[发明专利]一种基于遥感图像和浮动车轨迹的路网生成方法及系统

权利要求书

1.一种基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，包括以下步骤：

获取轨迹图层和高分影像，对所述轨迹图层执行栅格化操作，得到第一轨迹图层；

利用所述第一轨迹图层和所述高分影像训练第一神经网络，得到第二神经网络，输入所述第一轨迹图层和所述高分影像至所述第二神经网络，得到第一道路栅格图层；

利用高斯卷积核对所述第一轨迹图层执行核密度估计操作，得到第二轨迹图层；

对所述第二轨迹图层执行二值化操作，得到第二道路栅格图层；

将所述第一道路栅格图层和所述第二道路栅格图层叠加并通过燃烧算法进行计算，得到道路图层；

其中，

将所述第一道路栅格图层和所述第二道路栅格图层叠加，得到第三道路栅格图层；

确定所述第三道路栅格图层中的交叉像元，通过所述燃烧算法对所述交叉像元进行计算，得到所述道路图层。

2.根据权利要求1所述的基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，所述第一轨迹图层的分辨率与所述高分影像的分辨率相同。

3.根据权利要求1所述的基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，所述对所述轨迹图层执行栅格化操作这一步骤，通过以下公式实现：

其中，x,y代表所述轨迹图层的投影坐标；min(x),min(y)代表所述投影坐标的最小值；cellsize代表所述高分影像的分辨率；height代表所述第一轨迹图层的图像高度。

4.根据权利要求1所述的基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，所述利用所述第一轨迹图层和所述高分影像训练第一神经网络，得到第二神经网络这一步骤，包括：

获取所述第一神经网络；

利用所述第一轨迹图层和所述高分影像构建样本集，对所述样本集中的样本进行随机分配，得到训练集和验证集；

通过所述训练集和所述验证集对所述第一神经网络进行训练，得到所述第二神经网络。

5.根据权利要求4所述的基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，所述对所述样本集中的样本进行随机分配，得到训练集和验证集这一步骤，通过以下公式实现：

S_train＝n_train×S_total，S_test＝n_test×S_total

其中，S_train代表所述训练集；S_test代表所述验证集；S_total代表所述样本集；n_train代表所述训练集占所述样本集的比例；n_test代表所述验证集占所述样本集的比例；n_train和n_test的和等于1。

6.根据权利要求4所述的基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，所述第二神经网络的损失值通过以下公式计算得到：

Loss＝DiceLoss+CrossEntorpy

其中,Loss代表损失值；DiceLoss代表dice损失函数；CrossEntorpy代表交叉熵损失函数。

7.根据权利要求6所述的基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，所述dice损失函数通过以下公式实现：

其中，|X∩Y|代表集合X、Y之间共同的元素；|X|和|Y|分别代表集合X和Y中元素的个数。

8.根据权利要求1所述的基于遥感图像和浮动车轨迹的路网生成方法，其特征在于，所述对所述第二轨迹图层执行二值化操作这一步骤，通过以下公式实现：

其中，x代表输入值；threshold代表阈值。

9.一种基于遥感图像和浮动车轨迹的路网生成系统，其特征在于，包括以下模块：

栅格化模块，用于获取轨迹图层和高分影像，对所述轨迹图层执行栅格化操作，得到第一轨迹图层；

神经网络训练模块，用于利用所述第一轨迹图层和所述高分影像训练第一神经网络，得到第二神经网络；输入所述第一轨迹图层和所述高分影像至所述第二神经网络，得到第一道路栅格图层；

核密度估计模块，用于利用高斯卷积核对所述第一轨迹图层执行核密度估计操作，得到第二轨迹图层；

二值化模块，用于对所述第二轨迹图层执行二值化操作，得到第二道路栅格图层；

道路图层生成模块，用于将所述第一道路栅格图层和所述第二道路栅格图层叠加并通过燃烧算法进行计算，得到道路图层；其中，将所述第一道路栅格图层和所述第二道路栅格图层叠加，得到第三道路栅格图层；确定所述第三道路栅格图层中的交叉像元，通过所述燃烧算法对所述交叉像元进行计算，得到所述道路图层。