一种铁路沿线房屋快速提取方法和系统与流程

摘要: 本发明属于遥感影像智能解译与地形图自动制图,具体涉及一种铁路沿线房屋快速提取方法和系统。背景技术:1、近年来,随着我国高速铁路网的日益完善,铁路运营维护及改扩建...
一种铁路沿线房屋快速提取方法和系统与流程

本发明属于遥感影像智能解译与地形图自动制图,具体涉及一种铁路沿线房屋快速提取方法和系统。

背景技术:

1、近年来,随着我国高速铁路网的日益完善,铁路运营维护及改扩建工程对沿线高精度、现势性强的地形图需求激增。房屋作为铁路沿线最主要的地物要素之一,其分布情况直接关系到铁路限界分析、拆迁评估及噪声治理等工作。传统的铁路地形图生产模式主要依赖人工在数字摄影测量工作站上进行立体采集,或基于正射影像进行人工描绘,劳动强度大、作业周期长,难以满足铁路数字化建设对海量地理信息数据快速更新的需求。

2、随着深度学习技术在遥感图像处理领域的突破,利用语义分割模型自动提取地物已成为研究热点。然而,铁路工程场景呈现大跨度带状分布特征,沿线地形地貌复杂,居民区/厂区房屋往往与裸地混杂,在光照阴影明显、植被繁茂遮挡、屋顶结构复杂的情况下易产生误检与漏检,对自动提取算法的精度与泛化能力提出了极高挑战。

3、目前在工业界和学术界的主流技术是利用deeplabv3+或hrnet等先进语义分割模型对遥感影像进行处理。这类方法相较于传统的u-net,通过引入空洞空间金字塔池化(aspp)模块或保持高分辨率特征图的并行分支结构,显著扩大了神经网络的有效感受野,并增强了对多尺度地物目标的捕获能力。现有部分专利和技术方案采用此类模型对城市级建筑物进行提取,再辅以形态学后处理方法,试图解决建筑物错分与漏分问题,较好地分割出房屋的大致轮廓。或者采用基于面向遥感影像分析的半自动提取。结合影像光谱、纹理及形状特征,采用多尺度分割与规则集分类,通过设定阈值将影像对象分类为房屋与非房屋。此类方法主要依赖人工设计的特征规则,其高度依赖专家经验与先验知识,特征设计与阈值选择往往存在局限性,在建筑密集区或城乡交界处,房屋与道路、植被等地物常存在光谱和纹理混合,基于简单规则的对象分类容易产生边界不清或对象合并错误等现象。以及传统的人工立体测图与矢量化。铁路勘测设计院现行的主流生产方式,仍依靠作业员在立体环境下手动采集房屋角点与轮廓线,虽然精度较高,但其本质上是一种高度依赖个人经验与重复性劳动的生产方式,不仅导致效率低下、成本高昂,还因人工判断差异使得成果标准难以统一。

4、然而,现有技术方案采用的分割模型受限于卷积核的局部感受野,难以捕捉长距离的上下文依赖关系。在铁路沿线,房屋往往由于拍摄角度或遮挡,呈现不规则特征,且容易与铁路附属设施混淆,导致提取结果存在大量漏检和误检。且现有分割模型输出的房屋边界通常呈现“锯齿状”或过度平滑的圆角,缺乏房屋应有的几何规则性。这导致后续进行自动矢量化转换时,生成的矢量多边形节点冗余、形状失真,仍需大量人工修整,无法真正实现“自动矢量化”以提高制图效率。同时,铁路跨越地域广,沿线房屋建筑风格差异大。基于单一特征或浅层网络的模型难以适应这种巨大的类内差异,导致在不同路段的制图准确率干扰大。

5、综上所述,现有技术中的分割提取模型存在容易与铁路附属设施混淆,准确率低,制图效率低的问题。

技术实现思路

1、为了解决现有技术中的分割提取模型存在容易与铁路附属设施混淆,准确率低,制图效率低的问题。

2、第一方面,本发明提出了一种铁路沿线房屋快速提取方法,包括:

3、获取待处理的铁路沿线正射影像数据;

4、将所述正射影像数据输入预训练的语义分割模型,得到房屋预测概率图;所述语义分割模型为pyramidmamba语义分割网络,通过金字塔池化生成多尺度上下文特征,结合mamba状态空间模型建模像素间长距离依赖关系,以房屋分割结果作为输出;并在训练阶段基于预先构建的铁路沿线房屋样本库,采用联合损失函数对所述语义分割模型进行优化;

5、对所述房屋预测概率图进行自动矢量化及几何规则化处理,输出符合铁路工程制图标准的房屋矢量数据。

6、优选的,所述获取待处理的铁路沿线正射影像数据,包括:

7、利用无人机航摄获取铁路沿线带状区域两侧内的原始影像;

