好久沒有更新了，近期做了一個工作，就是用深度學習方法來自動提取高解析度遙感影像上的道路網路，16年的時候都是用的什麼SVM，什麼增強線性指數等

手工設計的線性目標增強特徵，然後去提取道路，那些個東西說白了，沒啥用，在一個小區域可能做的有那麼點效果，但是換一個場景，立馬就沒了，沒有任何普適性

可言，之前用深度學習方法做過高解析度影像變化監測工作，這一次，我重新把網路進行了設計，用於提取道路網路，最終生成道路中心，並進行大規模場景實驗，結果

還是非常不錯的，個人覺得在一定程度上可以減少人工提取道路網路的工作量。如需要程式碼：Email：[email protected],qq:1044625113,新增好友時，請備註：道路網路自動提取！

       好了不多說了，介紹下道路網路提取的部分工作，首先是樣本部分，樣本採用開源的道路網路資料和標籤（應該是國外某個地區），大家可以到開源資料網站下載，

訓練集大概是6000多張1024*1024的三通道高解析度影像，看下面：

                                           圖1 樣本和標籤

     其實，客觀的說，這個樣本做的確實不夠好，為什麼呢，因為有一些道路該畫出來的，沒有畫出來，比如說這個樣本上的中間那條路，就沒有畫出來，但是總的來說，在深度學習裡面，

樣本是燃料，有總比沒有要好，是吧！接下來就輸入到我設計的網路中來，總體來說，參考了Deeplabv3+的思想，使用多尺度特徵進行提取，但是全部採用分離卷積替換resnet50層，這樣

有一個好處，學習速度快，而且輕量，比Deeplab輕了5倍，更為關鍵的是，一張卡可以扔進更多的樣本。一張RTX2080ti可以扔進16個1024*1024的樣本，而一般的Deeplabv3v 只能扔進4個，

多了就out of memory了，可能在學術上意義不大，但是在工程上意義巨大，因為工頭往往不會有那麼多時間給你訓練！！！！！（開個玩笑）

    模型訓練完畢，測試結果程式碼如下所示：

function resultBlock = testDLmodel(imgBlock, inputSize, net)
% we can use this function to process big image

TestImg = imgBlock(:,:,1:3);                                            % google 地圖下載的是四個通道

patchSize = inputSize;                                                 % 按照訓練影象塊的大小去分塊預測
Result = segmentImage(TestImg, net, patchSize);
Result = im2bw(mat2gray(Result), 0.1);

line = extractionLine(Result);                                         % 提取中心線

se = strel('disk',2);
line = imdilate(line, se);
resultBlock = labeloverlay(mat2gray(TestImg),line,'Transparency',0);          % 疊加到原始影像上

fprintf(['a block has been finished...\n']);

% imwrite(mat2gray(line),[path(1:end-4),'_LiteSeg_out_Line.tif']);
% imwrite(mat2gray(Result),[path(1:end-4),'_LiteSeg_out.tif']);

end

　　由於影像實在太大，我用了分塊處理的方式進行解決，這樣簡單而又方便的解決IO，記憶體不足的問題了，這個比較工程手段了，其實我個人學術上也做了一點工作，

我發現學院派有一個很大的缺點，就是小區域做個實驗就完事了，但是真正的工程不是這樣的，小區域實驗成功後，應當大規模應用起來，所以我的部落格都是一些實際而

又有用的工作，比如下面這個分塊處理大影像問題：

%% read test image
load net_liteSegModel.mat
inputSize = [4096, 4096];


%% block process to extract road line
fun = @(block_struct) testDLmodel(block_struct.data, inputSize, net);        % 呼叫分塊處理超大影像
blockproc('嶽麓區.tif', inputSize, fun, 'Destination', '嶽麓區中心線.tif');

　    在開源資料訓練完畢後，我直接爬了google資料進行測試，地區選擇國內湖南地區，大小是4萬*3萬畫素，總共是14個g，跑完大概花了30分鐘，如果換成固態硬碟會快的多，如果並行的話，

控制在10分鐘以內應該問題不大，主要時間花在IO上面了，窮人只能用機械硬碟，唉。。。。。好了，直接看結果吧！

                                                                            圖2 道路提取結果

      圖中藍色區域為道路中心線，大家可能看的不是非常清晰，下面我放大幾個區域：

                                                                         圖3 農田部分

                                                                        圖4 山區公路部分  

                                                                圖5 山區盤山泥濘小路

                                                             圖6 丘陵地帶道路提取結果

     從結果來看，確實是不錯的，但是仍然存在部分道路網路斷裂，彎曲等等，這些可以通過後續優化來改進，不是特別難的問題了，好吧，如果大家有需要的程式碼的，請聯絡我吧。

&n