详情

原文传递一种遥感图像中道路的自动识别方法

专利名称：	一种遥感图像中道路的自动识别方法
摘要：	本发明提供一种遥感图像中道路的自动识别方法，包括以下步骤：S1对遥感图像进行预处理；S2使用预训练的道路识别模型得到线状道路特征图；S3对线状道路特征图进行修复、矢量化和规则化处理；S4根据预设的判定条件识别出异常十字路口骨架线；S5基于异常十字路口骨架线构建坐标系，进行邻域分析，过滤后得到有效特征信息；S6将编码处理后的有效特征信息和标签信息的遥感图像作为样本集；S7将样本集输入预训练的道路识别模型，获取优化后的模型；S8使用优化后的模型对新任务遥感图像进行道路自动化识别。本发明优化后的模型提高了道路识别的精度的同时能够实现对异常十字路口自动识别，减少人工操作，为后期道路后处理提供便利。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京数慧时空信息技术有限公司
发明人：	刘杰;蔡培鑫;余誓盟;张玥珺;邹圣兵
专利状态：	有效
申请日期：	2023-07-07T00:00:00+0800
发布日期：	2023-11-03T00:00:00+0800
申请号：	CN202310835092.4
公开号：	CN116994129A
分类号：	G06V20/10;G06V10/774;G06V10/40;G06V10/82;G;G06;G06V;G06V20;G06V10;G06V20/10;G06V10/774;G06V10/40;G06V10/82
申请人地址：	100070 北京市丰台区海鹰路1号院1号楼二层201
主权项：	1.一种遥感图像中道路的自动识别方法，包括以下步骤： S1获取遥感图像并对其进行预处理； S2使用预训练的道路识别模型对遥感图像进行道路识别，得到线状道路特征图； S3对线状道路特征图进行修复、矢量化和规则化处理，得到规则的面状道路特征图及第一特征信息；所述规则的面状道路特征图包括骨架线，所述骨架线包括路口骨架线、非路口骨架线；其中所述路口骨架线包括十字路口骨架线； S4根据第一特征信息，通过预设的判定条件对十字路口骨架线进行判定，得到十字路口骨架线的标签信息，根据标签信息将十字路口骨架线分为异常十字路口骨架线和正常十字路口骨架线； S5基于异常十字路口骨架线构建坐标系，根据坐标系进行邻域分析，过滤异常十字路口骨架线的干扰特征信息，保留有效特征信息； S6对有效特征信息进行编码处理，将编码处理后的带有效特征信息和标签信息的遥感图像作为样本集； S7将样本集输入预训练的道路识别模型，进行迭代训练，直至满足收敛条件，模型训练结束，获取优化后的模型； S8使用优化后的模型对新遥感图像进行道路自动化识别。 2.根据权利要求1所述的一种遥感图像中道路的自动识别方法，步骤S3中所述第一特征信息包括道路长度、轮廓面积、道路宽度和道路走向以及骨架线长度和骨架线走向。 3.根据权利要求2所述的一种遥感图像中道路的自动识别方法，步骤S4包括： S41所述预设的判定条件为：第一条件：十字路口骨架线至少有3条；第二条件：其中一条十字路口骨架线的两端均为三条十字路口骨架线线重合点；第三条件：十字路口骨架线所对应的道路线长度和宽度之比<3；第四条件：十字路口骨架线长度≦100m； S42根据预设的判定条件对十字路口骨架线进行判定：若十字路口骨架线同时满足第一条件、第二条件、第三条件、第四条件，则该路口骨架线的标签信息为N；若十字路口骨架线未满足第一条件、第二条件、第三条件、第四条件中的任一条件，则该路口骨架线的标签信息为Y； S43将标签信息为N的十字路口骨架线标记为异常十字路口骨架线，将标签信息为Y的十字路口骨架线标记为正常十字路口骨架线。 4.根据权利要求3所述的一种遥感图像中道路的自动识别方法，步骤S5包括： S51将三条异常十字路口骨架线重合点作为端点，选取两个端点连接形成线段； S52以线段的延伸方向作为X轴，取线段中点作为坐标原点，构建坐标系，进行八邻域分析，得到第二特征信息； S53将异常十字路口骨架线与非路口骨架线的重合点作为分界点，连接分界点，形成两个区域； S54将靠近坐标原点一侧的区域即异常十字路口骨架线区域，作为干扰区域；将远离坐标点一侧的区域，即非路口骨架线区域作为有效区域； S55在第二特征信息中，过滤干扰区域的干扰特征信息，将分界点及有效区域的特征信息作为有效特征信息。 5.根据权利要求1所述的一种遥感图像中道路的自动识别方法，步骤S4中的有效特征信息包括道路长度、宽度和走向以及骨架线长度和走向、骨架线端点到坐标轴的距离、骨架线端点的所在象限。 6.根据权利要求1所述的一种遥感图像中道路的自动识别方法，步骤S3包括： S31对道路的轮廓边界进行平滑处理，对道路的孔洞进行填充以及道路线缺口进行修复，得到修复的线状道路特征图； S32利用ArcGIS将修复的线状道路特征图进行矢量化，并提取骨架线及第一特征信息，得到面状道路特征图； S33利用简化算法对面状道路特征图进行规则化处理，得到规则的面状道路特征图。 7.根据权利要求1所述的一种遥感图像中道路的自动识别方法，步骤S2中的道路提取模型为U-Net模型，所述模型包括依次连接的第一卷积模块、编码部分、解码部分、解码部分之间的中间桥接结构、金字塔池化部分以及分类器。 8.根据权利要求7所述的一种遥感图像中道路的自动识别方法，所述编码部分包括四级残差网络模块，所述残差网络为ResNet残差网络。 9.根据权利要求1所述的一种遥感图像中道路的自动识别方法，所述预处理包括灰度化处理、滤波处理。 10.根据权利要求6所述的一种遥感图像中道路的自动识别方法，所述简化算法为道格拉斯-普克。