道路识别方法、装置、计算机装置及计算机可读存储介质制造方法及图纸

一种道路识别方法，包括：获取待识别的遥感图像；计算所述遥感图像在YUV颜色空间的图像金字塔；对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征；将所述图像金字塔的每层图像的梯度特征作为改进U‑Net模型每层网络的输入，得到所述遥感图像的第一概率分布图，其中所述改进U‑Net模型的每层网络包含一个1x1的卷积作为预测模块；根据所述第一概率分布图中各个像素点的道路概率得到所述遥感图像中的所有道路。本发明专利技术还提供一种道路识别装置、计算机装置及计算机可读存储介质。本发明专利技术可以有效提高道路识别的准确性。

Road Recognition Method, Device, Computer Device and Computer Readable Storage Media

A road recognition method includes: acquiring the remote sensing image to be recognized; calculating the image pyramid of the remote sensing image in YUV color space; calculating the gradient characteristics of each pixel on each color channel for each layer of the image pyramid to obtain the gradient characteristics of each layer of the image pyramid; and calculating the gradient characteristics of each layer of the image pyramid to get the gradient characteristics of each layer of the image pyramid; The first probability distribution map of the remote sensing image is obtained as the input of each layer network of the improved U_Net model, where each layer network of the improved U_Net model contains a convolution of 1x1 as the prediction module, and all roads in the remote sensing image are obtained according to the road probability of each pixel in the first probability distribution map. The invention also provides a road identification device, a computer device and a computer readable storage medium. The invention can effectively improve the accuracy of road recognition.

【技术实现步骤摘要】
道路识别方法、装置、计算机装置及计算机可读存储介质
本专利技术涉及图像识别
，具体涉及一种道路识别方法、装置、计算机装置和计算机可读存储介质。
技术介绍
近年来，识别道路信息是比较热门的课题，其有很多应用，比如城市规划、交通管理、自然灾害分析、GPS导航和地图更新等等。随着城市的发展，道路变化很快，道路信息更新的频率需求也越来越高。虽然人工提取道路信息比较准确，但是人工方法耗时且昂贵。因此实现自动化提取道路信息变得尤为重要。基于遥感图像(如卫星图像)的道路识别可以极大地提高地图生成的效率，从而跟上城市规划的迫切需要，对需要即时地图的汽车导航系统等应急系统也是极大的帮助。目前，解决道路识别的方法大多是监督学习，用干净的规模比较大的数据集训练。然而，道路识别在实际应用中遇到了很多挑战，例如遥感图像数据集有限、数据有噪音等。数据有噪音是常见的问题，比如遥感图像中的路面被树木遮挡，图像标签对路的标注不完整等等。现有道路识别方法对于有噪音且有限的数据集的预测结果仍然不佳。
技术实现思路
鉴于以上内容，有必要提出一种道路识别方法、装置、计算机装置和计算机可读存储介质，其可以提高道路识别的准确性。本申请的第一方面提供一种道路识别方法，所述方法包括：获取待识别的遥感图像；计算所述遥感图像在YUV颜色空间的图像金字塔；对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征；将所述图像金字塔的每层图像的梯度特征作为改进U-Net模型每层网络的输入，得到所述遥感图像的第一概率分布图，其中所述改进U-Net模型的每层网络包括一个1x1的卷积作为预测模块；根据所述第一概率分布图中各个像素点的道路概率得到所述遥感图像中的所有道路。另一种可能的实现方式中，所述对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征包括：对于图像金字塔中的每层图像，计算每个颜色通道上各个像素点在x方向的梯度、在y方向的梯度以及梯度幅值，以所述每个颜色通道上各个像素点在x方向的梯度、在y方向的梯度以及梯度幅值作为所述图像的梯度特征。另一种可能的实现方式中，所述方法还包括：检测所述所有道路中是否存在碎片化的道路，若所述所有道路中存在碎片化的道路，则在所述所有道路中将所述碎片化的道路变为连贯的道路。另一种可能的实现方式中，所述方法还包括：检测所述所有道路中是否存在与其他道路断开的目标道路，若所述所有道路中存在与其他道路断开的所述目标道路，去除所述目标道路；其中，所述其他道路为所述所有道路中去除所述目标道路以外的道路。另一种可能的实现方式中，所述方法还包括：对所述所有道路进行边缘平滑处理。另一种可能的实现方式中，在所述将所述图像金字塔的梯度特征作为改进U-Net模型每层网络的输入，得到所述遥感图像的第一概率分布图之后，所述方法还包括：利用预设图像分割模型对所述遥感图像进行识别，得到第二概率分布图；根据所述第一概率分布图与所述第二概率分布图对每个像素的道路概率进行合并，得到目标概率分布图；根据所述目标概率分布图中各个像素点的道路概率得到所述所有道路。另一种可能的实现方式中，所述改进U-Net模型训练时使用交叉熵作为损失函数，将所述改进U-Net模型的每层网络的损失加权相加，分辨率越低的图像所在层的权重越低，分辨率越高的图像所在层的权重越高。本申请的第二方面提供一种道路识别装置，所述装置包括：获取单元，用于获取待识别的遥感图像；第一计算单元，用于计算所述遥感图像在YUV颜色空间的图像金字塔；第二计算单元，用于对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征；第一识别单元，用于将所述图像金字塔的每层图像的梯度特征作为改进U-Net模型每层网络的输入，得到所述遥感图像的第一概率分布图，其中所述改进U-Net模型的每层网络包括一个1x1的卷积作为预测模块；输出单元，用于根据所述第一概率分布图中各个像素点的道路概率得到所述遥感图像中的所有道路。本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述道路识别方法。本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述道路识别方法。本专利技术获取待识别的遥感图像；计算所述遥感图像在YUV颜色空间的图像金字塔；对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征；将所述图像金字塔的每层图像的梯度特征作为改进U-Net模型每层网络的输入，得到所述遥感图像的第一概率分布图，其中所述改进U-Net模型的每层网络包含一个1x1的卷积作为预测模块；根据所述第一概率分布图中各个像素点的道路概率得到所述遥感图像中的所有道路。由于道路在多种尺度的图像里都是可以被识别的，本专利技术构建了统一的模型对不同尺度的图像进行道路识别，将原始遥感图像转换成不同尺度图像的梯度特征，将这些梯度特征按照不同的尺度输入进改进U-Net模型的不同层级。本专利技术解决了遥感图像数据集有限、数据有噪音的问题，对于有噪音且有限的数据集的识别准确率高，且对于有噪音的数据具有很强的适应性。附图说明图1是本专利技术实施例提供的道路识别方法的流程图。图2是利用改进U-Net模型进行道路识别的示意图。图3是本专利技术另一实施例提供的道路识别方法的流程图。图4是本专利技术实施例提供的道路识别装置的结构图。图5是本专利技术另一实施例提供的道路识别装置的结构图。图6是本专利技术实施例提供的计算机装置的示意图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。优选地，本专利技术的道路识别方法应用在一个或者多个计算机装置中。所述计算机装置是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、可编程门阵列(Field－ProgrammableGateArray，FPGA)、数字处理器(DigitalSignalProcessor，DSP)、嵌入式设备等。所述计算机装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机装置可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。实施例一图1是本专利技术实施例一提供的道路识别方法的流程图。所述道路识别方法应用于计算机装置。所述道路本文档来自技高网...

