一种结合OSM和遥感影像提取人行天桥的深度学习方法.pdf
一吃****继勇
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种结合OSM和遥感影像提取人行天桥的深度学习方法.pdf
本发明公开了一种结合OSM和遥感影像提取人行天桥目标的深度学习方法。首先根据所述人行天桥在开放街道地图(OpenStreetMap,OSM)中的语义信息、拓扑信息和形状信息,从所述OSM数据中自动识别与提取所述人行天桥;然后基于图像语义分割的深度神经网络模型获取所述人行天桥轮廓;进而对所述人行天桥进行结构建模与矢量成图;最后更新人行导航系统中的所述人行天桥数据。本发明不仅能够自动化识别OSM中的人行天桥,降低了现有方法的主观性,并且利用遥感影像数据弥补OSM不完整的缺点,同时兼顾数据的时效性和完整性,提高
一种同时提取遥感影像道路路面和中心线的深度学习方法.pdf
本发明涉及一种新的同时提取遥感影像道路路面和中心线的深度学习方法。充分发挥卷积神经网络在道路路面分割和道路中心线追踪中的优势,采用路面和中心线结果相互约束、优势互补的方式进行遥感影像道路网提取,解决了以往提取方法中道路结果不完整、连接性差等问题。本发明具有如下优点:鲁棒性强,可适应不同尺度的遥感影像道路提取,可持续迭代不断优化,不仅能够提取保留拓扑连接性的道路路面,还能够提取准确完整的道路中心线,可以应用于城市规划、行车导航、灾害应急、地图的制作及更新等领域。
一种基于遥感影像和深度学习的道路提取方法.pdf
本发明涉及一种基于遥感影像和深度学习的道路提取方法,步骤为:在遥感影像中,确定遥感影像的分辨率并截取,对截取遥感影像进行数据标注;使用Canny边缘检测算法对截取的遥感像对图像边缘进行提取,将提取得到的图像与原图像叠加,突出道路特征;搭建图像分类模型,在对基础的网络进行分类任务的训练中,留下低级的图像特征信息,并在特征提取模型构建的流程中,传递给下一级语义分割模型;搭建语义分割模型,用于在遥感影像中分割出道路信息;训练后,提取道路信息的网络参数将留存在分割模型中。本发明通过对图像进行预处理,突出道路特征,
一种基于深度学习和轮廓规则化的遥感影像建筑提取方法.pdf
本发明涉及一种基于深度学习和轮廓规则化的遥感影像建筑提取方法,属于光学遥感技术应用领域,包括步骤:人工构建建筑训练样本数据集;构建并训练建筑提取模型;将待提取区域遥感影像输入建筑提取模型,得到对应的初始建筑分布栅格结果;对所述初始建筑分布栅格结果进行形态学上的轮廓规则化处理,得到包括建筑轮廓矢量图斑的建筑分布矢量文件。本发明所提出的一种基于深度学习和轮廓规则化的遥感影像建筑提取方法,能够实现在不同影像尺度下,仍能获取轮廓规整、应用性强的建筑分布矢量,模型泛化性更强,提取的建筑轮廓更贴近建筑实际边缘,提取精
结合变化信息和建筑特征的遥感影像新增建筑提取方法.pdf
本发明公开了一种结合变化信息和建筑特征的遥感影像新增建筑提取方法,属于遥感图像处理领域。其包括:分割后时相遥感影像获得超像素图;提取线段得到线段集合;计算超像素的边缘线段垂直性;计算建筑物线段指数;提取影像基于对象的形态学特征;计算建筑物强度;计算前后时相遥感影像的纹理特征;计算前后时相遥感影像的纹理特征差和光谱特征差;求纹理和光谱特征的变化强度,获得变化强度;获取新增建筑对象斑块;采用形状指数进行后处理,获取最终的新增建筑对象。本发明充分利用光谱和纹理特征提取变化信息,并通过边缘结构特征和形态学特征提取