[发明专利]基于深度学习的遥感影像道路提取方法及系统、存储介质、电子设备

摘要

本发明提供基于深度学习的遥感影像道路提取方法，包括步骤样本制作、模型训练、精度评定、道路预测、道路面矢量化。本发明还涉及基于深度学习的遥感影像道路提取系统、存储介质、电子设备；本发明通过改进的DenseNet网络模型对道路进行提取，利用道路拓扑特征进行推测，连接中断道路，进而实现道路提取结果更为精细连贯，本发明在道路提取上具有更高的效率，节约大量的成本，并保证提取道路结果的可靠性，便于遥感影像处理推广应用。

主权项

1.基于深度学习的遥感影像道路提取方法，其特征在于，包括以下步骤：S1、样本制作，采集遥感影像，对遥感影像进行分割裁剪得到包含分类对象的面矢量框文件，并绘制所述面矢量文件中的道路标签，将标签为道路的所述面矢量样本的矢量数据转换成栅格数据，得到栅格化的道路面样本；S2、模型训练，调整改进的DenseNet网络模型参数，对所述道路面样本进行基于改进的DenseNet的模型训练，得到道路训练模型；S3、精度评定，将待测试的遥感影像数据输入所述道路训练模型，并计算本次测试的检测评价函数MIoU以及MPA,若MIoU值或MPA均达标则跳转至下一步，若MIoU值或MPA存在不达标情况则调整DenseNet网络模型参数返回步骤S1并修改样本重新迭代训练；S4、道路预测，利用经步骤S3中评定达标的道路训练模型对遥感影像目标区域进行道路预测，得到遥感影像中栅格化的道路面数据；S7、道路面矢量化，将最终的栅格化的道路面数据进行矢量化，得到提取的遥感影像道路数据。