【技术实现步骤摘要】
本专利技术属于遥感图像处理，具体涉及一种遥感影像道路提取方法。
技术介绍
1、道路信息是基础又不可忽视的重要地理信息之一。近年来，随着遥感技术的快速发展，遥感影像为道路提取提供了丰富的数据源。遥感影像相较于其他图像而言，图幅范围大，包含地物复杂，多呈现狭窄细长的特点，狭窄道路的像素偏少，网络经过多次下采样会丢失部分全局语义信息，无法保证道路的连通性，但是如果使用浅层的卷积层提取的特征信息进行融合，会引入高分辨率数据中原始噪声，对特征提取的准确度造成干扰，如果无法有效的提取这些狭窄道路，会破坏道路的连通性，使道路呈现不连续的情况，导致基于遥感影像提取的道路存在内容丢失、精度不佳的结果。
2、针对道路提取任务，根据标注类型和深度学习模型的不同，可以将算法分为：完全监督学习、弱监督学习和无监督学习三大类，一般使用深度学习中的语义分割任务进行道路提取。其中，解码器-编码器结构在语义分割二分类任务中效果显著，但是其存在反复下采样和上采样操作，这样会导致丢失一部分空间信息和边缘信息，预测结果中显示该方法难以保持狭窄道路的连通性，导致道路提取结果不准。
技术实现思路
1、本专利技术的目的在于提供一种遥感影像道路提取方法，用以解决现有技术反复下采样和上采样导致道路提取结果不准确的问题。
2、为解决上述技术问题，本专利技术提供了一种遥感影像道路提取方法，获取待提取道路的遥感影像并输入至训练后的道路提取模型中得到道路提取结果；其中，道路提取模型包括初步特征提取模块、高分辨率路经
3、上述技术方案的有益效果为：本专利技术使用一种双路径算法，其中一条路径使用高分辨率路径，负责维持高分辨率的特征图细节不丢失，防止反复的下采样操作丢失空间信息和边缘信息，而另一条路径则是先进行道路分割处理，进而根据分割结果进行传统的下采样方式进行特征提取，改善道路边缘提取效果和保证道路的连通性，进而将两者融合，两条路径互相补充修正，提高道路提取精度。
4、进一步地，所述特征融合处理的过程为：先对语义路径的输出进行上下文信息提取，上下文信息提取结果与高分辨率路经的输出进行拼接，再对拼接结果进行处理以进行输出。
5、上述技术方案的有益效果为：先对语义路径的输出进行进一步的上下文信息提取，可以提取道路特征，保证道路的连通性。
6、进一步地，所述道路分割模块用于采用分水岭分割算法进行道路轮廓信息分割。
7、上述技术方案的有益效果为：分水岭分割算法是一种基于地理形态分析的图像分割算法，其简洁、计算量低且便于提取道路这种物体轮廓封闭性的地理形态。
8、进一步地，采用金字塔条带池化模块进行上下文信息提取，且金字塔条带池化模块用于：将输入特征图经过不同尺寸的条带状卷积模块得到若干个不同尺寸的特征图，进而将输入特征图和所述不同尺寸的特征图再分别经过卷积操作以减少通道数，从而得到多个特征图；将所述多个特征图以残差方式连接，并对连接结果进行压缩融合；压缩融合结果与经过减少通道数后的输入特征图进行拼接作为金字塔条带池化模块的输出。
9、上述技术方案的有益效果为：利用条带状卷积优化金字塔池化模块，在扩大感受野的同时不过多增加计算成本，并且条带状卷积比较适合道路狭窄、跨度大的特点。
10、进一步地，高分辨率路经包括m个高分辨率提取单元，最后一个高分辨率提取单元的输出为所述高分辨率路径的输出，语义路径包括m个语义特征提取单元，最后一个语义特征提取单元的输出为所述语义路径的输出，m＞1；所述道路提取模型还包括特征双边融合模块，所述特征双边融合模块包括m-1个双边融合单元；第k个双边融合单元用于对第k个高分辨率提取单元的输出依次经过两个卷积，而后与第k个高分辨率提取单元的输出进行拼接，称拼接结果为高分辨率拼接结果；对第k个语义特征提取单元的输出依次经过两个卷积，而后与所述语义特征提取单元的输出进行拼接，称拼接结果为语义拼接结果；进而将高分辨率拼接结果经过交叉注意力机制处理，处理后与语义拼接结果进行拼接，拼接结果与第k个语义特征提取单元的输出进行拼接作为第k+1个语义特征提取单元的输入；以及将语义拼接结果经过交叉注意力机制处理，处理后与高分辨率拼接结果进行拼接，拼接结果与所述第k个高分辨率提取单元的输出进行拼接作为第k+1个高分辨率提取单元的输入；k∈[1,m-1]。
