[发明专利]一种基于北斗数据与遥感影像融合的路网提取方法及装置

说明书

一种基于北斗数据与遥感影像融合的路网提取方法及装置，属于地图影像处理领域，其特征在于包括如下步骤：对北斗轨迹数据进行单一采样点密度估计提取灰度骨架化路网；将北斗轨迹数据中的原始轨迹图与灰度骨架化路网的结果图进行匹配；对初始网路中心线进行拓扑几何优化；进行基于迭代的道路矢量图提取；将前述真值路网采用动态标签；对下一步路网决策真值与路网生长预测值进行计算损失；判断是否到达训练停止条件；通过一边从北斗导航数据中产生高质量路网标注数据，同时基于前者产生的样本数据展开规模化训练，则可直接从遥感影像中生成路网的矢量表示，无需导航数据辅助或后处理在基于卫星遥感影像提取中获得较高的提取精度。

技术领域

本发明属于地图影像处理领域，尤其涉及一种基于北斗数据与遥感影像融合的路网提取方法及装置。

背景技术

基于遥感影像的路网提取在城市规划、土地规划、军事行动等领域具有重要应用价值。目前路网提取的主流方法是首先从图像中获取道路信息，然后通过细化和骨架线提取获得道路骨架，最后将道路骨架连接成网。其中，遥感影像道路提取的主流方法是通过机器视觉语义分割技术从图像灰度信息生成路网分类概率，其输出结果包含图像中每个像素归属于道路类别的概率。此类基于语义分割的方法一般通过增大特征图感受野、综合挖掘多尺度信息、扩展注意力机制等方法提升道路提取精度，但仍然普遍存在对细小道路和非铺装道路提取精度差、易受植被和建筑物阴影影响等缺陷，所得道路连贯性差，存在大量错检和漏检，通常需要繁杂的后处理才能连接成网，且后续一般还需较多人工编辑以获得质量较为可靠的路网。由于道路分割结果难以保证绝对的高准确性，骨架线生成以及进一步的路网连接后处理需要考虑大量情况，在繁杂、严格的人工规则限制下进行路网生成，这大大限制了路网提取的应用范围，增加了算法升级和维护成本。此外，传统的包括道路分割、骨架线提取、后处理的三步走策略流程冗长，每一步中即使较小的误差都可能导致最终的提取结果与实际路网产生严重偏离。

发明内容

本发明旨在解决上述问题，提供一种可有效提高路网提取精度的基于北斗数据与遥感影像融合的路网提取方法及装置。

第一方面，本发明提供一种基于北斗数据与遥感影像融合的路网提取方法，包括如下步骤：对北斗轨迹数据进行单一采样点密度估计，生成核密度估计；根据核密度估计提取灰度骨架化路网；二进制骨架化路网提取方法在提取路网中心线时，根据阈值生成的是二值图，阈值的选取对骨架化路网结果影响较大，若降低阈值，会产生大量噪声路网，若提高阈值，在轨迹频率较低的地区可能会出现漏提问题，因此，简单的二进制骨架化路网提取方法难以得到理想的路网中心线，因此采用灰度骨架化路网提取方法；将北斗轨迹数据中的原始轨迹图与灰度骨架化路网的结果图进行匹配，生成初始路网中心线；对初始网路中心线进行拓扑几何优化得到完整路网中心线，生成真值路网；

引入卷积神经网络构建训练模型，进行基于迭代的道路矢量图提取；所述卷积神经网络包括编码网络、分割网络、迭代探索网络和解码网络；将遥感影像数据通过编码网络提取图像特征图；将图像特征图输入分割网络，进行道路分割和关键点分割，得到道路分割图和关键点分割图；以图像特征图、道路分割图、关键点分割图及通过前述真值路网获得的当前路网为输入，通过迭代探索网络输出下一步路网探索决策；将下一步路网探索决策输入解码网络进行路网预测，得到与输入的遥感影像相匹配的路网生长预测值；将前述真值路网采用动态标签，于训练模型的每次迭代处动态生成下一步路网决策真值；

对下一步路网决策真值与路网生长预测值进行计算损失，并根据计算结果更新训练模型参数；判断是否到达训练停止条件；没有达到，则继续迭代计算；达到，则保存模型参数，输出最终的决策路网真值。

进一步，本发明所述基于北斗数据与遥感影像融合的路网提取方法，所述生成核密度估计具体包括：从北斗估计数据中选取搜索区域，将搜索区域离散为米方格单元，然后计算轨迹经过每个方格单元的次数，生成一二维直方图；将二维直方图与正态分布函数进行卷积，用卷积结果表示定位误差，得到近似的核密度估计。