基于深度学习的高分遥感影像道路变化检测装置及方法制造方法及图纸

本发明专利技术公开基于深度学习的高分遥感影像道路变化检测装置，包括：影像校正单元、影像绘制单元、数据处理单元、特征深度学习单元、通信单元、终端设备；影像校正单元用于采集道路的高分辨率遥感影像，并获得道路校正影像；影像绘制单元基于道路校正影像绘制标签图；数据处理单元用于对道路校正影像和标签图进行分割处理；特征深度学习单元用于进行深度学习，并构建ASPP AttR2U

【技术实现步骤摘要】
基于深度学习的高分遥感影像道路变化检测装置及方法


[0001]本专利技术涉及遥感影像智能解译
，特别涉及基于深度学习的高分遥感影像道路变化检测装置及方法。

技术介绍

[0002]随着遥感卫星的技术不断进步，对地观测获取高空间分辨率遥感影像也越来越容易，因高分辨率遥感影像内各地物的各种纹理、色彩、空间等特征信息比较明显，所以高分辨率遥感影像逐渐成为遥感地物信息处理的重要影像数据。
[0003]伴随着城乡建设快速发展，人类活动逐渐加剧，土地利用类型变化的速度日益加快，幅度日益加大，如何快捷高效地监测并更新土地利用类型成为遥感学科亟待解决的问题。土地利用类型更新最重要的环节是变化区域提取，即变化检测。目前土地利用变化检测的方式主要为人工目视解译，不仅耗费大量的人力，而且时间长，效果差，缺漏严重。随着土地变化速度的加剧，环境复杂性的加深以及遥感数据多样性的增加，传统的方法已经不能很好适应变化检测的需求。
[0004]为了解决上述问题，近年来使用机器学习的方法对高分辨率遥感影像进行地物变化检测的研究不断深入，使用机器学习的方法一般先本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的高分遥感影像道路变化检测装置，其特征在于，包括：影像校正单元、影像绘制单元、数据处理单元、特征深度学习单元、通信单元、终端设备；所述影像校正单元、影像绘制单元、数据处理单元、特征深度学习单元、通信单元、终端设备依次相连；所述影像校正单元用于采集道路的高分辨率遥感影像，并对所述高分辨率遥感影像进行辐射误差校正、几何误差校正、图像增强处理，获得道路校正影像；所述影像绘制单元基于所述道路校正影像绘制标签图；所述数据处理单元用于对所述道路校正影像和所述标签图进行分割处理，获取分割数据集；所述特征深度学习单元用于对所述分割数据集进行深度学习，通过Inception结构提取所述分割数据集的特征，并基于所述特征构建ASPP AttR2U
‑
Net模型，基于所述ASPP AttR2U
‑
Net模型获取所述道路的变化结果；所述通信单元用于将所述道路的变化结果传输至所述终端设备中。2.根据权利要求1所述的基于深度学习的高分遥感影像道路变化检测装置，其特征在于，所述影像校正单元包括采集模块和校正模块；所述采集模块、校正模块、影像绘制单元依次相连；所述采集模块用于采集所述道路的高分辨率遥感影像；所述校正模块用于对所述高分辨率遥感影像进行辐射误差校正、几何误差校正、图像增强处理，获得所述道路校正影像。3.根据权利要求2所述的基于深度学习的高分遥感影像道路变化检测装置，其特征在于，所述影像绘制单元包括解译模块和勾绘模块；所述校正模块、解译模块、勾绘模块、数据处理单元依次相连；所述解译模块用于对所述道路校正影像进行加载和人工目视解译，获得解译影像；所述勾绘模块用于对所述解译影像中道路变化的图斑进行勾绘，获得所述标签图。4.根据权利要求3所述的基于深度学习的高分遥感影像道路变化检测装置，其特征在于，所述数据处理单元包括分割模块和集合模块；所述解译模块和所述勾绘模块均与所述分割模块相连；所述分割模块、集合模块、特征深度学习单元依次相连；所述分割模块用于对所述道路校正影像和...

【专利技术属性】
技术研发人员：孔祥兵，王逸男，郭凯，赵春敬，赵金涛，李聪毅，杨刚凤，王志慧，黄静，孙维营，刘杨，
申请(专利权)人：黄河水利委员会黄河水利科学研究院，
类型：发明
国别省市：