[发明专利]用于从遥感图像中识别道路的方法、装置和电子设备有效

专利信息
申请号: 201710021556.2 申请日: 2017-01-12
公开(公告)号: CN108229270B 公开(公告)日: 2021-07-30
发明(设计)人: 石建萍 申请(专利权)人: 北京市商汤科技开发有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06T5/30
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100084 北京市海淀区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 遥感 图像 识别 道路 方法 装置 电子设备
【权利要求书】:

1.一种用于从遥感图像中识别道路的方法,其特征在于,所述方法包括:

确定待识别的遥感图像中属于道路的像素点;

基于所述遥感图像中属于道路的像素点确定所述遥感图像中属于道路的像素点的方向信息,包括:使用至少一区域对所述遥感图像中的像素点进行覆盖操作;根据所述覆盖操作中各所述区域所覆盖的像素点中属于道路的像素点确定出至少一个属于道路的覆盖区域;连通各所述属于道路的覆盖区域得到道路覆盖区;根据所述道路覆盖区确定出所述遥感图像中属于道路的像素点的方向信息,其中,所述方向信息用于描述所述属于道路的像素点所在道路在该像素点位置处的方向;

基于所述遥感图像中属于道路的像素点的方向信息对各属于道路的像素点进行膨胀操作;

根据膨胀操作结果从所述遥感图像中确定道路。

2.根据权利要求1所述的方法,其特征在于,所述确定待识别的遥感图像中属于道路的像素点,包括:

确定所述遥感图像中各个像素点属于道路的概率值;

将所述概率值大于第一设定阈值的像素点确定为属于道路的像素点。

3.根据权利要求2所述的方法,其特征在于,所述确定所述遥感图像中各个像素点属于道路的概率值,包括:

获取所述遥感图像中的至少一个像素点;

通过第一深度神经网络模型确定所述至少一个像素点中每个像素点属于道路的概率值。

4.根据权利要求2-3任一所述的方法,其特征在于,所述方法还包括:

根据所述遥感图像中各个像素点属于道路的概率值生成所述遥感图像的道路概率分布图。

5.根据权利要求1所述的方法,其特征在于,所述根据所述道路覆盖区确定出所述遥感图像中属于道路的像素点的方向信息,包括:

从所述道路覆盖区中确定出连通所述道路覆盖区域的连接线;

确定所述道路覆盖区中,与所述连接线的距离小于预定值的属于道路的像素点的位置;

连接所述道路覆盖区中与所述连接线的距离小于预定值的各个属于道路的像素点,并由相邻两个属于道路的像素点的位置确定所述相邻两个属于道路的像素点之间的方向信息。

6.根据权利要求1所述的方法,其特征在于,所述基于所述遥感图像中属于道路的像素点确定所述遥感图像中属于道路的像素点的方向信息,包括:

基于所述遥感图像中属于道路的像素点并通过第二深度神经网络模型确定出所述遥感图像中属于道路的像素点的方向信息。

7.根据权利要求3所述的方法,其特征在于,所述方法还包括:

预先训练所述第一深度神经网络模型;

所述预先训练所述第一深度神经网络模型包括:

获取至少一张训练用标注遥感图像,各所述训练用标注遥感图像包括至少一个像素点和与所述至少一个像素点中的各个像素点对应的用于标注各个像素点是否属于道路的标注数据;

通过各所述训练用标注遥感图像的属于道路的标注数据训练第一初始深度神经网络模型,得到所述第一深度神经网络模型。

8.根据权利要求7所述的方法,其特征在于,所述训练用标注遥感图像还包括用于标识道路方向的方向标注数据;所述方法还包括:

训练第二深度神经网络模型;

所述训练第二深度神经网络模型包括:

通过各所述训练用标注遥感图像的方向标注数据训练第二初始深度神经网络模型,得到所述第二深度神经网络模型。

9.根据权利要求4所述的方法,其特征在于,所述基于所述遥感图像中属于道路的像素点的方向信息对各属于道路的像素点进行膨胀操作,包括:

从所述道路概率分布图中提取出属于道路的概率值大于第二设定阈值的像素点作为扩充像素点,所述第二设定阈值大于所述第一设定阈值;

根据所述遥感图像中属于道路的像素点的方向信息确定出所述扩充像素点的方向信息;

根据所述扩充像素点的方向信息对所述扩充像素点进行膨胀操作。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司,未经北京市商汤科技开发有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710021556.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top