一种Transformer图像道路检测方法技术

技术编号:34631595 阅读:23 留言:0更新日期:2022-08-24 15:03
本发明专利技术公开了一种Transformer图像道路检测方法,能够充分利用多时相信息和能够建立全图像像素与像素之间的空间依赖关系,实现图像道路的准确检测。本发明专利技术分层提取得到总图像特征后,将每层的总图像特征输入到时空Transformer模型中,得到每层的模型特征,进而得到增强特征;解码后将所有解码结果从后至前依次叠加,得到恢复特征;分割网络分割恢复特征,得到道路检测结果。本发明专利技术基于深度学习,克服了传统的SAR图像道路检测方法由于SAR图像中复杂的环境无法对SAR图像中的道路进行精确建模的缺点;本发明专利技术基于深度学习采用数据驱动的方式对SAR图像中的道路对象进行学习,有效地避免了对SAR图像中的对象进行建模,取得了比传统方法更好的效果。比传统方法更好的效果。比传统方法更好的效果。

【技术实现步骤摘要】
一种Transformer图像道路检测方法


[0001]本专利技术涉及SAR图像道路检测
,具体涉及一种Transformer图像道路检测方法。

技术介绍

[0002]早期,SAR的道路检测方法将道路建模为被明亮边缘包围的暗黑色区域。根据这个前提,早期的SAR图像道路检测方法首先根据SAR图像中道路特点从 SAR图像中提取特征。提取的特征包括:线性特征、对比度特征、灰度特征和方向特征。之后根据提取的特征进行二值化,检测出SAR图像中的道路。
[0003]然而,在现实世界中由于各种干扰的存在、道路类型的多样性以及环境背景的复杂性,所建立的道路模型往往是无效的,这就给传统的SAR图像道路提取方法造成了瓶颈。
[0004]影响现有的SAR图像道路检测方法性能提升的一个重要因素是相干斑噪声。为了减轻相干斑噪声的影响,现有的单时相道路检测方法通常在预处理阶段采用各种空域滤波的方法消除相干斑噪声。虽然空域滤波的方法可以在一定程度上消除相干斑噪声,然而空域滤波方法也造成了空间分辨率的降低。SAR图像相较于光学图像具有全天时全天候的特点,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种Transformer图像道路检测方法,其特征在于,通过卫星获取多时相SAR图像作为原始图像,采用如下具体步骤进行道路检测:步骤一、构建多层编码块,利用编码块分层提取原始图像的特征;步骤二、将所提取的每一层特征根据时间轴组合并进行矩阵变换,得到每一层编码块对应的每层的总图像特征;步骤三、将每层的总图像特征输入到时空Transformer模型中,得到每层的模型特征;将每层的模型特征与同一层的总图像特征相加,得到该层的增强特征;步骤四、对每层的增强特征解码,并将所有编码结果按照编码顺序从后至前依次叠加,得到恢复特征,并将恢复特征输入到分割网络中;分割网络分割恢复特征,得到道路检测结果。2.如权利要求1所述的方法,其特征在于,所述利用编码块分层提取原始图像的特征,将所提取的每一层特征根据时间轴组合并进行矩阵变换,得到每一层编码块对应的每层的总图像特征,具体方法为:所述多层编码块包括共四层编码块;从原始图像中取出三个相邻时刻的图像A、B和C作为输入,分别输入到第一层编码块中;第一层编码块对图像进行卷积,得到第一层特征A、第一层特征B和第一层特征C;将第一层特征A、第一层特征B和第一层特征C按时间轴组合,进行矩阵变换,结果作为第一层总图像特征;将第一层特征A、第一层特征B和第一层特征C分别输入到第二层编码块中,得到第二层特征A、第二层特征B和第二层特征C;将第二层特征A、第二层特征B和第二层特征C按时间轴组合,进行矩阵变换,结果作为第二层总图像特征;将第二层特征A、第二层特征B和第二层特征C分别输入到第三层编码块中,得到第三层特征A、第三层特征B和第三层特征C;将第三层特征A、第三层特征B和第三层特征C按时间轴组合,进行矩阵变换,结果作为第三层总图像特征;将第三层特征A、第三层特征B和第三层特征C分别输入到第四层编码块中,得到第四层特征A、第四层特征B和第四层特征C;将第四层特征A、第四层特征B和第四层特征C按时间轴组合,进行矩阵变换,结果作为第四层总图像特征。3.如权利要求2所述的方法,其特征在于,第一层编码块为64个3

【专利技术属性】
技术研发人员:付希凯魏晓晨吕孝雷
申请(专利权)人:中国科学院空天信息创新研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1