CN110717383A - 遥感检测方法、装置和系统 - Google Patents

遥感检测方法、装置和系统 Download PDF

Info

Publication number
CN110717383A
CN110717383A CN201910808095.2A CN201910808095A CN110717383A CN 110717383 A CN110717383 A CN 110717383A CN 201910808095 A CN201910808095 A CN 201910808095A CN 110717383 A CN110717383 A CN 110717383A
Authority
CN
China
Prior art keywords
decoder
building
detection
level
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910808095.2A
Other languages
English (en)
Other versions
CN110717383B (zh
Inventor
陈伟涛
王洪彬
李�昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201910808095.2A priority Critical patent/CN110717383B/zh
Publication of CN110717383A publication Critical patent/CN110717383A/zh
Application granted granted Critical
Publication of CN110717383B publication Critical patent/CN110717383B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种遥感检测方法、装置和系统。其中，该遥感检测系统包括：编码器，解码器组和输出模块组，其中，编码器，用于对接收到的至少两个时间的建筑物图像进行编码；解码器组中的各个解码器，分别与编码器连接，用于根据每个解码器之间的数据共享，得到至少两个时间的建筑物的检测结果；输出模块组中的各个输出模块，分别与解码器组中的各个解码器连接，用于输出至少两个时间的建筑物的检测结果。本发明解决了由于现有技术缺少对建筑的检测方法导致的对建筑物的检测效率低的技术问题。

