一种道路网提取方法及装置制造方法及图纸

本发明专利技术涉及一种道路网提取方法及装置，属于地理数据处理技术领域。本发明专利技术首先提取影像节点位置并判断其空间属性，得到道路交叉口节点位置和类型；然后对得到的交叉口节点进行图像分割，利用辅助数据构造道路搜索缓冲区，并提取缓冲区中的方向纹理特征，根据所述的方向纹理特征确定经过交叉口节点的道路方向和分支数目；再根据各交叉口节点上的道路分支方向和道路分支数目确定交叉节点上的各道路的中心线；再根据各交叉口节点之间的空间位置和相邻关系，确定道路网的拓扑结构。本发明专利技术自动化程度高，能够提高道路网提取效率，同时通过少量的人工参数提高了道路网提取的准确性。

A Method and Device for Road Network Extraction

【技术实现步骤摘要】
一种道路网提取方法及装置
本专利技术涉及一种道路网提取方法及装置，属于地理数据处理

技术介绍
根据道路提取算法是否需要人机交互可将道路提取算法分为道路半自动提取和道路自动提取。道路半自动提取方法是目前比较有效的方式，首先由操员手工输入种子点或者道路模板等初始信息，然后计算机利用道路初始信息完成道路的识别与定位，较常用的道路半自动提取方法有主动轮廓模型法和模板匹配法。道路全自动提取算法则在道路提取阶段中不需要任何先验信息和人工辅助操作，独立完成道路的识别和定位，道路全自动提取是研究道路提取的最终目标，但从目前研究进展来看，现有的道路全自动提取算法鲁棒性差，提取结果仍需要大量人工后处理才能满足实际生产需求，距离实现这一目标仍有很长一段距离。由于高分辨率遥感影像上地物特征明显，细节丰富，可利用的信息和可运用的理论技术多种多样。Mean和Poullis对现有的遥感影像道路提取算法进行了全面地分析总结，根据道路提取算法中信息利用的层次将道路提取方法分为三类：基于像素的道路提取方法、基于区域的道路提取方法和基于知识的道路提取方法。基于像素的道路提取方法主要对像素级的信息进行处理和分析，从而推断出可能的道路信息；基于区域的道路提取方法是目前较常用的高分辨率遥感影像道路网提取方法，先通过图像分割算法或者分类算法将遥感影像分割成不同的区域，然后根据某种规则提取道路网；基于知识的道路提取算法需要融合多种数据，使用多种信息在更高层面上进行知识的挖掘、总结和表达，最终实现道路特征的识别和提取。上述方案虽然都能够实现道路的提取和识别，但是存在应用影像特征单一、智能化程度低的问题。
技术实现思路
本专利技术的目的是提供一种道路网提取方法，以解决目前道路网提取过程中存在应用影像特征单一、智能化程度低的问题；同时，本专利技术还提供了一种道路网提取装置，以解决目前道路网提取过程中存在应用影像特征单一、智能化程度低的问题。本专利技术为解决上述技术问题而提供一种道路网提取方法，该提取方法包括以下步骤：1)获取包含道路特征的遥感影像，从获取的遥感影像中提取道路交叉口节点位置和类型；2)对获取的交叉口节点进行图像分割，利用辅助数据构造道路搜索缓冲区，并提取缓冲区中的方向纹理特征，根据所述的方向纹理特征确定交叉口节点的道路分支方向和道路分支数目；3)根据各交叉口节点上的道路分支方向和道路分支数目确定交叉口节点沿各道路分支方向的道路中心线；4)判断各交叉口节点之间位置关系和各道路中心线，确定道路网的拓扑结构。本专利技术还提供了一种道路网提取装置，该提取装置包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所述处理器执行所述计算机程序时实现上述道路网提取方法。本专利技术可应用于高分辨率遥感影像道路信息采集作业当中，改变现有地理信息保障模式，通过少量人工参与完成高分分辨率遥感影像上具有一定宽度的道路信息采集任务，明显缩短成图周期，大大提高遥感影像自动化处理程度。进一步地，为了提高交叉口节点位置和类型识别的准确性，所述步骤1)中道路交叉口节点位置和类型的提取过程为：A.利用已训练的深度卷积神经网络对获取的遥感影像进行特征提取，得到交叉口节点特征；B.将获取的特征输入到区域生成网络RPN中，以得到候选框的特征信息；C.对候选框的特征信息进行分类，从而确定交叉口节点位置和类型。进一步地，为了避免道路上遮挡带来的干扰，提高道路中心线提取的准确性，所述步骤3)采用均值漂移的道路中心点匹配算法进行道路中心线的提取。进一步地，本专利技术给出具体的道路中心点匹配算法，所述的均值漂移的道路中心点匹配算法进行道路中心线的提取包括扩展卡尔曼滤波和基于MeanShift的道路中心点匹配。进一步地，所述步骤4)中道路网拓扑结构的确定过程如下：a.以任一道路交叉口节点为初始道路交叉口，沿该初始道路交叉口的任一道路分支方向和对应的道路中心线进行搜索，直至达到下一道路交叉节点或区域边界，完成该路段的构建，重复该过程，直至该道路交叉节点上所有道路分支搜索完毕；b.对初始道路交叉口的各道路分支方向上搜索到下一道路交叉节点分别按照步骤a的方式进行搜索，直至遍历所有交叉口节点。附图说明图1是本专利技术道路网提取方法的流程图；图2是本专利技术道路网提取方法实施例中的基于深度学习的立交桥模型训练流程图；图3是本专利技术道路网提取方法实施例中的深度卷积神经网络的模型图；图4是本专利技术道路网提取方法实施例中的区域生成网络的目标快速定位与识别流程图；图5是本专利技术道路网提取方法实施例中道路交叉节点的空间属性识别流程图；图6-a是本专利技术道路网提取方法实施例中方向纹理矩形图；图6-b是本专利技术道路网提取方法实施例中各个方向纹理特征值分布图；图7是本专利技术道路网提取方法实施例中道路中心线提取流程图；图8是本专利技术道路网提取方法实施例中道路组网流程图；图9是本专利技术道路网提取装置实施例中的装置软件架构处理流程图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步地说明。方法实施例本专利技术的提取方法总体流程是首先提取影像节点位置并判断其空间属性，得到道路交叉口节点位置和类型；然后对得到的交叉口节点进行图像分割，利用辅助数据构造道路搜索缓冲区，并提取缓冲区中的方向纹理特征，根据所述的方向纹理特征确定经过交叉口节点的道路方向和分支数目；再根据各交叉口节点上的道路方向和分支数目确定交叉节点上的各道路的中心线；再根据各交叉口节点之间的空间位置和相邻关系，确定道路网的拓扑结构；最后通过后处理方法对道路网进行修整获得最终的提取结果。该方法提取方法的关键技术是道路骨干节点检测、道路段搜索和道路网拓扑结构构建。该方法的具体实现流程如图1所示，具体过程如下：1.获取道路交叉口节点位置和类型。深度卷积神经网络作为深度学习模型的一种，能够从数据中自动学习并提取特征，其泛化能力显著优于传统方法，深度卷积神经网络是一种多层的监督学习网络，有输入层、隐含层(包括卷积层和下采样层)和输出层，通过误差反传算法优化网络结构，求解未知参数，最终形成包含样本类别数目的目标模型库，如图2所示，以立交桥的识别为例，首先建立包含各种立交桥目标的数据库，将数据库中的一部分样本作为训练数据集，另一部分样本作为验证数据集对训练后的深度卷积神经网络进行验证和修正，先利用训练数据集对深度卷积神经网络进行训练，得到相应的训练数据集特征，并将训练数据集特征输入到分类器中对分类器进行训练，分类器可采用SVM、MLP等；然后利用验证数据集对训练后的深度卷积神经网络，得到验证数据集特征，并将得到的验证数据集特征输入到训练后的分类器中进行验证。通过上述过程可以得到立交桥模型库，将获取的遥感影像输入到的该立交桥模型库就可以确定遥感影像中是否包含有立交桥以及立交桥特征。对专利技术而言，其目的是识别道路交叉口节点，而道路交叉口节点，特别是立交桥，作为复杂目标，在采用深度卷积神经网络进行识别时需要采用具有多个卷积神经网络层的训练结构，以提高目标检测的鲁棒性。如图3所示，本实施例中的深度卷积神经网络包括13层卷积层的网络结构。在通过深度卷积神经网络得到卷积特征后还需要对其进行分类。为了提高分类的效率，需要在分类前为其提供一定的候选区域，本实施例在检测过程中将卷积本文档来自技高网...

