[发明专利]基于模糊神经网络的遥感图像道路通行情况分析方法

摘要

基于模糊神经网络的遥感图像道路通行情况分析方法，本发明涉及遥感图像道路通行情况分析方法。本发明是为了解决现有的方法中人工干预过多造成的准确性下降及无法进行大范围区域内道路通行情况分析的问题。本发明步骤为：一：确定输入参数并对输入参数进行归一化处理；二：确定道路通行情况；三：确定输入参数与道路通行情况间的规则；四：构建用于道路通行情况分析的模糊神经网络系统；五、收集训练样本和测试样本，对所有训练样本进行聚类，对神经网络系统进行训练；六：获得所需要的道路属性信息；七：将道路属性信息输入网络进行通行情况分析，与图像中实际的通行情况比较，验证网络的可靠性。本发明应用于高分辨率遥感图像分析领域。

主权项

1.基于模糊神经网络的遥感图像道路通行情况分析方法，其特征在于，所述遥感图像道路通行情况分析方法包括以下步骤：步骤一：确定输入参数为车道数目、车辆类型、车辆密度和车辆速度，并对输入参数进行归一化处理；步骤二：确定道路通行情况为畅通、轻度拥挤、拥挤和严重拥挤四种情况；步骤三：确定输入参数与道路通行情况间的规则；步骤四：构建用于道路通行情况分析的模糊神经网络系统；步骤五、根据步骤一确定的输入参数，收集训练样本和测试样本，根据步骤二确定的道路通行情况对所有训练样本进行聚类，并用包含输入和输出数据的分类后的训练样本对神经网络系统进行训练；步骤六：通过对路段的遥感图像进行道路信息提取和车辆检测，获得所需要的道路属性信息；步骤七：将步骤六中的道路属性信息输入网络进行通行情况分析，并与图像中实际的通行情况进行比较，验证网络的可靠性；所述步骤二中确定道路通行情况为畅通、轻度拥挤、拥挤和严重拥挤四种情况具体为：设严重拥挤值为为4，拥挤值为3，轻度拥挤值为2，畅通值为1；通行情况值在[1，1.5)范围内，通行情况为畅通；通行情况值在[1.5，2.5)范围内，通行情况为轻度拥挤；通行情况值在[2.5，3.5)范围内，通行情况为拥挤；通行情况值在[3.5，4]范围内，通行情况为严重拥挤；所述步骤三中确定输入参数与道路通行情况间的规则具体为：车辆类型与通行情况的关系为：车辆类型换算系数为0～1时，通行情况为轻度拥挤或畅通；车辆类型换算系数为1～1.5时，通行情况为畅通或轻度拥挤；车辆类型换算系数为大于1.5时，通行情况为严重拥挤或拥挤；单方向车道数与通行情况的关系为：单车道时通行情况为严重拥挤或拥挤，双车道时通行情况为拥挤或轻度拥挤，三车道时通行情况为畅通或轻度拥挤；车辆速度与通行情况的关系为：车辆速度为0～20km/h时，通行情况为严重拥挤或拥挤；车辆速度为20～40km/h时，通行情况为轻度拥挤或拥挤；车辆速度为40～60km/h时，通行情况为畅通或轻度拥挤；车辆密度与通行情况的关系为：车辆密度是指一条道路上的车辆密集程度，用K表示，单位为辆/km，用公式表示为：K＝N/L式中N为观测路段内的车辆数，L为观测路段长度；车辆密度为大于150辆/km时，通行情况为严重拥挤或拥挤；车辆密度为20～150辆/km时，通行情况为拥挤或轻度拥挤；车辆密度为0～20辆/km时，通行情况为畅通或轻度拥挤；所述步骤四中构建用于道路通行情况分析的模糊神经网络系统具体为：以高木—关野模型为基础，建立模型：若X∈Rj，则y＝fj(X)，其中Rj为输入空间分割后的空间，y为系统的输出，fj(X)为高木关野模型的对应法则；模糊神经网络系统的输出为：其中所述gj为对应的BP网络NN1、NN2、NN3、NN4的输出，NN1、NN2、NN3、NN4分别表示网络的四类输出结果，即畅通、轻度拥挤、拥挤、严重拥挤；μj为对应各条模糊规则的模糊隶属度。