基于卷积神经网络的遥感图像道路提取研究

随着计算机技术与遥感技术的飞速发展,高分辨率遥感图像以其高精度、高光谱及覆盖范围广等特点成为重要的信息源。然而,面对海量的遥感图像,如何从图像中快速、有效、智能的获取目标是遥感界一直关注的问题。道路的识别和精确提取对于GIS数据更新、地图绘制、路径分析等具有深远意义。高分辨率遥感图像的道路提取受噪声和复杂自然场景(如房屋树木)等因素的影响,使得道路的准确提取有一定的难度。国内外学者对道路提取方法进行了大量的研究,也提出了很多种方法,但目前仍然没有一套成熟有效的道路提取方法。基于此,研究如何从高分辨率遥感图像中有效、快速、智能的自动化提取道路,具有非常重要意义。本文对自动提取高分辨率遥感图像中的道路进行了深入系统的分析研究,吸收并借鉴前人的研究成果,提出了一种新的自动化道路提取方法。本文具体内容如下:首先概述遥感技术和高分辨率遥感图像道路特征,为道路提取方法的研究奠定理论基础。研究分析卷积神经网络优缺点,提出利用卷积神经网络将高分辨率遥感图像进行二分类思想,即分为道路类和非道路类,初步提取道路信息。结合卷积神经网络模型的特点,尝试从训练算法、代价函数等方面对其进行改进。由于受房屋、树木阴影等自然场景因素的影响,经过卷积神经网络方法提取的道路结果仍有一些非道路小面积噪声,因此利用形状特征分析和数学形态学算法来进一步优化道路提取结果。本文选取多幅高分辨率遥感图像进行实验,实验结果表明,本文提出的自动化道路提取方法能较准确、完整的提取出道路,适用于对细节丰富的高分辨率遥感图像中道路的提取。