一种基于自适应阈值的遥感影像道路提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110633633A(43)申请公布日2019.12.31(21)申请号201910728457.7(22)申请日2019.08.08(71)申请人北京工业大学地址100124北京市朝阳区平乐园100号(72)发明人王卓峥张猛(74)专利代理机构北京思海天达知识产权代理有限公司11203代理人吴荫芳(51)Int.Cl.G06K9/00(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于自适应阈值的遥感影像道路提取方法(57)摘要本发明涉及一种基于自适应阈值的遥感影像道路提取方法，解决遥感影像分割出的道路结构无法描述完整并且空间信息丢失过多的问题。本发明提出一种新的语义分割网络SATU-Net(Self-AdaptiveThresholdU-Net,SATU-Net)用于遥感影像的道路提取。在本发明的网络结构中，采用自适应阈值方法确定每张预测分割结果中的道路阈值，根据道路阈值改进sigmoid层来自适应地完善预测分割结果。本发明结合U-Net网络的优点来保留完整的道路空间特性，从而使最终结果呈现出完整清晰的道路分割图并提高分割精度，高效自动地提取出准确完整的道路信息，为人类提供更加精确可靠的数据支撑。CN110633633ACN110633633A权利要求书1/2页1.一种基于自适应阈值的遥感影像道路提取方法，其特征在于包括以下步骤：(1)对遥感影像进行预处理，得到经过数据增强后的遥感影像；将数据集按照一定比例划分为训练集和测试集，其中包括原图像和其对应的标签数据，即人工标记的标准道路分割图像；(2)训练U-Net网络；训练开始前，对超参数进行初始化，输入训练数据集，训练U-Net网络模型参数；本发明使用二元交叉熵损失作为损失函数，其公式为：其中y为标签数据，为预测分割结果；并选择Adam作为优化器，完成反向传播，优化网络模型参数；迭代训练完成后，保存训练完成后的网络模型；(3)搭建SATU-Net网络，所述SATU-Net网络以步骤(2)中保存的U-Net模型作为基础，对U-Net网络中的sigmoid层进行改进：对sigmoid函数中增加变量a来作为控制输出的中间变量，即通过道路阈值ti来确定变量a的值，再将预测分割结果输入改进的激活函数得到由自适应阈值调整的道路分割结果，从而完成对U-Net预测分割结果的后处理，实现最终道路的精细分割；新的激活函数则改进为：其中a的确定方法如下：①首先初始化道路阈值t0＝0.5；②分别计算预测分割结果和标签数据中表示道路的像素数量占总像素数量的比例Rp，Rg：其中np，ng分别表示预测分割结果和标签数据中道路的像素数量，N为总像素数量；③然后计算出预测分割结果和标签数据的直方图绝对距离：d＝|Rg-Rp|根据二者的直方图距离，调整U-Net预测分割结果中的道路阈值；其具体调整规则如下：设置距离最小值为dmin；若直方图绝对距离大于dmin，则根据Rg与Rp的大小关系对阈值进行衰减或增强调整，阈值调整公式为：ti+1＝λti+ξi＝0,1,...,imax其中ti为第i次衰减或增强的阈值，λ为衰减或增强系数，ξ为偏置项；当Rg大于Rp时，则进行阈值衰减，系数λ小于1；当Rg小于Rp时，则进行阈值增强，系数λ大于1；若直方图距离小于dmin或者调整次数达到上限值为imax，则停止阈值调整，并确定该预测分割图的道路阈值为此时的ti值；2CN110633633A权利要求书2/2页(4)将测试数据集输入到SATU-Net模型中，得到道路精细分割图。2.根据权利要求1所述的方法，其特征在于步骤(1)中，数据集处理的具体包括数据增强和数据集划分两个过程：其中，对数据集中所有图像均进行数据增强，包括图像旋转(随机角度)、中心裁剪、图像移位、亮度调节、色彩调节、对比度调节、垂直与水平翻转。3CN110633633A说明书1/5页一种基于自适应阈值的遥感影像道路提取方法技术领域[0001]本发明涉及图像语义分割领域，涉及一种基于自适应阈值的遥感影像道路提取方法。背景技术[0002]遥感影像技术，是指在高空和外层空间中，运用各种传感器，在不直接接触被测物的条件下，获取反映地表特征的数据，借助卫星传输，运用数学变换和处理，提取特征信息，为人类决策、规划提供依据的一门综合性的新兴技术。如今，遥感成像技术的发展迅速，大量卫星应用带来了海量的图像数据信息，在人们关注的诸多信息中，道路信息是最基础和最重要的地理信息之一。道路作为一种典型的人造地物，是构成现代交通体系的主要部分。而无论是在城市还是乡村中，作为主要的土地覆盖参照物，提取出道路信息，就可以获取