[发明专利]一种基于自适应阈值的遥感影像道路提取方法

权利要求书

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；其中损失函数为二元交叉熵损失函数，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SAT U-Net网络，所述SAT U-Net网络以步骤(2)中保存的U-Net模型作为基础，仅对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t_i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R_p，R_g：

其中n_p，n_g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＝|R_g-R_p|

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d_min；若直方图绝对距离大于d_min，则根据R_g与R_p的大小关系对阈值进行衰减或增强调整，阈值调整公式为：

t_i+1＝λt_i+ξ i＝0,1,...,i_max

其中t_i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R_g大于R_p时，则进行阈值衰减，系数λ小于1；当R_g小于R_p时，则进行阈值增强，系数λ大于1；若直方图距离小于d_min或者调整次数达到上限值为i_max，则停止阈值调整，并确定该预测分割结果的道路阈值为此时的t_i值；

(4)将测试数据集输入到SAT U-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、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。