一种基于遥感影像识别农村公路路面类型的方法与流程

本发明涉及农村公路管理领域，名称为：一种基于遥感影像识别农村公路路面类型的方法。

背景技术：

目前，遥感影像、gis和gps等技术已在交通行业内广泛使用，提高了农村公路精细化管理。为准确掌握农村公路的发展情况、建设需求和建设进程，交通运输部于2005年组织开展了全国农村公路通达情况专项调查工作，使用gps技术手段分别获取了全国范围内所有农村公路的地理信息数据和属性数据。在行业内使用农村公路数据时，发现有些地方农村公路路面类型与实际存在不一致情况，为提高基础数据的准确性提出一种基于遥感影像识别农村公路路面类型来自动识别农村公路路面类型，解决行业内数据更新不及时和不准确的问题。

技术实现要素：

为解决现有技术存在的缺陷，本发明提供一种基于四叉树搜索方式的遥感影像农村公路路面类型识别方法。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明一种基于遥感影像识别农村公路路面类型，包括如下步骤：

步骤1：算法架构；

步骤2：识别农村公路路面类型架构；

作为本发明的一种优选技术方案，所述算法架构包括如下步骤：

步骤101：算法采用四叉树加权方法构建农村公路缓冲面状要素在影像上的每个像素点的路面类型；

步骤102：设输入图像像素点fi,经过四叉树加权方法识别并提取路网后的输出图像为fo，则有fo＝fn1(fi)，其中fn1为四叉树加权方法构成的处理架构，另有no＝fn1(fi)，其中no为路面类型特征值；

步骤103：在对每个区域内识别农村公路路面时使用四叉树加权方法遍历。

作为本发明的一种优选技术方案，所述识别农村公路路面类型架构包括如下步骤：

步骤201：遍历循环读取每条农村公路的矢量缓冲面状区域li；

步骤202：获取农村公路面状区域li最小外接矩形qi；

步骤203：以该矩形qi裁剪需提取路网的遥感影像，保留矩形区域内影像，如果qi区域不在一幅遥感影像内时需寻找到所涉及到的所有遥感影像ii；

步骤204：将影像ii拼接一起后以320×320像素分成n幅固定格式尺寸的影像，依次输入算法构成的四叉树加权方法内，获得n个二维矩阵的输出图像fo(n)和路面类型no特征值；

步骤205：将fo(n)按分幅顺序拼接，运用gis的栅格像素转换成矢量算法，从而对影像上路面转换为同一坐标系上影像的矢量多边形和多边形内所有像素点影像的路面类型加权特征值no；

步骤206：计算路线li内像素点的路面类型no特征值的平均值；

步骤207：根据路线li内路面类型no特征值的平均值拟合农村公路路面类型。

所述遥感影像识别是将农村公路面状图形的最小外接矩形遥感影像切割成固定大小的图片，再以四叉树方式对所有影像文件和文件内的像素点进行搜索，使用神经网络识别模块对影像文件进行识别，再分隔形成农村公路在影像上的栅格数据，再使用gis工具对栅格数据转换形成矢量数据，再将矢量数据形成闭合的多边形矢量数据，再对多边形矢量数据内的农村公路路面类型特征值进行求合取平均值，再根据多边形矢量的路面类型平均特征值去拟合农村公路路面类型。

本发明的有益效果是：该种基于遥感影像识别农村公路路面类型的方法,这种方法使用了一种基于四叉树加权算法，能够有效地提升从遥感影像上识别农村公路路面类型的精度，消除由于农村公路线形精度不高带来识别农村公路路面类型的精度，同时消除遥感影像上建筑物或其他树木造成局部阴影对农村公路路面遮挡的影响，提升识别农村公路路面类型的精度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于遥感影像识别农村公路路面类型示意图；

图2是本发明一种基于遥感影像识别农村公路路面类型流程图；

图3是本发明一种基于遥感影像识别农村公路路面类型的步骤示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例：如图1、图2和图3所示，本发明一种基于遥感影像识别农村公路路面类型，包括如下步骤：

步骤1：算法架构；

步骤2：识别农村公路路面类型架构；

作为本发明的一种优选技术方案，所述算法架构包括如下步骤：

步骤101：算法采用四叉树加权方法构建农村公路缓冲面状要素在影像上的每个像素点的路面类型；

步骤102：设输入图像像素点fi,经过四叉树加权方法识别并提取路网后的输出图像为fo，则有其中为四叉树加权方法构成的处理架构，另有其中no为路面类型特征值；

步骤103：在对每个区域内识别农村公路路面时使用四叉树加权方法遍历。

作为本发明的一种优选技术方案，所述识别农村公路路面类型架构包括如下步骤：

步骤201：遍历循环读取每条农村公路的矢量缓冲面状区域li；

步骤202：获取农村公路面状区域li最小外接矩形qi；

步骤203：以该矩形qi裁剪需提取路网的遥感影像，保留矩形区域内影像，如果qi区域不在一幅遥感影像内时需寻找到所涉及到的所有遥感影像ii；

步骤204：将影像ii拼接一起后以320×320像素分成n幅固定格式尺寸的影像，依次输入算法构成的四叉树加权方法内，获得n个二维矩阵的输出图像fo(n)和路面类型no特征值；

步骤205：将fo(n)按分幅顺序拼接，运用gis的栅格像素转换成矢量算法，从而对影像上路面转换为同一坐标系上影像的矢量多边形和多边形内所有像素点影像的路面类型加权特征值no；

步骤206：计算路线li内像素点的路面类型no特征值的平均值；

步骤207：根据路线li内路面类型no特征值的平均值拟合农村公路路面类型。

本方法实现了农村公路路面类型与遥感影像对应位置的自动化识别与比对；本方法能有效消除路网提取过程中产生的大量小斑块，部分因树木或建筑遮蔽产生的路面短断开可被有效连接和识别。

本发明设计了基于四叉树的遥感影像农村公路路面类型自动识别的算法，以及基于该算法的农村公路与遥感影像路网提取及路面类型识别的软件流程。该算法能够有效提升识别精度，基于算法的对比流程能够大幅提升基于高分遥感影像的公路规划、建设及管理效率。

在本发明的描述中，需要说明的是，术语“竖直”、“上”、“下”、“水平”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。