一种遥感图像中道路的自动识别方法技术

本发明专利技术提供一种遥感图像中道路的自动识别方法，包括以下步骤：S1对遥感图像进行预处理；S2使用预训练的道路识别模型得到线状道路特征图；S3对线状道路特征图进行修复、矢量化和规则化处理；S4根据预设的判定条件识别出异常十字路口骨架线；S5基于异常十字路口骨架线构建坐标系，进行邻域分析，过滤后得到有效特征信息；S6将编码处理后的有效特征信息和标签信息的遥感图像作为样本集；S7将样本集输入预训练的道路识别模型，获取优化后的模型；S8使用优化后的模型对新任务遥感图像进行道路自动化识别。本发明专利技术优化后的模型提高了道路识别的精度的同时能够实现对异常十字路口自动识别，减少人工操作，为后期道路后处理提供便利。为后期道路后处理提供便利。为后期道路后处理提供便利。

【技术实现步骤摘要】
一种遥感图像中道路的自动识别方法


[0001]本专利技术涉及遥感图像处理领域，具体涉及一种遥感图像中道路的自动识别方法。

技术介绍

[0002]使用高分辨率遥感图像提取道路信息是一种经济高效手段，不仅可以通过目视比对非常直观、方便地验证提取结果，而且其成本也明显低于基于野外实测数据或移动轨迹数据的道路信息获取方式。但遥感图像中的地物光谱信息丰富、分布复杂，“同物异谱”与“异物同谱”的现象普遍存在，同一类型的地物光谱特征差异变大，不同类型的地物光谱相似，图像的光谱可分性降低。目前，从高分辨率遥感图像中提取道路信息仍面临许多困难与挑战。
[0003]同时，路口是道路网的重要组成部分，位于道路会合处。准确的路口信息对图像配准、智能交通、GIS数据更新与道路变化检测等均有重要意义。通常，城市道路较为平直，因此利用路口可判断出城市道路网的大致结构，比如：连接相邻路口可获得该地区道路网的概貌。由于道路的建筑材料与周围其他地物类似，有着相似的光谱特征，另一方面，路口容易受到周围建筑物、停车场、阴影、植被、车辆等干扰。
[0004]道路的追踪提取算法在遇到十字交叉路口时或者过程中会中断，或者盲目地选择一条岔路继续进行追踪，而且转向后可能环绕一个矩形街区又回到先前的路段进行重复提取，追踪在遇到十字路口呈现出很大的不可控性，导致十字交叉路口提取异常。
[0005]从目前的研究现状看，研究人工干预的半自动方法以便快速、准确地提取道路是目前最多的选择，通过人工干预，根据经验分析、归纳解译结果目标对象图形的几何特征，选择需要进行处理的图像及处理算法。此外，通过人工干预识别道路中异常的十字路口，增加了异常十字路口识别的时间和成本，且人工干预的识别的规则大多是基于简单、低纬度的特征，往往不具备完备性，且泛化能力不强，识别效率低且准确性差。

