【技术实现步骤摘要】
一种遥感图像道路识别方法及系统
[0001]本专利技术涉及图像识别
，具体涉及一种遥感图像道路识别方法及系统。
技术介绍
[0002]地物是指地面上各种有形物（如道路、山川、森林、建筑物等）和无形物（如省、县界等）的总称。为了满足人们生活及城市发展等各方面研究的需求，需要对道路、山川、森林、建筑物等地物进行识别。随着遥感卫星技术的快速发展以及遥感卫星影像分辨率的不断提高，利用遥感卫星影像进行地物识别一直是重要的研究。原始遥感图像的尺寸较大，并且由于遥感图像中地物的多样性以及复杂性，在进行地物识别之前需要将原始图像裁剪为合适尺寸的地物图像，也就是先进行分割。
[0003]现有的分割方法是人工方式和自动分割两种，其中人工方式是需要通过人的经验，人为地将原始图像中的不同地物框选出来；自动分割方式是对遥感图像进行处理实现自动分割。
[0004]然而，由于遥感图像尺寸过大，图像中的地物过多，人为分割道路的准确度会受到主观影响；自动分割中会存在过分割和欠分割的误差，降低道路识别的准确度。
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种遥感图像道路识别方法，其特征在于，包括：对获取的遥感图像进行语义分割，得到道路图像；利用连通域分析算法对道路图像灰度图中的像素点进行连通域分析，得到所有疑似道路连通域；获取各个疑似道路连通域中的多个特征点作为关键点，利用各关键点及其邻近像素点到其疑似道路连通域的道路边缘方向的欧式距离，对各个疑似道路连通域中的支路进行分割，得到所有初次分割后道路连通域；利用PCA算法获取所有初次分割后道路连通域的主成分方向，根据初次分割后道路连通域的主成分方向中的最大特征值和最小特征值对应的主成分方向方差，获得各初次分割后道路连通域的长轴方向及短轴方向的方差；根据初次分割后道路连通域的边缘点曲率和边缘点对之间的距离相对于道路宽度的差值，得到各初次分割后道路连通域的边缘规则程度；利用各初次分割后道路连通域的长轴方向及短轴方向的方差和边缘规则程度计算得到各初次分割后道路连通域为非道路区域的概率；根据初次分割后道路连通域为非道路区域的概率对非道路连通域进行剔除，得到道路区域；根据道路区域中像素点的修正概率及标签号对存在遮挡的道路区域进行修正，得到细分割后的道路区域；根据细分割后的道路区域对道路进行识别。2.如权利要求1所述的一种遥感图像道路识别方法，其特征在于，得到道路图像具体包括以下步骤：输入采集到的遥感RGB图像，使用训练好的DNN网络对遥感RGB图像进行语义分割，得到语义分割后的道路图像；其中，DNN网络结构为Encoder
‑
Decoder结构，训练数据集为各种包含道路的遥感RGB图像；训练数据集的标签分为道路和背景，训练用的loss函数为交叉熵损失函数。3.如权利要求1所述的一种遥感图像道路识别方法，其特征在于，到所有疑似道路连通域具体包括以下步骤：对得到的道路图像灰度化处理，得到遥感灰度图像；使用种子填充算法对遥感灰度图像中标签号为道路的像素点进行连通域分析，则每个连通域即为疑似道路连通域。4.如权利要求1所述的一种遥感图像道路识别方法，其特征在于，得到所有初次分割后道路连通域具体包括以下步骤：对各个疑似道路连通域进行边缘检测，得到各个疑似道路连通域中所有像素点的梯度方向；对各个疑似道路连通域进行角点检测，得到各个疑似道路连通域的特征关键点；根据各特征关键点及其邻域内像素点的梯度方向得到各特征关键点的梯度方向直方图；根据各特征关键点的梯度方向直方图中占比最大的两个梯度方向确定各个疑似道路连通域的两个道路边缘方向；
计算各特征关键点及其邻近像素点分别到两个道路边缘方向的欧式距离和的平均值，得到各特征关键点与两个道路边缘方向的距离；根据各特征关键点与两个道路边缘方向的距离将各特征关键点分为道路交叉点和异常特征点；将距离最近的道路交叉点划分为相同支路上的特征关键点，将相同支路上的特征关键点进行连线，对各个疑似道路连通域中的支路进行分割，得到所有初次分割后道路连通域。5.如权利...
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。