[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

说明书

本发明公开一种基于深度学习的高分辨率遥感图像道路提取方法，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。本发明能够提高分类精度，从而识别地物信息。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于深度学习的高分辨率遥感图像道路提取方法。

背景技术

随着我国航天航空事业的发展，对地观测获取地物信息也越来越多，卫星影像、航拍影像等获取的图像分辨率也越来越高。早期中分辨率遥感图像用于土地分类等大范围地物识别，影像中的道路以线状出现。而今高分辨率遥感图像可获得地物1m大小的地物，这迫切需要我们挖掘遥感数据中的有用信息，为研究地物变化灾害预警提供依据，为人们生产生活提供便利。高分辨率遥感图像中的道路以带状呈现，具有独特的拓扑特性及光谱特性。目前，遥感图像地物识别主要是根据地物的色调、颜色、阴影、形状、纹理、大小、位置、图型和相关布局等特征，分类方法较好的有支持向量机、神经网络、最大似然等分类器。这些方法对于大面积的地物识别、分类有较好的效果。针对交通道路的识别与提取，遥感中也有一些算法包括Hough变换、Snake算法、边缘特征等，都有各自的优缺点，并非适用于所有遥感图像。

发明内容

本发明的目的在于提供一种基于深度学习的高分辨率遥感图像道路提取方法，能够提高分类精度，从而识别地物信息。

为达到上述目的，本发明采用下述技术方案：一种基于深度学习的高分辨率遥感图像道路提取方法，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。

优选地，所述深度学习模型为卷积神经网络。

优选地，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。

优选地，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。

优选地，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。

优选地，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。

优选地，所述S1包括初始化卷积核、权重及偏置大小。

优选地，所述S2包括