Description

遥感检测方法、装置和系统
技术领域
本发明涉及互联网技术领域，具体而言，涉及一种遥感检测方法、装置和系统。
背景技术
深度学习在计算机视觉的成功应用，以及配套计算设备的发展，为深度学习应用于遥感影像的分析提供了较大的可能性。而遥感影像包含丰富的信息，对遥感影像的分析越来越多应用到各个领域上。在农业，可利用遥感影像的分析来选取优良的育种基地；在工业，可利用遥感影像的分析来选取建厂地址；对政府部门而言，遥感影像的分析也成为如何执法或制定政策的重要辅助手段，特别是对国土部门，通过遥感影像分析了解土地的使用情况具有重大的意义，其中对新增建筑的及时检测，可保证时效性的基础上确定违章建筑的位置，对耕地的保护，城市的建设管理都具有较大意义。
同时建筑物的新增和建筑物的存在具有紧密的关系，如何利用好容易获得的已标注建筑物数据对改善新增建筑的检测效果也同样具有较大的意义。
针对上述由于现有技术缺少对建筑的检测方法导致的对建筑物的检测效率低的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种遥感检测方法、装置和系统，以至少解决由于现有技术缺少对建筑的检测方法导致的对建筑物的检测效率低的技术问题。
根据本发明实施例的一个方面，提供了一种遥感检测系统，包括：编码器，解码器组和输出模块组，其中，编码器，用于对接收到的至少两个时间的建筑物图像进行编码；解码器组中的各个解码器，分别与编码器连接，用于根据每个解码器之间的数据共享，得到至少两个时间的建筑物的检测结果；输出模块组中的各个输出模块，分别与解码器组中的各个解码器连接，用于输出至少两个时间的建筑物的检测结果。
可选的，编码器包括至少四个层级，每个层级包括计算模块，计算模块包括至少三个卷积层、激活函数和平均池化层；其中，每个层级之间连接。
可选的，解码器组中包括至少三个解码器，至少三个解码器中每个解码器的层级与编码器中的层级数相同；其中，每个解码器中的层级由至少两个卷积层，至少三个激活层和至少一个反卷积层组成。
进一步地，可选的，至少三个解码器包括：第一解码器、第二解码器和第三解码器，其中，第一解码器和第二解码器数据共享，其中，第一解码器和第二解码器的第一层级输入为编码器最后一个层级输出，解码后的结果和编码器上一层及的输出取和后输入第一解码器和第二解码器的第二层级，其中，第一解码器和第二解码器的每个层级的输入为上个层级的解码的输出与编码器对应层级输出之和；第三解码器的最后一个层级的输入为第一解码器和第二解码器最后一个层级输入的在通道维度上的连接结果，其中，第三解码器的最后一个层级的输入通道数也是第一解码器和第二解码器最后一个层级的两倍；第三解码器的其他层级与第一解码器和第二解码器数据共享。
可选的，第一解码器，与输出模块组中的第一输出模块连接，用于输出第一时间的建筑物的检测结果；第二解码器，与输出模块组中的第二输出模块连接，用于输出第二时间的建筑物的检测结果；第三解码器，与输出模块组中的第三输出模块连接，用于输出新增建筑物的检测结果；其中，第一时间早于第二时间。
进一步地，可选的，应用于第一解码器、第二解码器和第三解码器中的损失函数为根据各时间的预测值和标签的数学关系，得到各时间的检测结果和新增建筑物的检测结果。
可选的，检测结果用于监控目标区域是否存在违建情况。
可选的，该系统应用于检测目标区域中建筑物数量的变化，其中，建筑物数量的变化包括：新增建筑，和/或，旧建筑的拆除。
可选的，建筑物图像通过航空、航天器拍摄获得，其中，航空、航天器包括：无人机、高空气球、卫星或飞行器中的一种或至少两种的组合。
根据本发明实施例的另一方面，还提供了一种遥感检测方法，包括：对接收到的至少两个时间的建筑物图像进行编码；对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果。
可选的，对编码后的至少两个时间的建筑物图像进行解码计算包括：在解码器包括至少三个解码器，至少三个解码器包括：第一解码器、第二解码器和第三解码器的情况下，第一解码器和第二解码器数据共享，其中，第一解码器和第二解码器的第一层级输入为编码器最后一个层级输出，解码后的结果和编码器上一层及的输出取和后输入第一解码器和第二解码器的第二层级，其中，第一解码器和第二解码器的每个层级的输入为上个层级的解码的输出与编码器对应层级输出之和；第三解码器的最后一个层级的输入为第一解码器和第二解码器最后一个层级输入的在通道维度上的连接结果，其中，第三解码器的最后一个层级的输入通道数也是第一解码器和第二解码器最后一个层级的两倍；第三解码器的其他层级与第一解码器和第二解码器数据共享。
进一步地，可选的，得到至少两个时间的建筑物的检测结果包括：通过第一解码器输出第一时间的建筑物的检测结果；通过第二解码器输出第二时间的建筑物的检测结果；通过第三解码器输出新增建筑物的检测结果；其中，第一时间早于第二时间。
可选的，应用于第一解码器、第二解码器和第三解码器中的损失函数为根据各时间的预测值和标签的数学关系，得到各时间的检测结果和新增建筑物的检测结果。
可选的，该方法还包括：根据至少两个时间的建筑物图像确定建筑物所在区域的区域类型，其中，区域类型包括：城市，城中村，城乡结合部或乡村；依据区域类型获取区域所在地区的建筑规定；依据至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定的判断结果，生成检测报告。
可选的，检测结果用于监控目标区域是否存在违建情况。
可选的，该方法应用于检测目标区域中建筑物数量的变化，其中，建筑物数量的变化包括：新增建筑，和/或，旧建筑的拆除。
可选的，建筑物图像通过航空、航天器拍摄获得，其中，航空、航天器包括：无人机、高空气球、卫星或飞行器中的一种或至少两种的组合。
根据本发明实施例的又一方面，还提供了一种遥感检测方法，包括：获取至少两个时间的建筑物图像的编码；对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果；根据至少两个时间的建筑物图像确定建筑物所在区域的区域类型，其中，区域类型包括：城市，城中村，城乡结合部或乡村；依据区域类型获取区域所在地区的建筑规定；依据至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定的判断结果，生成检测报告；显示检测报告。
根据本发明实施例的再一方面，还提供了一种遥感检测装置，包括：编码模块，用于对接收到的至少两个时间的建筑物图像进行编码；检测模块，用于对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果。
根据本发明实施例的再一方面，还提供了另一种遥感检测装置，包括：第一获取模块，用于获取至少两个时间的建筑物图像的编码；解码模块，用于对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果；匹配模块，用于根据至少两个时间的建筑物图像确定建筑物所在区域的区域类型，其中，区域类型包括：城市，城中村，城乡结合部或乡村；第二获取模块，用于依据区域类型获取区域所在地区的建筑规定；检测模块，用于依据至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定的判断结果，生成检测报告；显示模块，用于显示检测报告。
