结合密集注意力和并行上采样的遥感图像道路分割方法技术

针对高分辨率遥感图像中道路分割算法精度低的问题，本发明专利技术提出一种结合密集注意力和并行上采样的遥感图像道路分割方法。本方法包括如下步骤：步骤1、设计密集空洞空间金字塔注意力模块（Dense Atrous Spatial Pyramid Attention，DASPA）；步骤2、设计多路并行上采样结构（Multi

【技术实现步骤摘要】
结合密集注意力和并行上采样的遥感图像道路分割方法


[0001]本专利技术属于计算机视觉的图像处理领域，特别涉及一种结合密集注意力和并行上采样的遥感图像道路分割方法。

技术介绍

[0002]道路作为遥感图像中典型的地理标志，在地图绘制、环境监测、军事应用等领域具有重要的应用价值。由于遥感技术的快速发展，遥感图像的分辨率不断提高，噪声对图像的干扰也随之增加，如何从遥感图像中自动提取出高精度的道路信息已成为近年来研究的热点与难点。目前基于卷积神经网络（Convolutional Neural Network，CNN）的遥感图像分割方法表现尤为突出，相较于传统的半自动提取方法，该方法能有效抑制道路信息提取过程中产生的噪声以及减少道路细节信息的丢失，使得提取效果大幅提升。然而，自动提取遥感图像道路信息主要存在以下难点：（1）输入图像分辨率高，数据量大，需要足够大的感受野；（2）遥感图像中的道路细长且复杂，占整幅图像比重较少；（3）由于地理限制，部分道路被阴影、云、建筑物或树木等物体覆盖，图像色彩对比度低，感兴趣区域的提取难度较大；（4）道路具有自然连通性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.结合密集注意力和并行上采样的遥感图像道路分割方法，包括如下步骤：步骤1、设计密集空洞空间金字塔注意力模块（Dense Atrous Spatial Pyramid Attention，DASPA）；步骤2、设计多路并行上采样结构（Multi-channel Parallel Upsampling，MPUpsample）；步骤3、搭建遥感图像道路分割网络，其中密集空洞空间金字塔注意力结构作用于编码器和解码器的中心部分，多路并行上采样模块作用于解码器部分；步骤4、在公开的遥感图像道路信息提取数据集上对提出的网络模型进行训练和测试；步骤5、将本发明方法的分割结果与目前先进的遥感图像道路分割方法进行比较分析。2.根据权利要求1所述方法，其特征在于，步骤1设计的密集空洞空间金字塔注意力模块如图1，由空间注意力和通道注意力两个并行的分支组成，其中空间注意力分支包括一个1
×
1的卷积和一个扩张率为1，2，4，8的密集空洞空间金字塔结构，能够重新调整特征重要性，在保留图像细节信息的同时消除背景特征的干扰，从而获得更为精确的分割结果。3.根据权利要求1所述方法，其特征在于，步骤2设计的多路并行上采样结构如图2，首先，使用1
×
1卷积减少每个层次的特征图通道数；其次，...

【专利技术属性】
技术研发人员：李小霞，张颖，刘晓蓉，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：