买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：辽宁工程技术大学

摘要：本发明公开了一种基于深度学习的矢量数据分区纠正方法，包括制作用于深度学习的U2‑Net模型的样本集；选取训练的最优模型权重，输入城市与农村遥感影像进行道路提取；将边缘提取获取的线段进行有序排列；基于矢量线的道路特征集提取；依照城市与农村道路特有属性，对城市道路与农村道路进行自动划分；城市道路矢量纠正；农村道路矢量纠正；输出纠正后的城市与农村道路矢量数据。本发明的基于深度学习的矢量数据分区纠正方法在纠正矢量过程中，可对城市道路矢量数据与农村道路矢量自动进行区分，并使用相应算法进行解决；提高城市道路矢量数据纠正精度，在农村区域建立矢量数据纠正模型，完成农村道路矢量数据纠正。

主权项：1.基于深度学习的矢量数据分区纠正方法，其特征在于，包括以下步骤：S1：制作用于深度学习的U2-Net模型的样本集，调整模型参数，设置学习率为0.001，迭代次数200次，并进行模型训练；S2：选取步骤S1训练的最优模型权重，输入城市与农村遥感影像进行道路提取；S3：将边缘提取获取的线段进行有序排列；S4：基于矢量线的道路特征集提取；S5：依照城市与农村道路特有属性，对城市道路与农村道路进行自动划分，若划分结果为城市道路则将矢量数据输入步骤S6，若划分为农村道路，则输入步骤S7；S6：城市道路矢量纠正；S7：农村道路矢量纠正；S8：输出纠正后的城市与农村道路矢量数据；所述步骤S6的具体步骤如下：步骤S6.1：矢量线分解，以矢量线顶点作为分解点，使用自顶而下的分裂方法进行分解；步骤S6.2：分矢量线纠正，使用随机平均抽样方法对矢量数据多次进行特征点选取，基于选取的特征点，使用最小二乘法方法多次拟合道路线；采用曲线评价模型，在最小二乘方法拟合的多条矢量线中选取最优道路矢量线；步骤S6.3：将分矢量线向参考点方向移动，并将分矢量线按照函数表达形式延长至整个区间，实现分矢量线中心化处理；步骤S6.4：通过求取相邻分矢量线交点实现连接；所述步骤S6.2的具体步骤为：S6.2.1：随机平均抽样，将分矢量线平均分为6个子区间，在选取样本点时，在每个子区间内随机抽样2个点；S6.2.2：基于样本点数据，使用最小二乘方法进行拟合；S6.2.3：在拟合2000条矢量线段后，从2000条拟合线段中选取与道路结构相似性最高的拟合结果；所述步骤S7的具体步骤如下：步骤S7.1道路边缘线提取，为获取最优道路边缘，使用长度约束方法，将农村道路特征集中线段序列长度大于的线段序列作为道路边缘线段序列，阈值设置为100；步骤S7.2道路中心线推理模型，从矢量数据中读取路宽W，对于线段序列中的每条线段，按照垂直方向平移距离W2，以此完成道路中心线提取，并将中心线作为更新的矢量线，间接完成矢量线的纠正；步骤S7.3根据断裂矢量线分别通过求取交点与首尾相连的方式确定两条连接矢量线，分别使用下面公式求取两条矢量权重，将权重最高者作为连接矢量线，当权重η相同，从线性复杂度这一角度出发选用AC作为连接矢量； 式中，Lcandidate为候选矢量，lengthLcandidate为候选矢量长度，lengthDLLcandidate为候选矢量在U2-Net提取结果中的长度。

全文数据：

权利要求：

百度查询： 辽宁工程技术大学 基于深度学习的矢量数据分区纠正方法