根据本发明实施例的再一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述遥感检测方法。
根据本发明实施例的再一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述遥感检测方法。
在本发明实施例中，通过编码器，解码器组和输出模块组，其中，编码器，用于对接收到的至少两个时间的建筑物图像进行编码；解码器组中的各个解码器，分别与编码器连接，用于根据每个解码器之间的数据共享，得到至少两个时间的建筑物的检测结果；输出模块组中的各个输出模块，分别与解码器组中的各个解码器连接，用于输出至少两个时间的建筑物的检测结果，达到了改进了新增建筑检测的结果的目的，从而实现了提升建筑物的检测效率的技术效果，进而解决了由于现有技术缺少对建筑的检测方法导致的对建筑物的检测效率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例一的遥感检测系统的示意图；
图2是根据本发明实施例一的一种遥感检测系统的示意图；
图3是根据本发明实施例一的遥感检测系统生成对比曲线的示意图；
图4是本发明实施例的一种遥感检测方法的计算机终端的硬件结构框图；
图5是根据本发明实施例二的遥感检测方法的流程图；
图6是根据本发明实施例三的遥感检测方法的流程图；
图7是根据本发明实施例四的遥感检测装置的示意图；
图8是根据本发明实施例五的遥感检测装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例的一个方面，提供了一种遥感检测系统，图1是根据本发明实施例一的遥感检测系统的示意图，如图1所示，包括：编码器12，解码器组14和输出模块组16，其中，编码器12，用于对接收到的至少两个时间的建筑物图像进行编码；解码器组14中的各个解码器，分别与编码器12连接，用于根据每个解码器之间的数据共享，得到至少两个时间的建筑物的检测结果；输出模块组16中的各个输出模块，分别与解码器组14中的各个解码器连接，用于输出至少两个时间的建筑物的检测结果。
可选的，编码器12包括至少四个层级，每个层级包括计算模块，计算模块包括至少三个卷积层、激活函数和平均池化层；其中，每个层级之间连接。
可选的，解码器组14中包括至少三个解码器，至少三个解码器中每个解码器的层级与编码器中的层级数相同；其中，每个解码器中的层级由至少两个卷积层，至少三个激活层和至少一个反卷积层组成。
进一步地，可选的，至少三个解码器包括：第一解码器、第二解码器和第三解码器，其中，第一解码器和第二解码器数据共享，其中，第一解码器和第二解码器的第一层级输入为编码器最后一个层级输出，解码后的结果和编码器上一层及的输出取和后输入第一解码器和第二解码器的第二层级，其中，第一解码器和第二解码器的每个层级的输入为上个层级的解码的输出与编码器对应层级输出之和；第三解码器的最后一个层级的输入为第一解码器和第二解码器最后一个层级输入的在通道维度上的连接结果，其中，第三解码器的最后一个层级的输入通道数也是第一解码器和第二解码器最后一个层级的两倍；第三解码器的其他层级与第一解码器和第二解码器数据共享。
可选的，第一解码器，与输出模块组中的第一输出模块连接，用于输出第一时间的建筑物的检测结果；第二解码器，与输出模块组中的第二输出模块连接，用于输出第二时间的建筑物的检测结果；第三解码器，与输出模块组中的第三输出模块连接，用于输出新增建筑物的检测结果；其中，第一时间早于第二时间。
进一步地，可选的，应用于第一解码器、第二解码器和第三解码器中的损失函数为根据各时间的预测值和标签的数学关系，得到各时间的检测结果和新增建筑物的检测结果。
具体的，本申请实施例提供的遥感检测系统可以应用于基于多任务的深度学习算法对遥感影像中的新增建筑进行检测，其中，本申请实施例提供的遥感检测系统可以为单编码器，多解码器的解码网络结构，其中，该检测系统可以由编码器12、解码器组14和输出模块组16组成，在本申请实施例中解码器组14可以由三个解码器组成，对应解码器的个数，输出模块组16的个数也为三个输出模块组成。
其中，编码器12可以分为四个层级，每个层级内部由若干模块组成，每个模块又分别由3个卷积层，3个ReLU激活函数和一个平均池化层组成。每个层级内部的模块通过密集的方式连接，即下一个模块也合并了上一个模块的结果，同时每个层级之间也通过密集的方式连接；
在本申请实施例提供的遥感检测系统中四个层级中第一个层级有6个模块，第二个层级有12个模块，第三个层级有48个模块，第四个层级有32个模块。
对应编码器，解码器组14中每个解码器也由4个层级组成，每个层级由2个卷积层，3个ReLU激活层，1个反卷积层组成。
输出模块组16中的各个输出模块接在解码器之后，一个输出模块由2个卷积层,2个ReLU激活层，一个反卷积层和一个Sigmoid层组成。
这里在本申请实施例提供的遥感检测系统中解码器和输出模块与编码器的连接结构可以如下：
图2是根据本发明实施例一的一种遥感检测系统的示意图，如图2所示，从编码器(encode)出来，分出三个分支，每个分支都是独立的一个解码器(decode)，其中第一个解码器接第一个输出模块，输出前一个时间段的建筑物预测结果，第二个解码器接第二个输出模块，输出后一个时间段的建筑物预测结果，第三个解码器接第三个输出模块，输出新增建筑物的预测结果。
为减少计算资源，每个解码器不同程度的进行参数共享，其中第一个解码器和第二个解码器完全共享参数，它们的第一个层级输入为编码器最后一个层级输出，解码后的结果和编码器上一层级的输出取和后再送入解码器第二个层级，接下来解码器每个层级的输入为上个层级的解码的输出与编码器对应层级输出之和。第三个解码器除了最后一个层级，其它层级也和第一个，第二个解码器共享参数，其最后一个层级的输入为第一个和第二个解码器最后一个层级输入的在通道维度上连接结果，相应的其输入通道数也是第一个和第二个解码器最后一个层级的两倍。
在进行深度学习的过程中，在计算前一个时间段建筑的情况下，应用的损失函数如下：
Lpre＝BCE(xpre,ypre)+DICE(xpre,ypre)
其中，BCE的计算公式如下：
BCE(xpre,ypre)＝-wpre*[yprelogxpre+(1-ypre)log(1-xpre)]
DICE的计算公式如下：
DICE(xpre,ypre)＝1-2*(xpre∩ypre+∈)/(xpre∪ypre+xpre∩ypre+∈)
其中x表示预测值，y表示标签，下标pre表示前一个时间段的数据。
根据同样的计算公式可以得到Laft(下标aft表示后一个时间段的建筑损失函数)和Lchange(下标change表示前后时间段新增建筑的损失函数)。最终学习多任务的损失函数为：
