[发明专利]遥感影像道路提取方法及装置

权利要求书

1.一种遥感影像道路提取方法，其特征在于，包括：

获取目标遥感影像；

将所述目标遥感影像输入至训练好的深度学习网络，输出所述目标遥感影像中不同类型的道路，其中，所述深度学习网络基于恒等映射和空洞卷积构建而成。

2.根据权利要求1所述的遥感影像道路提取方法，其特征在于，训练所述深度学习网络的具体步骤如下：

将遥感影像样本统一分割成预设大小的子样本，并对每一子样本进行道路标定；

对于每一子样本，利用编码网络提取高维特征；

再利用解码网络提取低维特征，并将所述高维特征和所述低维特征进行联结。

3.根据权利要求2所述的遥感影像道路提取方法，其特征在于，所述利用编码网络提取高维特征，具体包括：

利用三组卷积块提取基本特征；

再基于所述基本特征，利用第一分支编码网络提取第一分辨率的全局特征；利用第二分支编码网提取第二分辨率的局部特征，其中，所述编码网络包括所述三组卷积块、所述第一分支编码网络和所述第二分支编码网，所述第一分支编码网络包括两个瓶颈块和一个带有四个分支的空洞卷积，所述第二分支编码网络使用空洞卷积代替池化操作，所述高维特征包括所述第一分辨率的全局特征和所述第二分辨率的局部特征。

4.根据权利要求2所述的遥感影像道路提取方法，其特征在于，所述再利用解码网络提取低维特征，并将所述高维特征和所述低维特征进行联结，具体包括：

利用一个反卷积层和三个卷积层复原特征影像细节；

使用残差网络的前两个积块用来提取所述低维特征；

再使用一个卷积层将所述低维特征和所述高维特征进行联结。

5.根据权利要求2所述的遥感影像道路提取方法，其特征在于，还包括：

使用二元交叉熵代替损失函数来训练所述解码网络。

6.根据权利要求1所述的遥感影像道路提取方法，其特征在于，输出的道路的类型至少包括城市道路、乡村道路和小区道路。

7.一种遥感影像道路提取装置，其特征在于，包括：

获取模块，用于获取目标遥感影像；

提取模块，用于将所述目标遥感影像输入至训练好的深度学习网络，输出所述目标遥感影像中不同类型的道路，其中，所述深度学习网络基于恒等映射和空洞卷积构建而成。

8.根据权利要求7所述的遥感影像道路提取装置，其特征在于，还包括训练模块，用于：

将遥感影像样本统一分割成预设大小的子样本，并对每一子样本进行道路标定；

对于每一子样本，利用编码网络提取高维特征；

再利用解码网络提取低维特征，并将所述高维特征和所述低维特征进行联结。

9.一种电子设备，包括存储器、处理器，以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1至6任一项所述遥感影像道路提取方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至6任一所述遥感影像道路提取方法的步骤。