[发明专利]一种利用众源数据辅助遥感影像提取城市道路的方法

权利要求书

1.一种利用众源数据辅助遥感影像提取城市道路的方法，其特征在于，包括如下步骤：

(1)对获取的众源数据进行预处理；

(2)基于局部马氏距离分类自动生成训练样本，并利用深度学习算法对高分辨率遥感影像进行分割，获取候选道路数据；

(3)结合方向一致性分割和张量投票算法，将断裂的道路连接成路网；

(4)基于自适应椭圆拟合算法聚类，并利用椭圆扁率剔除易混淆场景，使用线拟合得到道路中心线，代表路网集合R的像元的值为1(I(r)＝1)，则路网面积为：

包含k个椭圆的集合E_i,该集合内椭圆的总面积为：

E^*＝argmax(α(E)),s.t.S_R＝S_E (9)

其中I(p)是落入路网R的像元的集合，U(p)是落入E_i中像元的集合，E*是E中椭圆参数的集合；在两个集合面积相等约束条件下寻求最少的参数；

利用AIC(赤池信息量准则)来选择最优的k值：

AIC＝Cln(1-α(E))+2k (10)

其中C是模型复杂度，k是椭圆个数，每个椭圆的参数是固定的，E*的大小由k决定，确定椭圆的个数k后，使用GMM-EM算法来演化和确定椭圆参数，使椭圆的形状适于拟合道路的形状，得到椭圆参数的最优解。

2.根据权利要求1所述的利用众源数据辅助遥感影像提取城市道路的方法，其特征在于，步骤(1)中所述的众源数据为OpenStreetMap数据，所述的预处理包括数据清洗和自动配准，所述数据清洗为选择道路宽度大于5m的道路，去除重叠冗余的数据；所述自动配准首先将数据清洗后的道路数据栅格化为同遥感影像相同空间分辨率的栅格数据，再使用模板匹配的方法在两幅对应影像中自动寻找特征点并选取其中质量高的特征点作为控制点进行配准。

3.根据权利要求2所述的利用众源数据辅助遥感影像提取城市道路的方法，其特征在于，所述OpenStreetMap数据经过预处理后，作为马氏距离分类的参考样本，同时利用OTSU算法计算马氏距离分类的阈值；

这一过程基于马氏距离分类器，如下式：

其中，x是待分类的像元各个波段的值，y是参考样本像元各个波段的值,D_M(x)表示待分类像元与样本之间的距离,D_M(x)的值越小，则该像元可以成为训练样本的概率越大；使用阈值δ分割得到D_M(x)，阈值δ的大小使用OSTU算法来设定。

4.根据权利要求2所述的利用众源数据辅助遥感影像提取城市道路的方法，其特征在于，步骤(2)中所述的利用深度学习算法对高分辨率遥感影像分割，获取候选道路数据的过程如下：

使用U-net网络作为基础网络搭建语义分割模型，包含特征提取部分和上采样部分；特征提取部分包括四个降采样部分，每一次降采样过程包含两个卷积层和一个最大池化层；上采样部分包括四个上卷积操作，每一次上采样过程中包含两个卷积层和一个反卷积层，用于恢复图片的尺寸；

卷积层使用0填充卷积，激活函数使用relu，池化和反卷积的步长设为2；使用crossentropy loss函数代替BCE loss函数，验证网络时使用Dice_coffee loss,网络的优化器选择Adam代替SGD；

第一次降采样使用64个卷积核，在卷积操作时使用panding操作使图像尺寸不发生改变并使模型拥有足够的参数，池化操作在减小尺度的情况下保留特征信息，以增加模型的容错性；第二、三、四层降采样操作分别使用128、256、512个卷积核，stridse为1，padding为1，其卷积层不会改变图像尺寸，池化使模型的尺寸缩小为原来的一半，经过四次降采样操作后连接两个1024个卷积核的卷积层，完成特征提取；

第一、二、三次上采样在经过反卷积操作后图像的尺寸恢复到原来的两倍，分别使用512、256、128的卷积核，第四次上采样使用64的卷积核并进行一次反卷积操作，最终将图片恢复到输入的尺寸，并将图片拼合起来完成获取候选道路。