基于遥感影像的道路提取方法、装置、介质及设备制造方法及图纸

本文提供一种基于遥感影像的道路提取方法、装置、介质及设备。该方法包括：对遥感影像中的道路进行绘制，并转换为二分类图像；对遥感影像及二分类图像进行分割，制作遥感影像样本和二分类图像样本；对二分类图像样本进行边缘符号距离变换，得到与所述二分类图像样本一一对应的边缘符号距离图像样本；使用对应的遥感影像样本、二分类图像样本、边缘符号距离图像样本训练道路提取模型；使用训练后的道路提取模型对遥感影像进行道路提取。在提取道路时，对道路连续性性能改善明显，能够克服大部分的遮挡问题。

【技术实现步骤摘要】
基于遥感影像的道路提取方法、装置、介质及设备
本专利技术涉及属于信息
，尤其涉及基于遥感影像的道路提取方法、装置、介质及设备。
技术介绍
道路信息是最重要的地理信息元素之一，在自动驾驶、灾害应急响应等方面应用中发挥着重要作用。随着遥感技术的发展和深度学习技术的成熟，基于cnn的高时空分辨率的遥感图像道路提取算法层出不穷，允许对道路进行大规模监测。故而遥感影像数据迅速成为路网自动提取的重要数据源，从遥感图像中自动提取道路的算法研究已成为焦点。但目前的研究主要集中在城市地区的道路提取，由于偏远地区的道路往往狭窄、宽度多变、存在严重树冠、阴影遮挡等问题，这些针对城市地区的道路提取算法在偏远地区往往效果差强人意，尤其是道路不连续性和破碎的问题会很严重。
技术实现思路
本专利技术旨在解决上面描述的问题。具体地，本专利技术提供一种基于遥感影像的道路提取方法、装置、介质及设备。根据本文的第一方面，提供一种基于遥感影像的道路提取方法，包括：对遥感影像中的道路进行绘制，并转换为二分类图像；r>对遥感影像及二分本文档来自技高网...

【技术保护点】
1.基于遥感影像的道路提取方法，其特征在于，包括：/n对遥感影像中的道路进行绘制，并转换为二分类图像；/n对所述遥感影像及所述二分类图像进行分割，制作遥感影像样本和二分类图像样本，所述遥感影像样本与所述二分类图像样本一一对应；/n对所述二分类图像样本进行边缘符号距离变换，得到与所述二分类图像样本一一对应的边缘符号距离图像样本；/n使用对应的所述遥感影像样本、所述二分类图像样本、所述边缘符号距离图像样本训练道路提取模型；/n使用训练后的道路提取模型对遥感影像进行道路提取。/n

【技术特征摘要】
1.基于遥感影像的道路提取方法，其特征在于，包括：
对遥感影像中的道路进行绘制，并转换为二分类图像；
对所述遥感影像及所述二分类图像进行分割，制作遥感影像样本和二分类图像样本，所述遥感影像样本与所述二分类图像样本一一对应；
对所述二分类图像样本进行边缘符号距离变换，得到与所述二分类图像样本一一对应的边缘符号距离图像样本；
使用对应的所述遥感影像样本、所述二分类图像样本、所述边缘符号距离图像样本训练道路提取模型；
使用训练后的道路提取模型对遥感影像进行道路提取。


2.如权利要求1所述的基于遥感影像的道路提取方法，其特征在于，所述对所述二分类图像样本进行边缘符号距离变换包括：
确定所述二分类图像样本中的每一像素点到位于道路边缘上的最近点的距离Di，基于Di确定全部像素点的边缘符号距离。


3.如权利要求2所述的基于遥感影像的道路提取方法，其特征在于，其中，xi为像素点位置，xj为道路边缘上与xi最近的像素点位置，ED为欧几里得距离。


4.如权利要求3所述的基于遥感影像的道路提取方法，其特征在于，所述基于Di确定全部像素点的边缘符号距离包括：
边缘符号距离为BSDi，则其中，Htanh为HardTanh函数，α为比例系数，F为前景区域，B分别背景区域。


5.如权利要求1所述的基于遥感影像的道路提取方法，其特征在于，所述道路提取模型包括ResNet框架，距离回归任务分支，分类任务分支。


6.如权利要求5所述的基于遥感影像的道路提取方法，其特征在于，所述使用对应的所述遥感影像样本、所述二分类图像样本、所述边缘符号距离图像样本训练道路提取模型包括：

【专利技术属性】
技术研发人员：陈若男，彭玲，刘玉菲，吕蓓茹，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11