【技术实现步骤摘要】
一种城市排水管网汇水区自动划分方法
[0001]本专利技术涉及一种基于卷积神经网络耦合变体残差学习单元的城市排水管网汇水区自动划分方法，属于环境工程、可见光遥感影像语义分割与计算机视觉交叉应用领域。
技术介绍
[0002]城市排水管网模型的建立过程主要包括汇水区划分、管段参数录入、关键涉水设施的参数设置、敏感性参数率定等环节。其中汇水区划分是整个排水管网模型的构建基础，划分结果精度的高低直接影响城市雨水在下渗、蒸发与径流过程的计算准确性。
[0003]在传统城市排水管网建模过程中，汇水区的划分主要分为两种方法，一是基于城市行政区划图、地形图、规划图等资料的人工手绘，划分精度较高，但耗时长、效率低；二是基于泰森多边形法则的汇水区机械性自动划分，以雨水检查井为中心划分为不规则多边形汇水区，划分速率快，但精度较低，雨水汇流方式与实际情况经常相差甚远。因此如何进行高效精确的汇水区划分，是城市排水管网模型建设过程中的重要瓶颈问题。
技术实现思路
[0004]针对现有汇水区划分效率不高的问题，本专利技术提供一种城...
【技术保护点】
【技术特征摘要】
1.一种城市排水管网汇水区自动划分方法，其特征在于，所述方法包括：S1、获取城市目标区域遥感图像，构建训练数据集；S2、利用卷积神经网络耦合变体残差网络来构建路网提取卷积神经网络模型，变体残差网络作为卷积神经网络的编码结构；S3、利用训练数据集训练路网提取卷积神经网络模型，确定路网提取卷积神经网络模型的参数；S4、将城市待划分区域遥感影像输入至路网提取卷积神经网络模型中，提取路网信息；S5、对提取的路网信息划分出汇水区域，结合雨水井点分布的先验信息，利用反距离加权的泰森多边形方法进一步划分出子汇水区。2.根据权利要求1所述的城市排水管网汇水区自动划分方法，其特征在于，所述S1包括：S11、利用地图下载工具下载城市遥感影像与城市道路图层，作为原始遥感图像；S12、对原始遥感图像进行HSV对比度变换和空间几何变换的数据増强处理；S13、对S12增强处理后的图像按照预定尺寸裁切；S14、对S13裁切后的原始遥感图像进行处理，包括：对道路图层进行二值化处理，得到仅有道路目标信息的二值图像，及对遥感图像进行阈值分割，划分出含有道路信息的区域；S15、分析并提取出道路特征：提取S14处理后的图像LBP特征，得到第一特征图；将S14处理后的图像滤波，再使用边缘检测一阶sobel算子或二阶canny算子提取图像特征，然后通过闭运算，得到第二特征图；将第一特征图、第二特征图与S14处理后的图像叠加，存入训练数据集。3.根据权利要求1所述的城市排水管网汇水区自动划分方法，其特征在于，所述S2中，构建路网提取卷积神经网络模型的方法包括：S21、构建变体残差网络作为编码结构，变体残差网络包括特征提取模块和特征融合模块；特征提取模块，用于对城市遥感图像进行下采样，完成特征提取，所述特征提取模块为一级双层卷积叠加四级变体残差学习单元连接；所述四级变体残差学习单元采用所包含的残差块数目分别为3，4，6，3，并在后面加入条状池化单元；所述变体残差学习单元包括主干路和次干路，主干路通过将特征图依次进行卷积化、批量归一化、激活函数非线性处理，再卷积化、激活函数非线性化得到第一更新特征图；次干路通过将特征图依次进行一次卷积化和批量归一化得到第二更新特征图像；将第一更新特征图与第二更新特征图进行叠加输出，完成特征提取；特征融合模块，用于对提取的特征进行上采样，完成特征融合，所述特征融合模块为四级叠加一层反卷积单元；S22、构建5级D
‑
Linknet膨胀卷积模块，其输入为S21中特征融合模块的输出；S23、构建解码结构，解码结构采用四级上采样模块后补充构建一层反卷积单元，连接Softmax函数模块。4.根据权利要求3所述的城市排水管网汇水区自动划分方法，其特征在于，所述S3中，
利用交叉熵损失函数用以监督路网提取卷积神经网络模型参数的训练优化，所述交叉熵损失函数为：其中正则化项为：f...
【专利技术属性】
技术研发人员：田禹，张天奇，李铭，马丽娜，胡智超，李俐频，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
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。