【技术保护点】
1.一种道路识别方法，其特征在于，所述方法包括：获取待识别的遥感图像；计算所述遥感图像在YUV颜色空间的图像金字塔；对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征；将所述图像金字塔的每层图像的梯度特征作为改进U‑Net模型每层网络的输入，得到所述遥感图像的第一概率分布图，其中所述改进U‑Net模型的每层网络包括一个1x1的卷积作为预测模块；根据所述第一概率分布图中各个像素点的道路概率得到所述遥感图像中的所有道路。

【技术特征摘要】
1.一种道路识别方法，其特征在于，所述方法包括：获取待识别的遥感图像；计算所述遥感图像在YUV颜色空间的图像金字塔；对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征；将所述图像金字塔的每层图像的梯度特征作为改进U-Net模型每层网络的输入，得到所述遥感图像的第一概率分布图，其中所述改进U-Net模型的每层网络包括一个1x1的卷积作为预测模块；根据所述第一概率分布图中各个像素点的道路概率得到所述遥感图像中的所有道路。2.如权利要求1所述的方法，其特征在于，所述对于所述图像金字塔的每层图像，计算每个颜色通道上各个像素点的梯度特征，得到所述图像金字塔的每层图像的梯度特征包括：对于图像金字塔中的每层图像，计算每个颜色通道上各个像素点在x方向的梯度、在y方向的梯度以及梯度幅值，以所述每个颜色通道上各个像素点在x方向的梯度、在y方向的梯度以及梯度幅值作为所述图像的梯度特征。3.如权利要求1所述的方法，其特征在于，所述方法还包括：检测所述所有道路中是否存在碎片化的道路，若所述所有道路中存在碎片化的道路，则在所述所有道路中将所述碎片化的道路变为连贯的道路。4.如权利要求1所述的方法，其特征在于，所述方法还包括：检测所述所有道路中是否存在与其他道路断开的目标道路，若所述所有道路中存在与其他道路断开的所述目标道路，从所述所有道路中去除所述目标道路；其中，所述其他道路为所述所有道路中去除所述目标道路以外的道路。5.如权利要求1所述的方法，其特征在于，所述方法还包括：对所述所有道路进行边缘平滑处理。6.如权利要求1所述的方法，其特征在于，在所述将所述图像...

【专利技术属性】
技术研发人员：林瑞嵩，龚博，陈琪，姚西，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44