11、上述技术方案的有益效果为：设计上述介绍的特征双边融合模块，让双路径之间进行信息交互，对双路径信息进行特征融合，提升网络性能，更适应道路跨度大、狭窄且连续分布的特点。
12、进一步地，采用ccnet实现所述交叉注意力机制。
13、上述技术方案的有益效果为：ccnet引入交叉通道和双向注意力机制，可以增强语义分割的表达能力，实现聚合上下文信息。
14、进一步地，两个卷积为两个条带状卷积。
15、上述技术方案的有益效果为：卷积设置为条带状卷积，可以在扩大感受野的同时不过多增加计算成本，并且条带状卷积比较适合道路狭窄、跨度大的特点。
16、进一步地，m＝4。
17、上述技术方案的有益效果为：设置4个高分辨率提取单元和语义特征提取单元，可以兼顾计算速率和计算准确性。
18、进一步地，对拼接结果进行处理为通过1个1×1的卷积对拼接结果进行处理。
19、上述技术方案的有益效果为：通过1×1的卷积操作可以简单快速实现融合。
本文档来自技高网...【技术保护点】
1.一种遥感影像道路提取方法，其特征在于，获取待提取道路的遥感影像并输入至训练后的道路提取模型中得到道路提取结果；其中，道路提取模型包括初步特征提取模块、高分辨率路经、道路分割模块、语义路径和特征融合模块；
2.根据权利要求1所述的遥感影像道路提取方法，其特征在于，所述特征融合处理的过程为：先对语义路径的输出进行上下文信息提取，上下文信息提取结果与高分辨率路经的输出进行拼接，再对拼接结果进行处理以进行输出。
3.根据权利要求1所述的遥感影像道路提取方法，其特征在于，所述道路分割模块用于采用分水岭分割算法进行道路轮廓信息分割。
4.根据权利要求2所述的遥感影像道路提取方法，其特征在于，采用金字塔条带池化模块进行上下文信息提取，且金字塔条带池化模块用于：将输入特征图经过不同尺寸的条带状卷积模块得到若干个不同尺寸的特征图，进而将输入特征图和所述不同尺寸的特征图再分别经过卷积操作以减少通道数，从而得到多个特征图；将所述多个特征图以残差方式连接，并对连接结果进行压缩融合；压缩融合结果与经过减少通道数后的输入特征图进行拼接作为金字塔条带池化模块的输出。p>
5.根据权利要求1～4任一项所述的遥感影像道路提取方法，其特征在于，高分辨率路经包括M个高分辨率提取单元，最后一个高分辨率提取单元的输出为所述高分辨率路径的输出，语义路径包括M个语义特征提取单元，最后一个语义特征提取单元的输出为所述语义路径的输出，M＞1；所述道路提取模型还包括特征双边融合模块，所述特征双边融合模块包括M-1个双边融合单元；
6.根据权利要求5所述的遥感影像道路提取方法，其特征在于，采用CCNet实现所述交叉注意力机制。
7.根据权利要求5所述的遥感影像道路提取方法，其特征在于，两个卷积为两个条带状卷积。
8.根据权利要求5所述的遥感影像道路提取方法，其特征在于，M＝4。
9.根据权利要求2所述的遥感影像道路提取方法，其特征在于，对拼接结果进行处理为通过1个1×1的卷积对拼接结果进行处理。
...【技术特征摘要】
1.一种遥感影像道路提取方法，其特征在于，获取待提取道路的遥感影像并输入至训练后的道路提取模型中得到道路提取结果；其中，道路提取模型包括初步特征提取模块、高分辨率路经、道路分割模块、语义路径和特征融合模块；
2.根据权利要求1所述的遥感影像道路提取方法，其特征在于，所述特征融合处理的过程为：先对语义路径的输出进行上下文信息提取，上下文信息提取结果与高分辨率路经的输出进行拼接，再对拼接结果进行处理以进行输出。
3.根据权利要求1所述的遥感影像道路提取方法，其特征在于，所述道路分割模块用于采用分水岭分割算法进行道路轮廓信息分割。
4.根据权利要求2所述的遥感影像道路提取方法，其特征在于，采用金字塔条带池化模块进行上下文信息提取，且金字塔条带池化模块用于：将输入特征图经过不同尺寸的条带状卷积模块得到若干个不同尺寸的特征图，进而将输入特征图和所述不同尺寸的特征图再分别经过卷积操作以减少通道数，从而得到多个特征图；将所述多个特征图以残差方式连接，...
【专利技术属性】
技术研发人员：白翔天，郭黎，王彩璇，曹一冰，马式纪，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：
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。