L＝W1*Lpre+W2*Laft+W3*Lchange
综上，本申请实施例提供的遥感检测系统在对新增建筑检测的过程中，以某城市三个区在两个周年的数据上进行训练，在其中一个区的两年的数据上进行测试，输出结果如下，可以得到在相同数据集上，对比相同模型是否利用多任务损失函数，指标采用IOU来进行评估的结果：如表1
表1
Figure BDA0002184262620000071
可选的，检测结果用于监控目标区域是否存在违建情况。
本申请实施例提供的遥感检测系统可以协助政府的土地监管部门以及城市建设管理部门(例如，各地方的国土资源局，各地方的城市管理建设局)周期性的根据遥感拍摄获取的建筑图像，通过神经网络学习得到的多任务的损失函数，准确获取新增建筑的数据，以及对未来等同面积内的土地规划；
其中，本申请实施例通过该检测结果可以获得当前监控的目标区域是否存在违建情况，其中，该目标区域可以包括城市中某社区或某开发区，乡村中各家各户的住宅用地，耕种用地；
通过对该目标区域内的建筑物图像的检测，判断该建筑物图像中的建筑是否存在违建，或，违拆。
可选的，该系统应用于检测目标区域中建筑物数量的变化，其中，建筑物数量的变化包括：新增建筑，和/或，旧建筑的拆除。
其中，在建筑物数量的变化为新增建筑的情况下，通过该目标区域的建筑规划和建筑规定判断该新增建筑示范属于合法建筑；
或，
在建筑物的变化为旧建筑的拆除的情况下，判断该目标区域中旧建筑的拆除位置的原建筑类型是否为需审批后才能拆除的建筑或禁拆建筑，以及旧建筑的拆除是否备案，基于上述的判断确定旧建筑物的拆除是否合法。
可选的，建筑物图像通过航空、航天器拍摄获得，其中，航空、航天器包括：无人机、高空气球、卫星或飞行器中的一种或至少两种的组合。
具体的，本申请实施例中的建筑物图像可以通过地方政府的执法人员手动拍摄得到(例如，执法人员使用执法记录仪或摄像设备取证得到)；
或，由公众提供的建筑物图像做参考；
或，通过使用无人机、高空气球、卫星或飞行器中的一种或至少两种的组合拍摄得到。
上述示例为本申请实施例提供的遥感检测系统中获取建筑物图像的示例，以实现本申请实施例提供的遥感检测系统为准，具体不做限定。
如图3所示，图3是根据本发明实施例一的遥感检测系统生成对比曲线的示意图，其中，采用PR曲线的结果，其中实心曲线是本申请实施例提出并充分训练后的结果，虚线曲线是本申请实施例提供训练早期的结果，间断曲线是wider vgg采用正负样本1:3比例训练的结果，双间断曲线是wider vgg的结果，横轴是召回，纵轴是准确率，在0.25到0.75的召回下，准确率平均提升了5个点左右。
在本发明实施例中，通过编码器，解码器组和输出模块组，其中，编码器，用于对接收到的至少两个时间的建筑物图像进行编码；解码器组中的各个解码器，分别与编码器连接，用于根据每个解码器之间的数据共享，得到至少两个时间的建筑物的检测结果；输出模块组中的各个输出模块，分别与解码器组中的各个解码器连接，用于输出至少两个时间的建筑物的检测结果，达到了改进了新增建筑检测的结果的目的，从而实现了提升建筑物的检测效率的技术效果，进而解决了由于现有技术缺少对建筑的检测方法导致的对建筑物的检测效率低的技术问题。
实施例2
根据本发明实施例，还提供了一种遥感检测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图4是本发明实施例的一种遥感检测方法的计算机终端的硬件结构框图。如图4所示，计算机终端40可以包括一个或多个(图中仅示出一个)处理器402(处理器402可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器404、以及用于通信功能的传输模块406。本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端40还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。
存储器404可用于存储应用软件的软件程序以及模块，如本发明实施例中的遥感检测方法对应的程序指令/模块，处理器402通过运行存储在存储器404内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的遥感检测方法。存储器404可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器404可进一步包括相对于处理器402远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端40。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块406用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端40的通信供应商提供的无线网络。在一个实例中，传输模块406包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块406可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
在上述运行环境下，本申请提供了如图5所示的遥感检测方法。图5是根据本发明实施例二的遥感检测方法的流程图。
步骤S502，对接收到的至少两个时间的建筑物图像进行编码；
步骤S504，对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果。
在本发明实施例中，通过对接收到的至少两个时间的建筑物图像进行编码；对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果，达到了改进了新增建筑检测的结果的目的，从而实现了提升建筑物的检测效率的技术效果，进而解决了由于现有技术缺少对建筑的检测方法导致的对建筑物的检测效率低的技术问题。
可选的，步骤S504中对编码后的至少两个时间的建筑物图像进行解码计算包括：在解码器包括至少三个解码器，至少三个解码器包括：第一解码器、第二解码器和第三解码器的情况下，第一解码器和第二解码器数据共享，其中，第一解码器和第二解码器的第一层级输入为编码器最后一个层级输出，解码后的结果和编码器上一层及的输出取和后输入第一解码器和第二解码器的第二层级，其中，第一解码器和第二解码器的每个层级的输入为上个层级的解码的输出与编码器对应层级输出之和；第三解码器的最后一个层级的输入为第一解码器和第二解码器最后一个层级输入的在通道维度上的连接结果，其中，第三解码器的最后一个层级的输入通道数也是第一解码器和第二解码器最后一个层级的两倍；第三解码器的其他层级与第一解码器和第二解码器数据共享。
进一步地，可选的，步骤S504中得到至少两个时间的建筑物的检测结果包括：通过第一解码器输出第一时间的建筑物的检测结果；通过第二解码器输出第二时间的建筑物的检测结果；通过第三解码器输出新增建筑物的检测结果；其中，第一时间早于第二时间。
