一种高分辨率遥感影像道路自动提取的方法技术

本发明专利技术涉及视频图像处理技术领域，尤其涉及一种高分辨率遥感影像道路自动提取的方法，本发明专利技术通过加入多Agent系统，在深度卷积神经网络模型的训练过程中，在输入的高分辨率遥感影像上分区域创建生成Agent，由生成Agent随机生成大量的提取Agent，不同的提取Agent负责遍历不同的区域，再将路图迭代生成算法模型加入每个提取Agent的生命周期中，通过同一区域内不同提取Agent间、提取Agent和生成Agent间，以及不同区域的生成Agent间的信息共享、协同合作完成整张遥感影像的道路提取任务。本发明专利技术通过多Agent技术实现模型高效训练，又能利用深度学习的强大特征学习能力，实现高效率和高准确性的高分辨率遥感影像道路提取。确性的高分辨率遥感影像道路提取。确性的高分辨率遥感影像道路提取。

【技术实现步骤摘要】
一种高分辨率遥感影像道路自动提取的方法


[0001]本专利技术涉及视频图像处理
，尤其涉及一种高分辨率遥感影像道路自动提取的方法。

技术介绍

[0002]遥感技术是一种超远距离感知的大范围对地观测技术，通过获取感兴趣区域的遥感影像并加以地物信息的提取与分析，可以为经济社会的发展和国家重大战略的实施提供重要的数据支持。随着近年来遥感技术的不断发展，遥感影像数据已经具有高空间分辨率、高光谱分辨率和高时间分辨率的特征，这些高分辨率遥感影像虽然带来了更加丰富的地物信息，但也增加了从中获取精确所需信息的难度。因此如何高效地从高分辨率遥感影像中准确提取所需地物信息已经成为当下的重点研究方向。
[0003]道路是遥感影像中具有复杂拓扑信息的典型地物目标，在应急响应、交通导航、城市规划等多个场景中发挥重要作用，而且道路信息还可以在遥感影像场景理解任务中为建筑物、植被和河流等地物目标的识别提供先验知识。然而，由于遥感影像中道路背景环境的多样性和复杂性，从遥感影像中提取道路分布是一个具有挑战性的任务。依靠人工经验设计特征提取器的传统道路提取方法在场景相对简单的遥感影像上可以取得较好的提取效果，但是难以应对同谱异物、同物异谱现象带来的干扰，难以产生高质量的道路提取结果在实际场景中应用。尤其当下随着遥感影像分辨率的不断提高，光照影响、树木和建筑物遮挡等干扰因素也使得传统非深度学习的道路提取方法的效果差强人意。
[0004]随着人工智能与遥感领域的交叉结合，深度学习的方法被应用到遥感影像地物目标的识别提取上并且取得了较好的成果。其中，卷积神经网络能自动学习将原始输入映射到指定标签的规则，这种学习能力逐渐取代了传统的依靠人工经验设计特征的方式，成为了图像分类、目标检测、语义分割等图像处理领域的主流算法模型，这也给高分辨率遥感影像道路提取提供了新思路。当前围绕高分辨率遥感影像道路提取的深度学习算法主要可以分为基于像素的语义分割方法和基于图迭代的拓扑跟踪方法。前者特征是逐像素预测类别，原理容易上手但是效率偏低，后者特征是以道路的拓扑形状为主体，迭代式搜索并构造道路网，网络模型设计相对复杂但是道路提取的效果更加好。若能进一步结合这两种方法，实现优势互补，那么便能在高分辨率遥感影像道路提取领域取得新突破，推动其在实际应用中的落地。

