一种基于多分支金字塔神经网络的遥感影像道路提取方法技术

本发明专利技术公开了一种利用卷积神经网络提取遥感影像上完整道路信息的方法。构造了构建一个多分支的金字塔神经网络，通过两个并行的特征恢复结构以及基于几何结构分析和特征点提取的后处理技术，充分挖掘低层位置信息和高层语义信息，解决卫星影像上道路提取时面临的道路稀疏性问题和被植被建筑物等遮挡造成的道路断裂问题。本方法通过稀疏性检验和设计新的损失函数，综合考虑了道路分布的稀疏性和样本的不均衡性，使网络更关注稀疏的、难分类的道路像素。同时，针对道路被植被和建筑物遮挡的情况，本方法基于几何特征点分析进行自动化的断裂检测和断裂连接，提高了道路提取的精确率，在计算机视觉和遥感道路提取等场景中具有重要的实际应用价值。重要的实际应用价值。重要的实际应用价值。

【技术实现步骤摘要】
一种基于多分支金字塔神经网络的遥感影像道路提取方法


[0001]本专利技术方法属于地理信息系统领域和计算机视觉领域，特别涉及使用卷积神经网络提取遥感影像上的道路信息。

技术介绍

[0002]道路作为重要的基础地理信息数据，在城市规划、交通物流、应急救灾、出行导航等方面具有重要作用。目前，实现道路信息的提取和更新主要包含以下几种：(1)传统测绘方式：依靠人工实地测量和记录；(2)基于GPS轨迹的道路提取：通过专业的GPS轨迹采集车、出租车以及人的出行轨迹来分析道路信息。以上两种方式需要耗费大量的人力物力，前期数据采集的时间长，整个道路信息的提取和更新周期长，不适用于大范围内的道路信息的及时更新。遥感影像具有时效性强、覆盖范围广等特点，能够快速的获取大范围的地物信息，随着高分辨率卫星影像的发展和普及，高分辨率遥感影像成为道路信息提取和更新的重要数据来源。但随之产生的是一系列的提取困难：(1)道路受到建筑物、植被阴影的遮挡从而发生断裂；(2)道路的色彩、宽度，形状在不同的地区差异很大；(3)相对于影像上的植被、水体等地物，道路分布具有稀疏性特征。这些本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多分支金字塔神经网络的遥感影像道路提取方法，其特征在于，包括如下步骤：步骤1，根据实际业务需求，选择公开的卫星影像道路数据集或自行制作道路数据集并对数据集进行预处理；步骤2，设计并训练多分支金字塔神经网络模型，用于提取道路，所述多分支金字塔神经网络模型包括至下而上的特征提取路径，自上而下的特征恢复路径，特征金字塔路径和特征融合4个部分，通过融合特征金字塔和特征恢复路径能够更好的提取低层次的位置信息和高层次的语义信息，增强模型的推理能力和鲁棒性；步骤3，基于几何特征点分析的道路提取后处理。2.根据权利要求1所述的一种基于多分支金字塔神经网络的遥感影像道路提取方法，其特征在于：步骤1中预处理分为标准化、滑窗裁剪和稀疏性检验3个部分，具体实现方式如下，步骤1.1，标准化，对于亮度变化敏感的遥感影像，将样本数据通过去均值实现中心化的处理，根据凸优化理论，数据中心化符合数据分布规律，更容易取得训练之后的泛化效果，具体计算方式如公式(1)所示；式中：X
S
和X0分别表示标准化前后的图像矩阵，μ为图像均值，σ为图像标准差，N为图像中的像素数量；步骤1.2，滑窗裁剪，使用滑动窗口按照一定步长将原始样本裁剪为固定大小；步骤1.3，稀疏性检验，遥感影像上的道路分布具有稀疏性，样本中存在没有道路或者道路像素很少的样本，导致训练过程中的样本不均衡，影响模型的收敛，通过计算稀疏性指标β来衡量单个样本中道路的稀疏程度，筛选出β大于某一阈值的样本参与神经网络训练，β的计算公式如公式(2)所示；式中：m为单一样本中属于前景的像素数量，n为单一样本中属于背景的像素数量。3.根据权利要求1所述的一种基于多分支金字塔神经网络的遥感影像道路提取方法，其特征在于：步骤2中的具体实现方式如下，步骤2.1，自下而上的特征提取路径，用于神经网络特征提取；在特征提取阶段采用残差模块作为编码器，并且在残差模块中增加了归一化层，加速网络收敛速度，提升训练的稳定性，一个残差模块如公式(3)所示。X
l+1
＝F(X
l
)+X
l
ꢀꢀ
(3)式中：X
l
和X
l+1
分别为第l层残差模块的输入和输出，F()代表残差映射，包括BN层、ReLU和卷积层；步骤2.2，自上而下的特征恢复路径；通过卷积和上采样模块恢复道路的细节信息和结构信息到输入的尺寸，为了获取更精确的位置信息，将自下而上特征提阶段获取的多尺度特征与上采样结果进行并联，最后使用两个3
×
3卷积使并联后的特征通道数量减半，特征
恢复路径如公式(4)所示；X
l
＝W(C(K
l-2
，B(X
l+1
)))
ꢀꢀ

【专利技术属性】
技术研发人员：张文，李俊杰，孟诣卓，顿玉多吉，魏晓冰，张志远，
申请(专利权)人：武汉大学，
类型：发明
国别省市：