可选的，应用于第一解码器、第二解码器和第三解码器中的损失函数为根据各时间的预测值和标签的数学关系，得到各时间的检测结果和新增建筑物的检测结果。
具体的，本申请实施例提供的遥感检测方法可以应用于基于多任务的深度学习算法对遥感影像中的新增建筑进行检测，其中，本申请实施例提供的遥感检测方法可以应用于实施例1中的遥感检测系统，其中，该遥感检测系统为单编码器，多解码器的解码网络结构，其中，该检测系统可以由编码器、解码器组和输出模块组组成，在本申请实施例中解码器组可以由三个解码器组成，对应解码器的个数，输出模块组的个数也为三个输出模块组成。
其中，编码器可以分为四个层级，每个层级内部由若干模块组成，每个模块又分别由3个卷积层，3个ReLU激活函数和一个平均池化层组成。每个层级内部的模块通过密集的方式连接，即下一个模块也合并了上一个模块的结果，同时每个层级之间也通过密集的方式连接；
在本申请实施例提供的遥感检测系统中四个层级中第一个层级有6个模块，第二个层级有12个模块，第三个层级有48个模块，第四个层级有32个模块。
对应编码器，解码器组中每个解码器也由4个层级组成，每个层级由2个卷积层，3个ReLU激活层，1个反卷积层组成。
输出模块组中的各个输出模块接在解码器之后，一个输出模块由2个卷积层,2个ReLU激活层，一个反卷积层和一个Sigmoid层组成。
这里在本申请实施例提供的遥感检测系统中解码器和输出模块与编码器的连接结构可以如下：
如实施例1中的图2所示，从编码器(encode)出来，分出三个分支，每个分支都是独立的一个解码器(decode)，其中第一个解码器接第一个输出模块，输出前一个时间段的建筑物预测结果，第二个解码器接第二个输出模块，输出后一个时间段的建筑物预测结果，第三个解码器接第三个输出模块，输出新增建筑物的预测结果。
为减少计算资源，每个解码器不同程度的进行参数共享，其中第一个解码器和第二个解码器完全共享参数，它们的第一个层级输入为编码器最后一个层级输出，解码后的结果和编码器上一层级的输出取和后再送入解码器第二个层级，接下来解码器每个层级的输入为上个层级的解码的输出与编码器对应层级输出之和。第三个解码器除了最后一个层级，其它层级也和第一个，第二个解码器共享参数，其最后一个层级的输入为第一个和第二个解码器最后一个层级输入的在通道维度上连接结果，相应的其输入通道数也是第一个和第二个解码器最后一个层级的两倍。
在进行深度学习的过程中，在计算前一个时间段建筑的情况下，应用的损失函数如下：
Lpre＝BCE(xpre,ypre)+DICE(xpre,ypre)
其中，BCE的计算公式如下：
BCE(xpre,ypre)＝-wpre*[yprelogxpre+(1-ypre)log(1-xpre)]
DICE的计算公式如下：
DICE(xpre,ypre)＝1-2*(xpre∩ypre+∈)/(xpre∪ypre+xpre∩ypre+∈)
其中x表示预测值，y表示标签，下标pre表示前一个时间段的数据。
根据同样的计算公式可以得到Laft(下标aft表示后一个时间段的建筑损失函数)和Lchange(下标change表示前后时间段新增建筑的损失函数)。最终学习多任务的损失函数为：
L＝W1*Lpre+W2*Laft+W3*Lchange
综上，本申请实施例提供的遥感检测方法在对新增建筑检测的过程中，以某城市三个区在两个周年的数据上进行训练，在其中一个区的两年的数据上进行测试，输出结果如下，可以得到在相同数据集上，对比相同模型是否利用多任务损失函数，指标采用IOU来进行评估的结果：如表1
表1
single-task 0.312
multi-task 0.389
可选的，本申请实施例提供的遥感检测方法还包括：
步骤S505，根据至少两个时间的建筑物图像确定建筑物所在区域的区域类型，其中，区域类型包括：城市，城中村，城乡结合部或乡村；
具体的，本申请实施例提供的遥感检测方法根据至少两个时间的建筑物图像确定建筑物图像中的建筑物所在的区域，以及该区域所属的区域类型；
其中，至少两个时间的建筑物图像可以为相邻年份内拍摄的建筑物图像，如2013年和2014年内对区域A拍摄的建筑物图像；
或，设定周期内的拍摄的建筑物图像，其中，设定周期可以为5年内对区域A拍摄的建筑物图像；
获取建筑物图像中建筑物所在区域可以通过拍摄图片时图片中的位置信息确定图片中建筑物所在区域的位置信息；或，通过对建筑物图像备案的记录中获取建筑物图像中的建筑所属区域；
在确定建筑物所在区域后，通过行政区划确定建筑物图像中的位置是否属于城市，城中村，城乡结合部或乡村。
步骤S506，依据区域类型获取区域所在地区的建筑规定；
具体的，根据确定该区域所在的区域类型，获取该区域类型所在地区的建筑规定；
步骤S507，依据至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定的判断结果，生成检测报告。
具体的，判断至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定；依据判断结果生成检测报告。
其中，生成的检测报告可以包括：建筑物图像的编号，涉及事由，违规与否，违规类型，违规建筑类型、整改建议和整改决定，具体如表2所示：
表2
Figure BDA0002184262620000131
其中，违规类型可以包括：违建或违拆；违规建筑类型可以包括：高层独栋、别墅、低层独栋、平房等；
整改建议和整改决定可以为依据法律以及地方法规设置的整改方案。
可选的，检测结果用于监控目标区域是否存在违建情况。
本申请实施例提供的遥感检测方法可以协助政府的土地监管部门以及城市建设管理部门(例如，各地方的国土资源局，各地方的城市管理建设局)周期性的根据遥感拍摄获取的建筑图像，通过神经网络学习得到的多任务的损失函数，准确获取新增建筑的数据，以及对未来等同面积内的土地规划；
其中，本申请实施例通过该检测结果可以获得当前监控的目标区域是否存在违建情况，其中，该目标区域可以包括城市中某社区或某开发区，乡村中各家各户的住宅用地，耕种用地；
通过对该目标区域内的建筑物图像的检测，判断该建筑物图像中的建筑是否存在违建，或，违拆。
可选的，本申请实施例提供的遥感检测方法应用于检测目标区域中建筑物数量的变化，其中，建筑物数量的变化包括：新增建筑，和/或，旧建筑的拆除。
其中，在建筑物数量的变化为新增建筑的情况下，通过该目标区域的建筑规划和建筑规定判断该新增建筑示范属于合法建筑；
或，
在建筑物的变化为旧建筑的拆除的情况下，判断该目标区域中旧建筑的拆除位置的原建筑类型是否为需审批后才能拆除的建筑或禁拆建筑，以及旧建筑的拆除是否备案，基于上述的判断确定旧建筑物的拆除是否合法。
可选的，建筑物图像通过航空、航天器拍摄获得，其中，航空、航天器包括：无人机、高空气球、卫星或飞行器中的一种或至少两种的组合。
具体的，本申请实施例中的建筑物图像可以通过地方政府的执法人员手动拍摄得到(例如，执法人员使用执法记录仪或摄像设备取证得到)；
或，由公众提供的建筑物图像做参考；
或，通过使用无人机、高空气球、卫星或飞行器中的一种或至少两种的组合拍摄得到。
