A method and device for road intelligent extraction of satellite image based on depth learning is made. The method is to select some satellite image pictures, mark the road in the picture, construct the tagging database, use the convolution neural network to study independently, construct and use the learning model for the new input satellite image. The image carries on the road extraction; the result of the road extraction is judged, if it is correct, the road grid vectorization is carried out, otherwise the tagged database is returned to be annotated and studied; the road center line is traversed to the extracted road, and the central coordinates of the series center form the vector route. The invention provides autonomous learning by providing a large number of tagged data, then extracts the road for the new input satellite image pictures, and judges the results of the extraction, corrections the errors constantly, and improves the accuracy and recall of the road extraction of remote sensing images.
【技术实现步骤摘要】
道路智能提取方法和装置、提取模型构建方法及混合导航系统
本专利技术涉及图像识别领域,具体的,涉及利用基于深度学习的方法对卫星影像进行道路提取的方法和装置。
技术介绍
现有技术中对于道路识别,可以采用基于图像分割的方法,或者有限元方法。对于基于图像分割的方法,是根据一定的算法,比如K均值聚类算法、模糊C均值聚类算法等,将图像分割成有意义的斑块,根据斑块的特征进行道路的识别,提取道路片段或者道路种子点。但是该方法依赖于高分辨率的遥感影像,计算量大,自动分类困难。而有限元方法,大多集中在利用道路的几何特征性上,在低(边缘探测和纹理分析)、中(对低层次结果分析、选择和综合)进行,其中部分研究结合道路模型、道路有关的知识和规则进行,但总体效果不明显。上述算法存在通用性不强,对于不同分辨率或者不同季节的遥感影像存在很大的提取偏差的缺陷。因此,如何能够克服现有技术的缺陷,提高遥感影像道路自动提取的效率,成为现有技术亟需解决的技术问题。
技术实现思路
有鉴于此,本专利技术提供一种基于深度学习的卫星影像道路智能提取方法和装置,不依赖于传统的图像分割边缘提取等算法,通过提供大量的标注数据,让程序自主学习,不断矫正错误,提高遥感影像道路提取的正确率和召回率其中,本专利技术公开的一种基于深度学习的卫星影像道路智能提取方法包括如下步骤:选择部分卫星影像图片,将图片中的道路用特定颜色进行标注,从而得到训练样本,并构建标注数据库;利用对于训练样本,采用卷积神经网络的方法进行自主学习,并构建学习模型,并利用所述学习模型对于新输入的卫星影像图像进行道路提取;对于提取出来的道路,遍历每条道路进行 ...
【技术保护点】
1.一种卫星影像道路智能提取方法,其特征在于,包括如下步骤:采用预先构建的标注数据库及学习模型,对新输入的卫星影像图像进行道路提取;对于提取出来的道路,遍历每条道路的道路中心线,提取每条道路取宽度的中值,将中值像素点坐标作为矢量化后道路线的节点坐标,串联所述节点坐标形成矢量道路线。
【技术特征摘要】
1.一种卫星影像道路智能提取方法,其特征在于,包括如下步骤:采用预先构建的标注数据库及学习模型,对新输入的卫星影像图像进行道路提取;对于提取出来的道路,遍历每条道路的道路中心线,提取每条道路取宽度的中值,将中值像素点坐标作为矢量化后道路线的节点坐标,串联所述节点坐标形成矢量道路线。2.根据权利要求1所述的卫星影像道路智能提取方法,其特征在于,所述学习及提取道路步骤之后,对道路栅格矢量化步骤之前,还包括:对道路提取的结果进行判断,如果所述道路提取的结果正确,则进行道路栅格矢量化;否则,将所述道路提取的结果反馈给所述标注数据库。3.根据权利要求1或2所述的卫星影像道路智能提取方法,其特征在于,还包括:根据所述矢量道路线,更新地图数据。4.一种卫星影像道路智能提取模型的构建方法,其特征在于,包括:预先根据目标卫星影像图片,获取训练样本,并构建标注数据库;利用所述训练样本,采用卷积神经网络的方法进行自主学习,并构建学习模型;根据训练反馈及实际作业的记录,将利用提取模型得到的错误提取结果对应的原始卫星影像图片作为训练样本重新进行标注,对提取模型进行训练。5.根据权利要求4所述的卫星影像道路智能提取模型的构建方法,其特征在于,所述获取训练样本进一步包括:将待训练图片中的道路用特定颜色进行面状覆盖,其它则覆盖成半透明的颜色,生成取训练样本。6.根据权利要求4或5所述的卫星影像道路智能提取方法,其特征在于,所述采用卷积神经网络的方法进行自主学习,并构建学习模型,进一步包括:自下而上进行非监督学习,在学习得到第n-1层后,将n-1层的输出作为第n层的输入,训练第n层,由此分别得到各层的参数;再自上向下进行监督学习,基于第一步得到的各层参数进一步优化整个多层模型的参数。7.一种卫星影像道路智能提取装置,包括如下单元:提取单元,用于采用预先构建的标注数据库及学习模型,对新输入的卫星影像图像进行道路提取;道路栅格矢量化单元,用于对于提取出来的...
【专利技术属性】
技术研发人员:史川,
申请(专利权)人:北京四维图新科技股份有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。