基于单时相高分辨率遥感影像的震后道路提取方法研究的任务书.docx

基于单时相高分辨率遥感影像的震后道路提取方法研究的任务书
任务书
1.任务背景：
在地震发生时，道路的损毁情况会影响救援工作和灾后重建。因此，如何在震后尽快、准确地提取受损道路信息成为了一个重要的问题。高分辨率遥感影像能够提供大范围的场景信息，可以被用于道路提取。但是，道路图像通常被其他地物遮挡或染色，造成识别和分离路径的困难。该任务将研究基于单时相高分辨率遥感影像的震后道路提取方法，以提高道路信息提取的准确性和效率。
2.任务目标：
该任务的主要目的是提出一种基于单时相高分辨率遥感影像的震后道路提取方法，该方法应能够：
-在震后及时准确地提取出震后受损道路信息。
-具有对遮挡和染色等现象有一定的识别和分离能力。
-通过实验证明提取方法的有效性和可行性，并与已有方法进行比较，进一步提高道路信息提取的准确性和效率。
3.任务内容：
该任务的主要内容包括：
-震后道路提取算法研究：针对高分辨率遥感影像中的道路提取问题，研究并开发对震后道路图像的高效识别和分离算法，包括但不限于基于深度学习的算法、基于边缘检测的算法、基于卷积神经网络的算法等。
-提取方法优化：在提取算法基础上，进行提取方法的优化，如增加人工交互、改进物体检测等，以进一步提高提取准确度和效率。
-模型训练和测试：利用已有的高分辨率遥感影像数据集进行模型训练并进行测试评估。同时，还需要进行现场实验和模拟实验，以验证提取方法的有效性和可行性。
-方法比较与分析：在与已有方法进行比较的基础上，分析方法的优缺点和适用范围，通过对实际场景的模拟和实验，进一步提高道路信息提取的效率和准确性。
4.任务进度：
本任务的具体进度如下：
-第一阶段（时间：1个月）：对现有的道路提取方法以及高分辨率遥感影像进行调研，总结道路提取算法的发展现状并初步确定本任务的研究方向。
-第二阶段（时间：2个月）：基于单时相高分辨率遥感影像，开发针对震后道路提取的算法，采用深度学习等方法进行提取效果的实验和评估。
-第三阶段（时间：2个月）：在第二阶段基础上，对提取算法进行优化，优化方法包括增加人工交互、改进物体检测等，以提高提取效率和准确度。
-第四阶段（时间：1个月）：通过现场实验和模拟实验，验证提取方法的有效性和可行性，并对提取结果进行比较分析，以满足及时准确地提取出震后受损道路信息的需求。
-第五阶段（时间：1个月）：该阶段的主要工作是总结本任务所达到的研究成果，撰写论文并进行对外宣传。
5.任务要求：
-本任务需要有较强的图像处理和计算机视觉基础，熟悉各种道路提取算法、机器学习算法、图像处理算法等。
-具有扎实的编程开发能力和实验室实践经验，有能力应用Python、C/C++等编程工具与各种计算机视觉开发平台如OpenCV、TensorFlow、Keras等。
-候选人具备优秀的英语语言表达能力，具备较强的读写论文能力。
-需学生接受指导教师的指导和安排。
6.参考文献：
-LiuH,XuH,LiuJ,etal.Roadcenterlineextractionfromhighresolutionremotesensingimageryusingshadowinformation[J].Remotesensing,2016,8(7):551.
-WangR,LiZR,TaoDC,etal.Aspectral-spatialapproachforurbanroaddetectioninveryhighresolutionimages[J].ISPRSJournalofPhotogrammetryandRemoteSensing,2014,87:143-158.
-QinJ,LuJ,XuQ,etal.Extractingroadnetworksfromveryhighresolutionsatelliteimagesusingconvolutionalneuralnetworks[C]//ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognitionWorkshops.2017:678-685.
-于成龙,程行健,王近新.基于多时相遥感影像的道路提取方法研究[J].遥感技术与应用,2018,33(3):566-571.