像，C：将高程形态学建筑物指数DMBI进行阀值分类，用于区分建筑物和其他地物从而提取建筑物。采用本发明可以更好的将建筑物提取。

摘要： 本发明公开了一种基于形态学建筑物指数的建筑物提取方法，包括步骤：一、影像预处理；二、不透水层组分图像的提取；三、形态学建筑物指数特征图像的获取：301、结构元素的选取，302、CFO算子的建立，303、基于CFO算子的白帽变换的建立，304、采用差分多尺度形态学原理建立差分白帽形态学开闭混合重建序列，并求取出差分白帽形态学开闭混合重建序列的平均值，建立起形态学建筑物指数EMBI(x)，并得到了形态学建筑物指数特征图像，完成了建筑物的初步提取；四、采用决策树分析方法完成建筑物的最终提取。本发明实现便捷，建筑物提取精度、可靠性、精度和效率高，自动化程度高，实用性和可行性好。