一种基于多维多尺度U-net网络的遥感图像道路提取方法技术

本发明专利技术请求保护一种基于多维多尺度U

【技术实现步骤摘要】
一种基于多维多尺度U
‑
net网络的遥感图像道路提取方法


[0001]本专利技术属于遥感图像处理
，具体是设计一种基于改进U
‑
net网络的遥感图像道路提取方法。

技术介绍

[0002]道路信息是生活和出行中必不可少的重要内容，是交通运输的主干和基本方式，对人类文明的发展提供了许多的支持。道路提取在很多的应用中具有极其巨大的价值，例如在自动驾驶、城市规划、智能交通系统、紧急风险管理、地理信息的更新等方面。
[0003]目前，遥感图像道路提取的方法主要分为传统道路提取方法和基于深度学习的道路提取方法。传统方法通常是利用手工设计的特征进行道路提取，又可以进一步分为基于像元的方法和面向对象的方法。基于像元的方法主要是通过利用分析波谱特征的差异来提取道路，一般可以归纳为光谱分析法、阈值分割法和边缘检测法。基于像元的方法充分利用了影像的灰度值，能够较好的在图像清晰、背景简单且道路网络稀疏的遥感图像中提取道路。但是这类方法容易产生椒盐效应，且不能很好的对背景干扰信息进行区分。面向对象的方法以道路为对象，将道本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维多尺度U
‑
net网络的遥感图像道路提取方法，其特征在于，包括以下步骤：步骤1、选取公开的遥感道路数据集Massachusetts道路数据集作为原始数据，并进行裁剪、数据增强在内的预处理步骤；步骤2、将预处理后的数据输入编码网络，编码网络结合了残差结构和注意力特征融合机制对道路特征信息进行多尺度提取；步骤3、编码网络的输出作为桥接网络的输入，在桥接网络部分添加空洞空间金字塔池化ASPP模块，空洞空间金字塔池化ASPP模块包括并行的空洞卷积层，ASPP模块中并行的空洞卷积层相当于多个不同的接收域，用于在多个尺度上并行采样，实现深层特征上多尺度特征融合；步骤4、解码网络阶段：通过上采样逐步恢复特征图像至输入图像大小。在解码网络加入特征对齐模块FAM，该模块将高层特征和编码网络对应层次的低层特征作为输入生成语义流，通过使用语义流来调整两个相邻层级的特征图以生成高分辨率强语义的特征输出；步骤5、最后通过1
×
1卷积层将通道数变为2，通过Massachusetts数据集中的测试集对模型进行测试；模型训练期间采用交叉熵损失函数和Dice损失函数相结合的复合损失函数对模型进行损失计算。2.根据权利要求1所述的一种基于多维多尺度U
‑
net网络的遥感图像道路提取方法，其特征在于，所述步骤1具体包括：Massachusetts数据集图像大小均为1500
×
1500,设置一个256
×
256区域对该原始数据集所有图像进行剪裁；将256
×
256
×
3波段的高分数据作为输入数据输入到搭建的编码网络中，以提取道路信息。3.根据权利要求1所述的一种基于多维多尺度U
‑
net网络的遥感图像道路提取方法，其特征在于，所述步骤2将预处理后的数据输入编码网络，编码网络结合了残差结构和注意力特征融合机制对道路特征信息进行多尺度提取，具体包括：编码网络包括卷积序列块CSB和注意力残差学习单元ARLU，预处理操作后的RGB图像先经过卷积序列块转化为高维度特征，然后通过注意力残差学习单元以生成多尺度多层次特征；在注意力残差学习单元中，使用残差单元替代普通的神经网络单元，然后通过注意力特征融合模块融合残差单元中的恒等映射分支和残差分支。通过注意力特征融合...

【专利技术属性】
技术研发人员：陶于祥，何哲，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：