【技术保护点】
1.一种道路网提取方法，其特征在于，该提取方法包括以下步骤：1)获取包含道路特征的遥感影像，从获取的遥感影像中提取道路交叉口节点位置和类型；2)对获取的交叉口节点进行图像分割，利用辅助数据构造道路搜索缓冲区，并提取缓冲区中的方向纹理特征，根据所述的方向纹理特征确定交叉口节点的道路分支方向和道路分支数目；3)根据各交叉口节点上的道路分支方向和道路分支数目确定交叉口节点沿各道路分支方向的道路中心线；4)判断各交叉口节点之间位置关系和各道路中心线，确定道路网的拓扑结构。

【技术特征摘要】
1.一种道路网提取方法，其特征在于，该提取方法包括以下步骤：1)获取包含道路特征的遥感影像，从获取的遥感影像中提取道路交叉口节点位置和类型；2)对获取的交叉口节点进行图像分割，利用辅助数据构造道路搜索缓冲区，并提取缓冲区中的方向纹理特征，根据所述的方向纹理特征确定交叉口节点的道路分支方向和道路分支数目；3)根据各交叉口节点上的道路分支方向和道路分支数目确定交叉口节点沿各道路分支方向的道路中心线；4)判断各交叉口节点之间位置关系和各道路中心线，确定道路网的拓扑结构。2.根据权利要求1所述的道路网提取方法，其特征在于，所述步骤1)中道路交叉口节点位置和类型的提取过程为：A.利用已训练的深度卷积神经网络对获取的遥感影像进行特征提取，得到交叉口节点特征；B.将获取的特征输入到区域生成网络RPN中，以得到候选框的特征信息；C.对候选框的特征信息进行分类，从而确定交叉口节点位置和类型。3.根据权利要求1或2所述的道路网提取方法，其特征在于，所述步骤3)采用均值漂...

【专利技术属性】
技术研发人员：李润生，王载武，包全福，王勃，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41