[发明专利]一种基于深度学习的高分辨率遥感图像道路提取方法

权利要求书

1.一种基于深度学习的高分辨率遥感图像道路提取方法，其特征在于，包括

通过卫星或航拍器获取遥感图像；

建立深度学习模型；

标注部分遥感图像并得到矢量路网；

在所述遥感图像以及所述矢量路网上采集道路以及背景样本；

采用所述深度学习模型对所述道路以及背景样本进行训练；

用训练得到的深度学习网络对所述遥感图像中像素进行分类并得到二值图像；

将二值图像中识别出的像素值进行标识。

2.根据权利要求1所述的方法，其特征在于，所述深度学习模型为卷积神经网络。

3.根据权利要求1所述的方法，其特征在于，所述标注部分遥感图像包括根据部分遥感图像绘制矢量路网，所述矢量路网中道路地区图像与非道路地图图像的像素值不同。

4.根据权利要求1所述的方法，其特征在于，所述采集道路以及背景样本包括以D×D大小的滑动窗口在所述遥感图像以及所述矢量路网上进行滑动来采集样本数据，其中，D大于0。

5.根据权利要求2所述的方法，其特征在于，所述卷积神经网络包括

输入层，用于将输入图像以向量形式进行输出

卷积层，通过滑动窗口的方式计算其与图像的内积，并将内积的结果进行输出；

池化层，位于卷积层之后，用于对所述内积的结果进行聚合统计，完成空间的下采样；

全卷积层，用于进行类别得分结果的计算；

输出层，用于将所述类别得分结果进行输出。

6.根据权利要求5所述的方法，其特征在于，所述训练包括以下步骤：

S1、卷积神经网络初始化；

S2、进行前行计算；

S3、采用最小化残差的原理调整权重以及偏置。

7.根据权利要求6所述的方法，其特征在于，所述S1包括初始化卷积核、权重及偏置大小。

8.根据权利要求6所述的方法，其特征在于，所述S2包括

S21、通过输入层将所述道路以及背景样本以向量形式进行输出；

S22、通过卷积层计算其与所述输入道路以及背景样本的内积，并将内积的结果进行输出；

S23、通过池化层对所述内积的结果进行聚合统计，完成空间的下采样。