[发明专利]一种基于高分辨率遥感影像的道路提取方法

权利要求书

1.一种基于高分辨率遥感影像的道路提取方法，其特征在于，包括：

步骤一：输入高分辨率遥感影像，从光谱特征与形状特征两个角度出发，联合约束得到道路初始训练样本，对道路初始训练样本进行优化得到道路优化训练样本；

步骤二：将道路优化训练样本进行训练预测，得到隶属于道路类的后验概率，并进行联合约束得到道路网络；

步骤三：基于张量投票算法得到最终道路中心线进而确定道路路线。

2.根据权利要求1所述的一种基于高分辨率遥感影像的道路提取方法，其特征在于，所述步骤一中得到道路初始训练样本的步骤包括：

从光谱特征角度对高分辨率遥感影像进行K均值聚类自动获取像元属于道路的类别标签；

从形状特征角度基于均值漂移分割算法对高分辨率遥感影像进行分割，提取二阶矩形状特征；

设定阈值T1，联合类别标签与二阶矩形状特征，自动获取道路初始训练样本。

3.根据权利要求2所述的一种基于高分辨率遥感影像的道路提取方法，其特征在于，其中阈值T1取值范围为0.8-0.9。

4.根据权利要求1所述的一种基于高分辨率遥感影像的道路提取方法，其特征在于，所述步骤一中对道路初始训练样本进行优化采用的是形态学膨胀的方法。

5.根据权利要求1所述的一种基于高分辨率遥感影像的道路提取方法，其特征在于，所述步骤二中得到隶属于道路类的后验概率的过程包括：

将道路优化训练样本作为正样本，同时将所有的正样本分为两类，分别标记为T、V；其中T表示训练集，V表示验证集；

设定正负样本比例R，从所有像元中随机产生一定个数的负样本像元，然后对目标像元进行训练、预测得到像元隶属于被标记为目标类的后验概率。

6.根据权利要求2所述的一种基于高分辨率遥感影像的道路提取方法，其特征在于，步骤二中联合约束得到道路网络的过程包括：

联合二阶矩形状特征与隶属于道路类的后验概率，设定阈值T2与P2，进行联合约束，得到最终的道路网络；

其中，T2表示形状阈值，P2表示后验概率阈值。

7.根据权利要求6所述的一种基于高分辨率遥感影像的道路提取方法，其特征在于，T2的取值范围为0.1-0.2，P2的取值范围为0.6-0.7。

8.根据权利要求1所述的一种基于高分辨率遥感影像的道路提取方法，其特征在于，所述步骤三确定道路路线的过程包括：

输入提取的道路二值图像；

采用张量投票算法连接断裂网络，得到最终道路中心线；

根据最终道路中心线确定道路路线。