一种高分辨率遥感影像道路材质识别方法及装置制造方法及图纸

本发明专利技术公开了一种高分辨率遥感影像道路材质识别方法及装置，该方法包括：获取高分辨率遥感影像信息，包括若干张遥感道路区域图像；对高分辨率遥感影像信息进行标准化处理；对标准化遥感道路区域图像进行特征提取处理，获取光谱

A method and device for recognizing road materials from high-resolution remote sensing images

【技术实现步骤摘要】
一种高分辨率遥感影像道路材质识别方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种高分辨率遥感影像道路材质识别方法及装置。

技术介绍

[0002]道路系统是一个非常复杂的系统，既没有固定的形状，也没有统一的颜色。道路信息在交通运输中起着核心作用，也是GIS的重要数据层。同时，道路材料信息的获取有助于测量道路的承载能力和车辆通行能力。
[0003]现有针对高分辨率遥感影像的道路材质识别技术主要是基于光谱特征，利用高分影像中道路像元的原始波段信息进行道路材质判断，高分辨率遥感影像中的道路属于小目标，且部分材质(如：水泥、沥青)之间的差异较小，现有技术识别精度低，容易造成误判，且效率较低，因此提高高分辨率遥感影像的道路材质识别精度和检测效率显得尤为重要。

技术实现思路

[0004]本专利技术提供一种高分辨率遥感影像的道路材质识别方法及装置，有利于提高高分辨率遥感影像中道路的材质识别精度和检测效率。
[0005]本专利技术实施例第一方面公开了一种高分辨率遥感影像的道路材质识别方法，所述方法包括：
[0006]获取高分辨率遥感影像信息；所述高分辨率遥感影像信息包括若干张遥感道路区域图像；对所述高分辨率遥感影像信息进行标准化处理，获取所述遥感道路区域图像中任一道路像元的若干波段影像像元亮度值的最大值和最小值，采用极差标准化法对任一道路像元分别计算各波段的标准化值，输出标准化遥感道路区域图像集；所述标准化遥感道路区域图像集中包括若干张标准化遥感道路区域图像；对所述标准化遥感道路区域图像进行特征提取处理，获取光谱
‑
纹理特征向量集；一所述道路像元对应一光谱
‑
纹理特征向量；利用预设的道路材质识别网络模型对所述高分辨率遥感影像信息进行道路像元材质识别处理，得到道路像元材质信息集合；所述道路材质识别网络模型包括深度自编码网络模块和回归分类器模块；所述深度自编码网络模块用于对所述标准化光谱
‑
纹理特征向量集进行数据深层特征的提取以及数据的降维，获取道路像元特征集，所述道路像元特征信息集包括若干个道路像元的特征信息；所述回归分类器模块用于处理所述道路像元特征集，获得所述道路像元材质信息集合，所述道路像元材质信息集合包括若干个道路像元的材质概率。
[0007]作为本专利技术的进一步改进，对所述标准化遥感道路区域图像进行特征提取处理包括：采用灰度共生矩阵对所述标准化遥感道路区域图像集中的灰度信息进行统计，获取第一灰度特征集；所述第一灰度特征集中包含有若干种灰度信息出现的频次；对于任一第一灰度特征，利用预设的纹理模型进行转化处理，得到该道路像元对应的纹理特征向量；对于任一标准化遥感道路区域图像集中的道路像元，记录其红、绿、蓝、近红外四个波段的影像
像元亮度值，并通过波段组合的方式得到该所述道路像元的光谱指数集；所述光谱指数集包括若干种类的光谱指数；对于任一道路像元，将光谱指数集与纹理特征向量组合形成该道路像元的光谱
‑
纹理特征。
[0008]作为本专利技术的进一步改进，所述纹理模型包括：对所述第一灰度特征集进行统计处理，使用均值、方差、均匀性、对比度、相异性、熵、能量、相关性、自相关性9种统计特征描述道路像元的纹理特征。
[0009]作为本专利技术的进一步改进，所述若干种类的光谱指数包括：比值指数、差值指数、归一化指数。
[0010]作为本专利技术的进一步改进，所述道路材质识别网络模型的构建包括：构建和训练第一检测模型，所述第一检测模型为自编码器结构，所述多个自编码器包括一个编码模块和一个解码模块，通过所述编码模块将输入数据映射到特征空间形成编码数据，再通过所述解码模块将特征空间的编码数据映射回输入数据空间，通过无监督训练以使得所述特征空间的编码数据最大程度逼近所述输入数据；构建第二检测模型，所述第二检测模型包括完成训练的所述第一检测模型的编码模块；构建和训练第三检测模型，所述第三检测模型包括所述第二检测模型和所述分类器模块，通过有监督训练获取所述道路材质识别网络模型，用以提高输出的所述道路像元的材质概率的准确率。
[0011]作为本专利技术的进一步改进，所述训练第三检测模型的步骤包括：采集大量高分辨率遥感影像中的遥感道路区域样本图像，通过样本图像的光谱曲线差异结合谷歌街景数据，获取样本图像中的道路材质区分结果，区分结果包括泥土材质、沥青材质和水泥材质；根据区分结果对遥感道路区域样本图像设置类别标签，形成遥感道路区域标签图像；大量遥感道路区域标签图像组成训练样本集D；采用随机抽样的方法将训练样本D划分为训练集、验证集和测试集；对训练样本D中的遥感道路区域标签图像进行所述特征提取处理，获取道路像元对应的光谱
‑
纹理特征向量，将光谱
‑