上述示例为本申请实施例提供的遥感检测方法中获取建筑物图像的示例，以实现本申请实施例提供的遥感检测方法为准，具体不做限定。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的遥感检测方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
实施例3
根据本发明实施例的又一方面，还提供了一种遥感检测方法，图6是根据本发明实施例三的遥感检测方法的流程图，如图6所示，本申请实施例提供的遥感检测方法包括：
步骤S602，获取至少两个时间的建筑物图像的编码；
步骤S604，对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果；
具体的，结合实施例1和2中记载的得到至少两个时间的建筑物的检测结果的过程，此处不再赘述。
步骤S606，根据至少两个时间的建筑物图像确定建筑物所在区域的区域类型，其中，区域类型包括：城市，城中村，城乡结合部或乡村；
具体的，其中，至少两个时间的建筑物图像可以为相邻年份内拍摄的建筑物图像，如2013年和2014年内对区域A拍摄的建筑物图像；
或，设定周期内的拍摄的建筑物图像，其中，设定周期可以为5年内对区域A拍摄的建筑物图像。
获取建筑物图像中建筑物所在区域可以通过拍摄图片时图片中的位置信息确定图片中建筑物所在区域的位置信息；或，通过对建筑物图像备案的记录中获取建筑物图像中的建筑所属区域；
在确定建筑物所在区域后，通过行政区划确定建筑物图像中的位置是否属于城市，城中村，城乡结合部或乡村。
步骤S608，依据区域类型获取区域所在地区的建筑规定；
具体的，基于步骤S606中的对区域的所属的区域类型的确定，根据确定该区域所在的区域类型，获取该区域类型所在地区的建筑规定。
步骤S610，依据至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定的判断结果，生成检测报告；
步骤S612，显示检测报告。
具体的，结合步骤S610和步骤S612，判断至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定，依据判断结果生成检测报告。
实施例4
根据本发明实施例，还提供了一种用于实施上述遥感检测方法的装置，如图7所示，图7是根据本发明实施例四的遥感检测装置的示意图，该装置包括：
编码模块72，用于对接收到的至少两个时间的建筑物图像进行编码；检测模块74，用于对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果。
实施例5
根据本发明实施例的再一方面，还提供了另一种遥感检测装置，图8是根据本发明实施例五的遥感检测装置的示意图，如图8所示，该装置包括：第一获取模块80，用于获取至少两个时间的建筑物图像的编码；解码模块82，用于对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果；匹配模块84，用于根据至少两个时间的建筑物图像确定建筑物所在区域的区域类型，其中，区域类型包括：城市，城中村，城乡结合部或乡村；第二获取模块86，用于依据区域类型获取区域所在地区的建筑规定；检测模块88，用于依据至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定的判断结果，生成检测报告；显示模块89，用于显示检测报告。
实施例6
根据本发明实施例的再一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例2或实施例3中的遥感检测方法。
实施例7
根据本发明实施例的再一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述实施例2或实施例3中的遥感检测方法。
实施例8
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的遥感检测方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对接收到的至少两个时间的建筑物图像进行编码；对编码后的至少两个时间的建筑物图像进行解码计算，得到至少两个时间的建筑物的检测结果。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对编码后的至少两个时间的建筑物图像进行解码计算包括：在解码器包括至少三个解码器，至少三个解码器包括：第一解码器、第二解码器和第三解码器的情况下，第一解码器和第二解码器数据共享，其中，第一解码器和第二解码器的第一层级输入为编码器最后一个层级输出，解码后的结果和编码器上一层及的输出取和后输入第一解码器和第二解码器的第二层级，其中，第一解码器和第二解码器的每个层级的输入为上个层级的解码的输出与编码器对应层级输出之和；第三解码器的最后一个层级的输入为第一解码器和第二解码器最后一个层级输入的在通道维度上的连接结果，其中，第三解码器的最后一个层级的输入通道数也是第一解码器和第二解码器最后一个层级的两倍；第三解码器的其他层级与第一解码器和第二解码器数据共享。
进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：得到至少两个时间的建筑物的检测结果包括：通过第一解码器输出第一时间的建筑物的检测结果；通过第二解码器输出第二时间的建筑物的检测结果；通过第三解码器输出新增建筑物的检测结果；其中，第一时间早于第二时间。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：应用于第一解码器、第二解码器和第三解码器中的损失函数为根据各时间的预测值和标签的数学关系，得到各时间的检测结果和新增建筑物的检测结果。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：根据至少两个时间的建筑物图像确定建筑物所在区域的区域类型，其中，区域类型包括：城市，城中村，城乡结合部或乡村；依据区域类型获取区域所在地区的建筑规定；依据至少两个时间的建筑物的检测结果是否符合区域所在地区的建筑规定的判断结果，生成检测报告。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：检测结果用于监控目标区域是否存在违建情况。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：应用于检测目标区域中建筑物数量的变化，其中，建筑物数量的变化包括：新增建筑，和/或，旧建筑的拆除。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：建筑物图像通过航空、航天器拍摄获得，其中，航空、航天器包括：无人机、高空气球、卫星或飞行器中的一种或至少两种的组合。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (20)

