买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中师范大学

摘要：本发明公开了基于遥感‑众源语义深度聚类的城市功能区识别方法，即：首先，联合高分辨遥感影像与众源建筑物足迹数据，从几何、紧凑度、位置、光谱、纹理和亮度六个维度提取建筑物功能语义特征；然后，构建基于深度嵌入网络的建筑物聚类方法，利用自编码器模块生成建筑物功能语义的低维特征表达，并通过深度神经网络DNN模块来优化建筑物的聚类簇；接着，通过生成格网、类别关联、格网融合与后处理步骤，将离散的建筑物聚类簇转化为连续的面要素，划分城市功能区的识别单元；最后，利用兴趣点与Word2Vec模型，对所划分的单元进行功能识别，生成精细化的城市功能区图。本发明实现灵活、精准的城市功能区场景分割，提升了城市功能区识别的粒度和精度。

主权项：1.一种基于遥感-众源语义深度聚类的城市功能区识别方法，其特征在于：1建立建筑物功能语义特征体系，即利用高分辨率遥感影像、夜间灯光数据、建筑物足迹和道路路网遥感影像和众源地理信息，提取几何、紧凑度、位置、光谱、纹理和亮度六个维度的特征，得到36维的建筑物语义特征；采用最小生成树算法，提取每个建筑物单元的紧凑度特征，其过程包括：1使用近邻分析方法，提取出各建筑物最邻近的18-20个建筑物，2对建筑物轮廓边界以5-15米为间隔进行内插加密，提取加密后建筑物节点，构建不规则三角网，3基于不规则三角网判断建筑物的邻接关系，若两个建筑物被不规则三角网的边连接，则说明这两个建筑物存在邻接关系，反之，则说明不存在邻接关系；将建筑物简化为质心，对存在邻接关系的建筑物进行连接，构建得到邻接图，4以建筑物邻接图为输入，邻接图连接边的欧式距离定义为权重，采用克鲁斯卡尔算法，构建最小生成树，5统计各最小生成树边权重的均值、总和及标准差，作为各建筑物的紧凑度特征；2构建基于深度嵌入网络的建筑物聚类方法，利用自编码器模块生成建筑物功能语义的低维特征表达，并通过深度神经网络DNN模块来优化建筑物的聚类簇；步骤2使用以下方法：联合自编码器和深度神经网络DNN模块，构建深度嵌入网络；以提取的36维的建筑物功能语义特征作为原始输入，利用深度嵌入网络对输入进行聚类；其中，借助自编码器模型，对输入特征进行降维处理，将所述建筑物功能语义特征转换到低维特征空间，得到嵌入点，借助K均值聚类方法对嵌入点进行聚类，形成建筑物初始聚类；基于t-SNE算法，采用t分布评估嵌入点与所述筑物初始聚类的簇心的相似度，得到软分配度；基于软分配度和目标分布函数构建KL散度损失函数，使用随机梯度下降法SGD和所述KL散度损失函数优化DNN参数，基于优化后的DNN,得到最终优化后的建筑物的聚类簇；其中，软分配度表示样本分配给聚类的概率；目标分布函数用于衡量样本属于某个聚类的分布；3通过由生成格网、类别关联、格网融合与后处理组成的四大步骤，将建筑物聚类簇转化为连续的面要素，划分城市功能区识别单元；4利用兴趣点与Word2Vec模型，建立城市功能区语料库，将兴趣点类别标签转换为词向量表示，构建随机森林模型；使用随机森林模型对所划分的单元进行功能识别，生成精细化的城市功能区图。

全文数据：

权利要求：

百度查询： 华中师范大学 基于遥感-众源语义深度聚类的城市功能区识别方法