纹理特征向量输入至所述第三检测模型中进行训练，得到道路材质识别网络模型。
[0012]本专利技术实施例第二方面公开了一种高分辨率遥感影像的道路材质识别装置，装置包括：获取模块：被配置为获取高分辨率遥感影像信息；所述高分辨率遥感影像信息包括若干张遥感道路区域图像；标准化模块：被配置为对所述高分辨率遥感影像信息进行标准化处理，获取所述遥感道路区域图像中任一道路像元的若干波段影像像元亮度值的最大值和最小值，采用极差标准化法对任一道路像元分别计算各波段的标准化值，输出标准化遥感道路区域图像集；所述标准化遥感道路区域图像集中包括若干张标准化遥感道路区域图像；特征提取模块：被配置为对所述标准化遥感道路区域图像进行特征提取处理，获取光谱
‑
纹理特征向量集；一所述道路像元对应一光谱
‑
纹理特征向量；识别模块：被配置为利用预设的道路材质识别网络模型对所述高分辨率遥感影像信息进行道路像元材质识别处理，得到道路像元材质信息集合；所述道路材质识别网络模型包括深度自编码网络模块和回归分类器模块；所述深度自编码网络模块用于对所述标准化光谱
‑
纹理特征向量集进行数据深层特征的提取以及数据的降维，获取道路像元特征集，所述道路像元特征信息集包括若干个道路像元的特征信息；所述回归分类器模块用于处理所述道路像元特征集，获得所述道路像元材质信息集合，所述道路像元材质信息集合包括若干个道路像元的材质概率。
[0013]本专利技术第三方面公开了另一种高分辨率遥感影像的道路材质识别装置，所述装置
包括：
[0014]存储有可执行程序代码的存储器；
[0015]与所述存储器耦合的处理器；
[0016]所述处理器调用所述存储器中存储的所述可执行程序代码，执行本专利技术实施例第一方面公开的高分辨率遥感影像的道路材质识别方法中的部分或全部步骤。
[0017]本专利技术第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本专利技术实施例第一方面公开的高分辨率遥感影像的道路材质识别方法中的部分或全部步骤。
[0018]与现有技术相比，本专利技术实施例具有以下有益效果：
[0019本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高分辨率遥感影像道路材质识别方法，其特征在于，所述方法包括：获取高分辨率遥感影像信息；所述高分辨率遥感影像信息包括若干张遥感道路区域图像；对所述高分辨率遥感影像信息进行标准化处理，获取所述遥感道路区域图像中任一道路像元的若干波段影像像元亮度值的最大值和最小值，采用极差标准化法对任一道路像元分别计算各波段的标准化值，输出标准化遥感道路区域图像集；所述标准化遥感道路区域图像集中包括若干张标准化遥感道路区域图像；对所述标准化遥感道路区域图像进行特征提取处理，获取光谱
‑
纹理特征向量集；一所述道路像元对应一光谱
‑
纹理特征向量；利用预设的道路材质识别网络模型对所述高分辨率遥感影像信息进行道路像元材质识别处理，得到道路像元材质信息集合；所述道路材质识别网络模型包括深度自编码网络模块和回归分类器模块；所述深度自编码网络模块用于对所述标准化光谱
‑
纹理特征向量集进行数据深层特征的提取以及数据的降维，获取道路像元特征集，所述道路像元特征信息集包括若干个道路像元的特征信息；所述回归分类器模块用于处理所述道路像元特征集，获得所述道路像元材质信息集合，所述道路像元材质信息集合包括若干个道路像元的材质概率。2.根据权利要求1所述的高分辨率遥感影像道路材质识别方法，其特征在于，对所述标准化遥感道路区域图像进行特征提取处理包括：采用灰度共生矩阵对所述标准化遥感道路区域图像集中的灰度信息进行统计，获取第一灰度特征集；所述第一灰度特征集中包含有若干种灰度信息出现的频次；对于任一第一灰度特征，利用预设的纹理模型进行转化处理，得到该道路像元对应的纹理特征向量；对于任一标准化遥感道路区域图像集中的道路像元，记录其红、绿、蓝、近红外四个波段的影像像元亮度值，并通过波段组合的方式得到该所述道路像元的光谱指数集；所述光谱指数集包括若干种类的光谱指数；对于任一道路像元，将光谱指数集与纹理特征向量组合形成该道路像元的光谱
‑
纹理特征。3.根据权利要求2所述的高分辨率遥感影像道路材质识别方法，其特征在于，所述纹理模型包括：对所述第一灰度特征集进行统计处理，使用均值、方差、均匀性、对比度、相异性、熵、能量、相关性、自相关性9种统计特征描述道路像元的纹理特征。4.根据权利要求2所述的高分辨率遥感影像道路材质识别方法，其特征在于，所述若干种类的光谱指数包括：比值指数、差值指数、归一化指数。5.根据权利要求1所述的高分辨率遥感影像道路材质识别方法，其特征在于，所述道路材质识别网络模型的构建包括：构建和训练第一检测模型，所述第一检测模型为自编码器结构，所述多个自编码器包括一个编码模块和一个解码模块，通过所述编码模块将输入数据映射到特征空间形成编码数据，再通过所述解码模块将特征空间的编码数据映射回输入数据空间，通过无监督训练以使得所述特征空间的编码数据最大程度逼近所述输入数据；
构建第二检测模型，所述第二检测模型包括完成...

【专利技术属性】
技术研发人员：张绪冰，邓志武，顾春利，陈昱松，张瑜，高睿，王凯，李灿，巩丹超，周瑜，
申请(专利权)人：中国人民解放军六一五四零部队，
类型：发明
国别省市：