[发明专利]一种基于深度神经网络的遥感影像路网提取方法

说明书

本发明公开了一种基于深度神经网络的遥感影像路网提取方法，包括如下步骤：步骤1：算法架构；步骤2：线形与提取路网比对功能架构。本发明针对高分二号卫星高分辨率遥感影像，能够有效提取影像中的路网；读取GPS采集的路线线形，与高分遥感影像提取的路网比对，获得GPS采集线形与影像提取路网的匹配度，有效提升遥感影像识别精度，提升遥感影像与GPS线形比对效率，达到提升路线，采用了一种基于链码的路线追踪加权算法，能够有效识别路线特征进行比对，排除GPS精度误差产生的位置偏移对路线比对结果的影响，排除公共路网数据库因加密产生的位置平移带来的影响，同时能消除公共路网数据库多条路线交叉对比对过程带来的影响。

技术领域

本发明涉及公路建设管理领域，具体为一种基于深度神经网络的遥感影像路网提取方法。

背景技术

目前，GIS技术与高分辨率卫星遥感影像已广泛用于公路规划、建设与管理领域，如基于GPS采集公路的路线线形线位信息，并通过与高分遥感影像对GPS采集信息进行核对，对公路建设进度与建设规模进行分析，按照行业管理的要求，部分省份每年都需核对约为15万公里的农村公路电子地图信息，核对工作多采用人工目视解译方式完成，严重影响规划建设管理效率，GIS软件提供的路网提取工具识别精度不高，且需要大量前期处理工作，无法应用于较大批量影像数据的分析。因此我们对此做出改进，提出一种基于深度神经网络的遥感影像路网提取方法。

发明内容

为解决现有技术存在的缺陷，本发明提供一种基于深度神经网络的遥感影像路网提取方法。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明一种基于深度神经网络的遥感影像路网提取方法，包括如下步骤：

步骤1：算法架构；

步骤2：线形与提取路网比对功能架构。

作为本发明的一种优选技术方案，所述算法架构包括如下步骤：

步骤101：算法采用两层深度神经网络级联的方式，前级网络为N₁，次级网络为N₂；

步骤102：设输入图像为G_in，经过深度神经网络识别并提取路网后的输出图像为G_out，则有其中为两个深度神经网络级联构成的处理架构；

步骤103：前级架构用于识别提取遥感影像中的路面；次级网络用于后期处理，包括短中断衔接、小斑点消除等。

作为本发明的一种优选技术方案，所述线形与提取路网比对功能架构包括如下步骤：

步骤201：由GPS采集线形数据库读取一条GPS线形实采数据L_i；

步骤202：获取线形的最小外接矩形；

步骤203：以该矩形裁剪需提取路网的遥感影像，保留矩形区域内影像；

步骤204：将影像以640x640像素分幅裁剪为n幅，依次输入算法构成的深度神经网络，获得n个输出图像G_out(n)；

步骤205：将G_out(n)依照原始位置拼接，进行栅矢转换，将提取路面转换为多边形矢量；

步骤206：计算L_i落入多边形矢量范围内的比例D_i为所求。