1.一种遥感检测系统，包括：
编码器，解码器组和输出模块组，其中，
所述编码器，用于对接收到的至少两个时间的建筑物图像进行编码；
所述解码器组中的各个解码器，分别与所述编码器连接，用于根据每个解码器之间的数据共享，得到至少两个时间的建筑物的检测结果；
所述输出模块组中的各个输出模块，分别与所述解码器组中的各个解码器连接，用于输出所述至少两个时间的建筑物的检测结果。
2.根据权利要求1所述的系统，其中，所述编码器包括至少四个层级，每个层级包括计算模块，所述计算模块包括至少三个卷积层、激活函数和平均池化层；其中，所述每个层级之间连接。
3.根据权利要求1或2所述的系统，其中，所述解码器组中包括至少三个解码器，所述至少三个解码器中每个解码器的层级与所述编码器中的层级数相同；其中，每个解码器中的层级由至少两个卷积层，至少三个激活层和至少一个反卷积层组成。
4.根据权利要求3所述的系统，其中，所述至少三个解码器包括：第一解码器、第二解码器和第三解码器，其中，
所述第一解码器和所述第二解码器数据共享，其中，所述第一解码器和所述第二解码器的第一层级输入为所述编码器最后一个层级输出，解码后的结果和所述编码器上一层及的输出取和后输入所述第一解码器和所述第二解码器的第二层级，其中，所述第一解码器和所述第二解码器的每个层级的输入为上个层级的解码的输出与所述编码器对应层级输出之和；
所述第三解码器的最后一个层级的输入为所述第一解码器和所述第二解码器最后一个层级输入的在通道维度上的连接结果，其中，所述第三解码器的最后一个层级的输入通道数也是所述第一解码器和所述第二解码器最后一个层级的两倍；所述第三解码器的其他层级与所述第一解码器和所述第二解码器数据共享。
5.根据权利要求4所述的系统，其中，所述系统还包括：
所述第一解码器，与所述输出模块组中的第一输出模块连接，用于输出第一时间的建筑物的检测结果；
所述第二解码器，与所述输出模块组中的第二输出模块连接，用于输出第二时间的建筑物的检测结果；
所述第三解码器，与所述输出模块组中的第三输出模块连接，用于输出新增建筑物的检测结果；
其中，所述第一时间早于所述第二时间。
6.根据权利要求5所述的系统，其中，应用于所述第一解码器、所述第二解码器和所述第三解码器中的损失函数为根据各时间的预测值和标签的数学关系，得到各时间的检测结果和新增建筑物的检测结果。
7.根据权利要求1所述的系统，其中，所述检测结果用于监控目标区域是否存在违建情况。
8.根据权利要求1所述的系统，其中，所述系统应用于检测目标区域中建筑物数量的变化，其中，所述建筑物数量的变化包括：新增建筑，和/或，旧建筑的拆除。
9.一种遥感检测方法，包括：
对接收到的至少两个时间的建筑物图像进行编码；
对编码后的所述至少两个时间的建筑物图像进行解码计算，得到所述至少两个时间的建筑物的检测结果。
10.根据权利要求9所述的方法，其中，对编码后的所述至少两个时间的建筑物图像进行解码计算包括：
在解码器包括至少三个解码器，所述至少三个解码器包括：第一解码器、第二解码器和第三解码器的情况下，所述第一解码器和所述第二解码器数据共享，其中，所述第一解码器和所述第二解码器的第一层级输入为编码器最后一个层级输出，解码后的结果和所述编码器上一层及的输出取和后输入所述第一解码器和所述第二解码器的第二层级，其中，所述第一解码器和所述第二解码器的每个层级的输入为上个层级的解码的输出与所述编码器对应层级输出之和；
所述第三解码器的最后一个层级的输入为所述第一解码器和所述第二解码器最后一个层级输入的在通道维度上的连接结果，其中，所述第三解码器的最后一个层级的输入通道数也是所述第一解码器和所述第二解码器最后一个层级的两倍；所述第三解码器的其他层级与所述第一解码器和所述第二解码器数据共享。
11.根据权利要求10所述的方法，其中，得到所述至少两个时间的建筑物的检测结果包括：
通过所述第一解码器输出第一时间的建筑物的检测结果；
通过所述第二解码器输出第二时间的建筑物的检测结果；
通过所述第三解码器输出新增建筑物的检测结果；
其中，所述第一时间早于所述第二时间。
12.根据权利要求11所述的方法，其中，应用于所述第一解码器、所述第二解码器和所述第三解码器中的损失函数为根据各时间的预测值和标签的数学关系，得到各时间的检测结果和新增建筑物的检测结果。
13.根据权利要求9至12中任一项所述的方法，其中，所述方法还包括：
根据所述至少两个时间的建筑物图像确定所述建筑物所在区域的区域类型；
依据所述区域类型获取所述区域所在地区的建筑规定；
依据所述至少两个时间的建筑物的检测结果是否符合所述区域所在地区的建筑规定的判断结果，生成检测报告。
14.根据权利要求9所述的方法，其中，所述检测结果用于监控目标区域是否存在违建情况。
15.根据权利要求9所述的方法，其中，所述方法应用于检测目标区域中建筑物数量的变化，其中，所述建筑物数量的变化包括：新增建筑，和/或，旧建筑的拆除。
16.一种遥感检测方法，包括：
获取至少两个时间的建筑物图像的编码；
对编码后的所述至少两个时间的建筑物图像进行解码计算，得到所述至少两个时间的建筑物的检测结果；
根据所述至少两个时间的建筑物图像确定所述建筑物所在区域的区域类型；
依据所述区域类型获取所述区域所在地区的建筑规定；
依据所述至少两个时间的建筑物的检测结果是否符合所述区域所在地区的建筑规定的判断结果，生成检测报告。
17.一种遥感检测装置，包括：
编码模块，用于对接收到的至少两个时间的建筑物图像进行编码；
检测模块，用于对编码后的所述至少两个时间的建筑物图像进行解码计算，得到所述至少两个时间的建筑物的检测结果。
18.一种遥感检测装置，包括：
第一获取模块，用于获取至少两个时间的建筑物图像的编码；
解码模块，用于对编码后的所述至少两个时间的建筑物图像进行解码计算，得到所述至少两个时间的建筑物的检测结果；
匹配模块，用于根据所述至少两个时间的建筑物图像确定所述建筑物所在区域的区域类型；
第二获取模块，用于依据所述区域类型获取所述区域所在地区的建筑规定；
检测模块，用于依据所述至少两个时间的建筑物的检测结果是否符合所述区域所在地区的建筑规定的判断结果，生成检测报告。
19.一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求9或16所述的遥感检测方法。
20.一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行权利要求9或16所述的遥感检测方法。
CN201910808095.2A 2019-08-29 2019-08-29 遥感检测方法、装置和系统 Active CN110717383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910808095.2A CN110717383B (zh) 2019-08-29 2019-08-29 遥感检测方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910808095.2A CN110717383B (zh) 2019-08-29 2019-08-29 遥感检测方法、装置和系统

