[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

说明书

本申请公开了用于从遥感图像中识别道路的方法、装置和计算机设备。该方法的一具体实施方式包括：确定待识别的遥感图像中属于道路的像素点；基于上述遥感图像中属于道路的像素点确定上述遥感图像中属于道路的像素点的方向信息；基于上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上述遥感图像中确定道路。该实施方式使从遥感图像中识别出的道路的路网连通性更好。

技术领域

本申请涉及遥感技术领域，具体涉及遥感图像信息提取，尤其涉及一种用于从遥感图像中识别道路的方法、装置和电子设备。

背景技术

当前，随着经济的快速发展，地物目标，尤其是道路在非常迅速的扩张。地图的更新，尤其是路网的更新在经济建设、军事、抗震救灾等领域具有重大意义。从卫星或航拍的遥感影像能够迅速获取数据，缩短地图更新周期，使得人们实时采集数据、处理信息、更新数据以及分析数据成为可能。因而，高分辨率的遥感图像成为测绘界越来越重要的数据源。

遥感影像通常数据量大，传统的利用人工从遥感影像中提取道路的方法费时费力，无法保证数据的及时更新。

发明内容

本申请提出一种从遥感图像中识别道路的技术方案。

第一方面，本申请提供了一种用于从遥感图像中识别道路的方法，上述方法包括：确定待识别的遥感图像中属于道路的像素点；基于上述遥感图像中属于道路的像素点确定上述遥感图像中属于道路的像素点的方向信息；基于上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上述遥感图像中确定道路。

在一些实施例中，上述确定待识别的遥感图像中属于道路的像素点，包括：确定上述遥感图像中各个像素点属于道路的概率值；将上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。

在一些实施例中，上述确定上述遥感图像中各个像素点属于道路的概率值，包括：获取上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上述至少一个像素点中每个像素点属于道路的概率值。

在一些实施例中，上述方法还包括：根据上述遥感图像中各个像素点属于道路的概率值生成上述遥感图像的道路概率分布图。

在一些实施例中，上述基于上述遥感图像中属于道路的像素点确定上述遥感图像中属于道路的像素点的方向信息，包括：使用至少一区域对上述遥感图像中的像素点进行覆盖操作；根据上述覆盖操作中各上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；连通各上述属于道路的覆盖区域得到道路覆盖区；根据上述道路覆盖区确定出上述遥感图像中属于道路的像素点的方向信息。

在一些实施例中，上述根据上述道路覆盖区确定出上述遥感图像中属于道路的像素点的方向信息，包括：从上述道路覆盖区中确定出连通上述道路覆盖区域的连接线；确定上述道路覆盖区中，与上述连接线的距离小于预定值的属于道路的像素点的坐标；连接上述道路覆盖区中与上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上述相邻两个属于道路的像素点之间的方向信息。

在一些实施例中，上述根据上述遥感图像中属于道路的像素点确定上述遥感图像中属于道路的像素点的方向信息，包括：根据上述遥感图像中属于道路的像素点，通过第二深度神经网络模型确定出上述遥感图像中属于道路的像素点的方向信息。

在一些实施例中，上述方法还包括：预先训练上述第一深度神经网络模型，上述预先训练上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，各上述训练用标注遥感图像包括至少一个像素点和与上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；通过各上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，得到上述第一深度神经网络模型。