8、对所述原始影像经过定向建模、影像纠正、匀光匀色、镶嵌裁切处理,生成地面分辨率满足预设条件的数字正射影像。

9、优选的,所述pyramidmamba语义分割网络的骨干采用swin transformer的4阶金字塔结构,每一阶通过patch merging层实现下采样与通道数扩展;解码器采用高低级特征融合结构,将上采样后的高级特征与预处理后的低级特征相加后输入分割头输出分割结果。

10、优选的,所述通过金字塔池化生成多尺度上下文特征,结合mamba状态空间模型建模像素间长距离依赖关系,包括:

11、将输入特征通过不同尺度的自适应平均池化生成多尺度上下文特征;

12、采用1×1卷积降低多尺度上下文特征的通道维度后,与原始输入特征拼接;

13、将拼接后的特征输入mamba状态空间模型进行长距离依赖建模,输出具有原始空间维度的处理后特征。

14、优选的,所述联合损失函数的表达式为:

15、

16、其中,mainloss为主损失函数,ce为交叉熵损失,dice为dice损失,edgeloss为边缘损失,edgefactor为预设的边缘权重因子。

17、优选的,所述铁路沿线房屋样本库的构建过程包括:

18、对裁剪后的铁路沿线影像沿房屋外轮廓进行标注,生成封闭多边形,对应生成二值掩膜标签,其中房屋区域像素值标记为1,背景区域像素值标记为0;

19、对样本进行随机旋转、翻转、色彩抖动的数据增强处理;

20、按8:1:1的比例将样本库划分为训练集、验证集和测试集。

21、优选的,所述对所述房屋预测概率图进行自动矢量化及几何规则化处理,包括:

22、对所述房屋预测概率图采用轮廓追踪算法进行矢量化,生成初始矢量多边形;

23、对初始矢量多边形进行冗余节点精简,采用几何规则化算法进行整形,将不规则的四边形或多边形修正为具有房屋几何特征的规则多边形,得到轮廓规整的房屋矢量数据。

24、优选的,所述对所述房屋预测概率图采用轮廓追踪算法进行矢量化,生成初始矢量多边形,包括:

25、采用自适应阈值法将所述房屋预测概率图转换为二值掩膜,应用基于边缘追踪的栅格矢量化算法,提取二值掩膜的房屋外轮廓,生成初始矢量多边形。

26、优选的,所述对所述房屋分割结果进行自动矢量化及几何规则化处理之前,还包括:

27、对pyramidmamba网络输出的房屋预测概率图进行去噪处理,所述去噪处理包括自适应阈值分割、孔洞填充、形态学滤波。

28、第二方面,本发明提出了一种铁路沿线房屋快速提取系统,包括:

29、影像获取模块,用于获取待处理的铁路沿线正射影像数据;

30、分割处理模块,用于将所述正射影像数据输入预训练的语义分割模型,得到房屋预测概率图;

31、模型构建优化模块,用于采用pyramidmamba语义分割网络,通过金字塔池化生成多尺度上下文特征,结合mamba状态空间模型建模像素间长距离依赖关系,以房屋分割结果作为输出;并在训练阶段基于预先构建的铁路沿线房屋样本库,采用联合损失函数对所述语义分割模型进行优化;

32、矢量化输出模块,用于对所述房屋预测概率图进行自动矢量化及几何规则化处理,输出符合铁路工程制图标准的房屋矢量数据。

33、再一方面,本发明还提供了一种计算设备,包括:一个或多个处理器;

34、处理器,用于执行一个或多个程序;

35、当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的一种铁路沿线房屋快速提取方法。

36、再一方面,本发明还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的一种铁路沿线房屋快速提取方法。

37、与现有技术相比,本发明的有益效果为:

38、本发明提供了一种铁路沿线房屋快速提取方法和系统,利用pyramidmamba的高精度自动提取能力,将原本完全依赖人工采集的房屋矢量化工作转变为“自动提取+人工核查”模式,大幅提升地形图测绘生产效率,显著缩短铁路勘测设计周期。得益于mambalayer模块捕捉长距离依赖关系和多尺度上下文信息的能力,本发明能有效识别铁路沿线被阴影遮挡或纹理复杂的房屋,显著降低了误检率和漏检率,特别是对铁路特有的小型附属房屋设施具有更好的识别效果,显著提高复杂场景下的提取精度。通过引入联合损失函数及规则矢量化后处理,提取的房屋矢量轮廓规整平滑、节点少,直线特征明显,输出成果更符合工程制图规范,满足铁路工程地形图的制图要求,减少了后期人工修测边界的工作量,大幅节约了人力成本。本发明主要服务于铁路沿线地形图测绘,旨在通过高分辨率无人机影像实现铁路沿线房屋要素的快速、准确提取与矢量化成图,提高地物要素采集制图效率,减少人工编辑工作量。