技术实现思路

[0005]为了解决上述现有技术中存在的问题，本专利技术拟提供一种高分辨率遥感影像道路自动提取的方法，拟解决当前高分辨率遥感影像道路提取模型训练效率低和道路提取结果不佳的问题。
[0006]一种高分辨率遥感影像道路自动提取的方法，包括如下步骤：
[0007]获取由道路类别标签标注准确的高分辨率遥感影像组成的数据集；
[0008]对数据集中的高分辨率遥感影像进行预处理；
[0009]对道路提取模型进行训练：
[0010]首先将经过预处理后的高分辨率遥感影像分区域初始化生成预定数量的生成Agent，相邻区域允许重合，生成Agent在其负责的区域内随机初始化生成多个提取Agent；
[0011]每个提取Agent执行基于深度学习的路图迭代生成算法模型来进行道路提取；在整个路图迭代生成算法模型的生命周期中，同一区域的各提取Agent之间、生成Agent与提取Agent之间，以及不同区域的生成Agent之间均保持信息共享，协同完成高分辨率遥感影像的全图道路提取；
[0012]每个提取Agent终止后，均需要将其存储的道路提取结果传入共享结果库中，当所有的提取Agent终止后，对共享结果库中的所有道路提取结果进行合并，得到一个完整的道路提取结果图；
[0013]将道路提取结果图与对应的真实标签图进行损失计算并进行反向传播，更新路图迭代生成算法模型的参数；并经过反复的多次训练后得到最终的道路提取模型；基于最终的道路提取模型实现道路的自动提取。
[0014]本专利技术在目前全图单起点的高分辨率遥感影像道路迭代生成算法的基础上，引入多Agent技术；在本专利技术的多Agent系统中，生成Agent负责在图像上分区域生成大量的提取Agent，而每个提取Agent均作为路图迭代生成算法模型的起点，在各自的生命周期中于所属区域内进行道路提取；同时在一定范围内的提取Agent之间保持信息共享，高效的完成高分辨率遥感影像的道路提取工作。
[0015]优选的，所述提取Agent包括第一感知模块、第一决策模块、第一记录模块、动作模块以及第一通信模块；
[0016]所述第一感知模块以提取Agent所在位置为中心裁剪预定尺寸的遥感影像，并将裁剪后的遥感影像传递给第一决策模块；
[0017]所述第一决策模块包含基于深度学习的路图迭代生成算法模型，路图迭代生成算法模型根据裁剪后的遥感影像输出下一个属于道路类别的像素点位置，并传递给动作模块；
[0018]所述动作模块用于指引提取Agent移动到预测的下一个属于道路类别的像素点位置；
[0019]所述第一记录模块将预测的下一个属于道路类别的像素点位置添加至单独维护的道路图中并添加相应的边；
[0020]所述第一通信模块用于指引与同一区域内其余提取Agent以及该区域生成Agent之间的信息共享，并在终止时将道路提取结果存储至共享结果库中。
[0021]优选的，所述数据的预处理包括将高分辨率遥感影像及其对应的道路真实标签图按预定的概率进行数据增强操作，将进行数据增强操作后的高分辨率遥感影像的尺寸统一调整为512
×
512。
[0022]优选的，所述数据增强操作包括对高分辨率遥感影像进行饱和度变化、水平翻转以及垂直翻转等。
[0023]优选的，每个所述生成Agent负责本区域内的提取Agent的创建和监控管理；
[0024]所述生成Agent包括第二感知模块、第二通信模块、第二记录模块和第二决策模
块；
[0025]所述第二感知模块接收本区域的图像信息，将本区域内的图像信息作为创建提取Agent的先验知识；
[0026]所述第二通信模块负责与邻近区域的生成Agent以及与本区域内所有提取Agent之间的通信，实现信息共享；
[0027]所述第二记录模块负责记录本区域内所有提取Agent的活跃状态，当所有的提取Agent均终止时，生成Agent进入挂起状态，等待下一次创建命令；
[0028]所述第二决策模块负责区域内提取Agent的随机生成以及冲突避免。
[0029]优选的，所述路图迭代生成算法模型获取下一个属于道路类别的像素点位置的具体步骤如下：
[0030]提取Agent以所在位置为中心截取H
×
W
×
3尺寸的遥感图像送入编码网络中，经过编码网络的下采样处理后获得H
’×
W
’×
C的特征图，将特征图分别送入并行的多尺度空洞卷积融合模块和空间注意力模块，得到第一道路特征信息和第二道路特征信息，并将第一道路特征信息和第二道路特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高分辨率遥感影像道路自动提取的方法，其特征在于，包括如下步骤：获取由道路类别标签标注准确的高分辨率遥感影像组成的数据集；对数据集中的高分辨率遥感影像进行预处理；对道路提取模型进行训练：首先将经过预处理后的高分辨率遥感影像分区域初始化生成预定数量的生成Agent，相邻区域允许重合，生成Agent在其负责的区域内随机初始化生成多个提取Agent；每个提取Agent执行基于深度学习的路图迭代生成算法模型来进行道路提取；在整个路图迭代生成算法模型的生命周期中，同一区域的各提取Agent之间、生成Agent与提取Agent之间，以及不同区域的生成Agent之间均保持信息共享，协同完成高分辨率遥感影像的全图道路提取；每个提取Agent终止后，均需要将其存储的道路提取结果传入共享结果库中，当所有的提取Agent终止后，对共享结果库中的所有道路提取结果进行合并，得到一个完整的道路提取结果图；将道路提取结果图与对应的真实标签图进行损失计算并进行反向传播，更新路图迭代生成算法模型的参数；并经过反复的多次训练后得到最终的道路提取模型；基于最终的道路提取模型实现道路的自动提取。2.根据权利要求1所述的一种高分辨率遥感影像道路自动提取的方法，其特征在于，所述提取Agent包括第一感知模块、第一决策模块、第一记录模块、动作模块以及第一通信模块；所述第一感知模块以提取Agent所在位置为中心裁剪预定尺寸的遥感影像，并将裁剪后的遥感影像传递给第一决策模块；所述第一决策模块包含基于深度学习的路图迭代生成算法模型，路图迭代生成算法模型根据裁剪后的遥感影像输出下一个属于道路类别的像素点位置，并传递给动作模块；所述动作模块用于指引提取Agent移动到预测的下一个属于道路类别的像素点位置；所述第一记录模块将预测的下一个属于道路类别的像素点位置添加至单独维护的道路图中并添加相应的边；所述第一通信模块用于指引与同一区域内其余提取Agent以及该区域生成Agent之间的信息共享，并在终止时将道路提取结果存储至共享结果库中。3.根据权利要求1所述的一种高分辨率遥感影响道路自动提取的方法，其特征在于，所述数据的预处理包括将高分辨率遥感影像及其对应的道路真实标签图按预定的概率进行数据增强操作，将进行数据增强操作后的高分辨率遥感影像的尺寸统一调整为512
×
512。4.根据权利要求3所述的一种高分辨率遥感影像道路自动提取的方法，其特征在于，所述数据增强操作包括对高分辨率遥感影像进行饱和度变化、水平翻转以及垂直翻转。5.根据权利要求...

【专利技术属性】
技术研发人员：程建，王琪，夏子瀛，刘思宇，曹玮，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：