技术实现思路

[0006]针对现有技术的不足，本专利技术提供一种遥感图像中道路的自动识别方法，可自动识别道路的同时能够自动识别出异常的十字路口，通过机器学习代替人工干预，获取充分的训练样本训练模型，自动获取泛化的特征用于十字异常路口的识别，减少了人工操作，提高异常十字路口识别的效率和精度，为后续进行图像预处理提供便利。
[0007]为实现上述技术目的，本专利技术的技术方案如下：
[0008]S1获取遥感图像并对其进行预处理；
[0009]S2使用预训练的道路识别模型对遥感图像进行道路识别，得到线状道路特征图；
[0010]S3对线状道路特征图进行修复、矢量化和规则化处理，得到规则的面状道路特征图及第一特征信息；所述规则的面状道路特征图包括骨架线，所述骨架线包括路口骨架线、非路口骨架线；其中所述路口骨架线包括十字路口骨架线；
[0011]S4根据第一特征信息，通过预设的判定条件对十字路口骨架线进行判定，得到十
字路口骨架线的标签信息，根据标签信息将十字路口骨架线分为异常十字路口骨架线和正常十字路口骨架线；
[0012]S5基于异常十字路口骨架线构建坐标系，根据坐标系进行邻域分析，过滤异常十字路口骨架线的干扰特征信息，保留有效特征信息；
[0013]S6对有效特征信息进行编码处理，将编码处理后的带有效特征信息和标签信息的遥感图像作为样本集；
[0014]S7将样本集输入预训练的道路识别模型，进行迭代训练，直至满足收敛条件，模型训练结束，获取优化后的模型；
[0015]S8使用优化后的模型对新遥感图像进行道路自动化识别。
[0016]具体地，步骤S4包括：
[0017]S41所述预设的判定条件为：
[0018]第一条件：十字路口骨架线至少有3条；
[0019]第二条件：其中一条十字路口骨架线的两端均为三条十字路口骨架线线重合点；
[0020]第三条件：十字路口骨架线所对应的道路线长度和宽度之比<3；
[0021]第四条件：十字路口骨架线长度≦100m；
[0022]S42根据预设的判定条件对十字路口骨架线进行判定：
[0023]若十字路口骨架线同时满足第一条件、第二条件、第三条件、第四条件，则该路口骨架线的标签信息为N；
[0024]若十字路口骨架线未满足第一条件、第二条件、第三条件、第四条件中的任一条件，则该路口骨架线的标签信息为Y；
[0025]S43将标签信息为N的十字路口骨架线标记为异常十字路口骨架线，将标签信息为Y的十字路口骨架线标记为正常十字路口骨架线。
[0026]具体地，步骤S5包括：
[0027]S51将三条异常十字路口骨架线重合点作为端点，选取两个端点连接形成线段；
[0028]S52以线段的延伸方向作为X轴，取线段中点作为坐标原点，构建坐标系，进行八邻域分析，得到第二特征信息；
[0029]S53将异常十字路口骨架线与非路口骨架线的重合点作为分界点，连接分界点，形成两个区域；
[0030]S54将靠近坐标原点一侧的区域即异常十字路口骨架线区域，作为干扰区域；将远离坐标点一侧的区域，即非路口骨架线区域作为有效区域；
[0031]S55在第二特征信息中，过滤干扰区域的干扰特征信息，将分界点及有效区域的特征信息作为有效特征信息。
[0032]具体地，步骤S4中的第二特征信息包括道路长度、宽度和走向以及骨架线长度和走向、骨架线端点到坐标轴的距离、骨架线端点的所在象限。
[0033]S31对道路的轮廓边界进行平滑处理，对道路的孔洞进行填充以及道路线缺口进行修复，得到修复的线状道路特征图；
[0034]S32利用ArcGIS将修复的线状道路特征图进行矢量化，并提取骨架线及第一特征信息，得到面状道路特征图；
[0035]S33利用简化算法对面状道路特征图进行规则化处理，得到规则的面状道路特征
图。
[0036]具体地，步骤S2中的道路提取模型为U
‑
Net模型，所述模型包括依次连接的第一卷积模块、编码部分、解码部分、解码部分之间的中间桥接结构以及分类器。
[0037]具体地，所述编码部分包括四级残差网络模块，所述残差网络为ResNet残差网络。
[0038]具体地，所述预处理包括灰度化处理、滤波处理。
[0039]具体地，所述简化算法为道格拉斯
‑
普克。
[0040]本专利技术的有益效果包括：
[0041](1)通过对异常的路口骨架线构建坐标系，进行八邻域分析，将得到有效的特征信息，筛选出异常十字路口形成样本集，对道路识别模型进行优化，实现对异常的十字路口自动识别，减少了人工操作，提高异常的十字路口识别的效率和精度；
[0042](2)通过优化的道路识别模型，在自动识别道路及异常十字路口的同时，能够根据模型输出的道路线的走向、道路线的宽度、骨架线的走向等特征信息，为后期道路后处理提供便利，实现快速的对异常道路及十字路口的修复或连通，得到完整且精确的道路网；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像中道路的自动识别方法，包括以下步骤：S1获取遥感图像并对其进行预处理；S2使用预训练的道路识别模型对遥感图像进行道路识别，得到线状道路特征图；S3对线状道路特征图进行修复、矢量化和规则化处理，得到规则的面状道路特征图及第一特征信息；所述规则的面状道路特征图包括骨架线，所述骨架线包括路口骨架线、非路口骨架线；其中所述路口骨架线包括十字路口骨架线；S4根据第一特征信息，通过预设的判定条件对十字路口骨架线进行判定，得到十字路口骨架线的标签信息，根据标签信息将十字路口骨架线分为异常十字路口骨架线和正常十字路口骨架线；S5基于异常十字路口骨架线构建坐标系，根据坐标系进行邻域分析，过滤异常十字路口骨架线的干扰特征信息，保留有效特征信息；S6对有效特征信息进行编码处理，将编码处理后的带有效特征信息和标签信息的遥感图像作为样本集；S7将样本集输入预训练的道路识别模型，进行迭代训练，直至满足收敛条件，模型训练结束，获取优化后的模型；S8使用优化后的模型对新遥感图像进行道路自动化识别。2.根据权利要求1所述的一种遥感图像中道路的自动识别方法，步骤S3中所述第一特征信息包括道路长度、轮廓面积、道路宽度和道路走向以及骨架线长度和骨架线走向。3.根据权利要求2所述的一种遥感图像中道路的自动识别方法，步骤S4包括：S41所述预设的判定条件为：第一条件：十字路口骨架线至少有3条；第二条件：其中一条十字路口骨架线的两端均为三条十字路口骨架线线重合点；第三条件：十字路口骨架线所对应的道路线长度和宽度之比<3；第四条件：十字路口骨架线长度≦100m；S42根据预设的判定条件对十字路口骨架线进行判定：若十字路口骨架线同时满足第一条件、第二条件、第三条件、第四条件，则该路口骨架线的标签信息为N；若十字路口骨架线未满足第一条件、第二条件、第三条件、第四条件中的任一条件，则该路口骨架线的标签信息为Y；S43将标签信息为N的十字路口骨架线标记为异常十字路口骨架线，将标签信息为Y的十字路口骨架线标记为正...

【专利技术属性】
技术研发人员：刘杰，蔡培鑫，余誓盟，张玥珺，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：