Publications (2)

Publication Number Publication Date
CN110717383A true CN110717383A (zh) 2020-01-21
CN110717383B CN110717383B (zh) 2023-05-02

Family

ID=69209527

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910808095.2A Active CN110717383B (zh) 2019-08-29 2019-08-29 遥感检测方法、装置和系统

Country Status (1)

Country Link
CN (1) CN110717383B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100150431A1 (en) * 2008-12-11 2010-06-17 National Central University Method of Change Detection for Building Models
CN108876864A (zh) * 2017-11-03 2018-11-23 北京旷视科技有限公司 图像编码、解码方法、装置、电子设备及计算机可读介质
CN109345413A (zh) * 2018-09-06 2019-02-15 武汉光庭信息技术股份有限公司 基于gis地图的建筑管理装置及方法
CN109993082A (zh) * 2019-03-20 2019-07-09 上海理工大学 卷积神经网络道路场景分类与道路分割方法
CN110136170A (zh) * 2019-05-13 2019-08-16 武汉大学 一种基于卷积神经网络的遥感影像建筑物变化检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100150431A1 (en) * 2008-12-11 2010-06-17 National Central University Method of Change Detection for Building Models
CN108876864A (zh) * 2017-11-03 2018-11-23 北京旷视科技有限公司 图像编码、解码方法、装置、电子设备及计算机可读介质
CN109345413A (zh) * 2018-09-06 2019-02-15 武汉光庭信息技术股份有限公司 基于gis地图的建筑管理装置及方法
CN109993082A (zh) * 2019-03-20 2019-07-09 上海理工大学 卷积神经网络道路场景分类与道路分割方法
CN110136170A (zh) * 2019-05-13 2019-08-16 武汉大学 一种基于卷积神经网络的遥感影像建筑物变化检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUAN CAO等: "Video Prediction for Precipitation Nowcasting" *
王玉龙;蒲军;赵江华;黎建辉;: "基于生成对抗网络的地面新增建筑检测" *
郑志宏;杨文竞;: "基于无人机影像的违章建筑监测分析" *

Also Published As

Publication number Publication date
CN110717383B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN114362367B (zh) 面向云边协同的输电线路监测系统和方法、识别系统和方法
CN112651665B (zh) 一种基于图神经网络的地表水水质指标预测方法和装置
CN107529651A (zh) 一种基于深度学习的城市交通客流预测方法和设备
CN112446025A (zh) 联邦学习防御方法、装置、电子设备及存储介质
Zheng et al. An eiot system designed for ecological and environmental management of the xianghe segment of china’s grand canal
CN110727717A (zh) 网格化大气污染强度的监控方法、装置、设备和存储介质
CN110969215A (zh) 聚类处理方法和装置、存储介质及电子装置
CN108648093B (zh) 数据处理方法、装置及设备
Musa et al. Geospatial modelling of urban growth for sustainable development in the Niger Delta Region, Nigeria
CN116824861B (zh) 基于城市大脑平台多维数据的共享单车调度方法和系统
CN110348472A (zh) 数据检测规则生成方法、装置、计算机设备及存储介质
CN111815098A (zh) 基于极端天气的交通信息处理方法、装置、存储介质和电子设备
CN114662774A (zh) 一种城市街区活力预测方法、存储介质和终端
Papadopoulou Technology and SDGs in smart cities context
CN113887330A (zh) 一种基于遥感图像的目标检测系统
CN117079148A (zh) 城市功能区的识别方法、装置、设备和介质
Abou El Seoud Towards sustainability: smart cities in the Egyptian environment, how much smart to be smart?
CN110782039B (zh) 一种基于分层结构、多模块的人工智能即时作战引导平台
CN117252436A (zh) 一种土地利用变化生态风险分区的方法和系统
CN110717383B (zh) 遥感检测方法、装置和系统
CN115170575B (zh) 遥感影像变化检测及模型训练的方法及设备
CN116528282A (zh) 覆盖场景识别方法、装置、电子设备和可读存储介质
CN114580087B (zh) 一种船载设备的联邦剩余使用寿命预测方法、装置及系统
Bouramdane Enhancing disaster management in smart cities through MCDM-AHP analysis amid 21st century challenges
CN114638308A (zh) 一种获取对象关系的方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant