[发明专利]基于高分辨率卫星影像的道路宽度估计方法

权利要求书

1.基于高分辨率卫星影像的道路宽度估计方法，其特征在于，包括以下步骤：

S1、截取不同宽度等级的道路块样本，将道路块样本转换为道路宽度描述符，利用不同宽度等级道路块样本转换得到的宽度描述符训练卷积神经网络以得到道路宽度类别预测模型；

S2、提取待进行宽度估计的卫星图像的道路中心线，沿道路中心线进行滑窗，以道路中心线上每个像素点为中心截取固定大小的道路块并转换为道路宽度描述符，利用S1所获得的道路宽度类别预测模型对该步骤所获得的道路宽度描述符进行预测，得到道路块属于每个宽度类别的概率；

S3、根据道路宽度的连续性及空间一致性定义道路宽度估计能量函数，对道路中心线上的每个像素点寻求一个最优的宽度类别使其对应的道路宽度估计能量函数取值最小，则各像素点所对应的最优的宽度类别的宽度范围即以各像素点为中心的道路块的宽度范围；

其中，道路宽度估计能量函数记为L＝{l₁…l_n}，其表示以像素p为中心的道路块的宽度类别集合,像素p为位于道路中心线上的像素点；D(P)＝1-P(p,l_i)，P(p,l_i)为以像素p为中心的道路块属于某一宽度类别l_i的概率，P(p,l_i)由训练好的道路宽度类别预测模型给出；S(L)为平滑项，表示对以像素p为中心的道路块宽度进行估计时，来自相邻道路宽度类别的影响；参数ε为平衡因子，调整平滑项对宽度估计结果的影响程度。

2.根据权利要求1所述的基于高分辨率卫星影像的道路宽度估计方法，其特征在于，步骤S1具体如下：

S11、将卫星图像中的道路宽度分为若干个等级，针对每种道路宽度图像等级，截取大量属于其宽度范围的道路块样本，所截取的道路块样本大小相同；

S12、将所截取的道路块样本转换为道路宽度描述符；

S121、以截取的道路块样本的中心为圆心，构建a个同心圆，a个同心圆的半径分别为道路块内切圆半径的1/a、2/a……7/a及1倍，将a个同心圆标记为C_n，其中n＝1,2……a；

S122、根据道路块中的像素值分布，将道路块中的像素值分为b个等长的像素值区间，记为I_m，其中m＝1,2……b，令max和min分别为道路块中最大像素值和最小像素值，则每个像素值区间的长度为(max-min)/b；统计每个圆范围内落在各像素值区间里的像素个数，将第n个圆内属于第m个区间范围内的像素个数记为N_n,m，并将每个圆范围内落在各像素值区间内的像素个数归一化到0-255范围内；

S123、将第n个圆内的像素值分布作为描述符的第n行，获得道路宽度描述符；

S13、将道路宽度描述符制作为训练样本，所述训练样本包括训练集和验证集，利用卷积神经网络对训练样本进行学习，获得道路宽度类别预测模型。

3.根据权利要求2所述的基于高分辨率卫星影像的道路宽度估计方法，其特征在于：步骤S2采用与步骤S12相同的方式将其截取的道路块转化为道路宽度描述符。

4.根据权利要求3所述的基于高分辨率卫星影像的道路宽度估计方法，其特征在于：步骤S1与S2中，还包括采用图像放大算法将所获得的道路宽度描述符放大若干倍的步骤。

5.根据权利要求4所述的基于高分辨率卫星影像的道路宽度估计方法，其特征在于：所述图像放大算法为最近邻插值算法。

6.根据权利要求1所述的基于高分辨率卫星影像的道路宽度估计方法，其特征在于，步骤S3中S(L)的计算具体为：

其中，N_p表示道路中心线上与像素p相邻的若干个像素的集合；l_i和l_q分别表示以像素p和q为中心的道路块的宽度类别；‖p-q‖为像素p与像素q之间的距离；当l_i＝l_q时，符号函数sign(l_i,l_q)取值为0，否则sign(l_i,l_q)取值为1。