System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种计算机视觉领域,具体为遥感道路语义分割网络。
技术介绍
1、图像分割是图像处理中的一项关键技术,是计算机视觉领域重要的组成部分,通过图像分割能进一步对图像进行更高层次的分析和理解。它将图像细分为不同的子区域,是一个像素级的图像解析过程。目前主要分为语义分割、实例分割和全景分割,他们根据将目标实体划分为不同类别、不同实体、以及二者的结合体进行区分。
2、语义分割是图像分割领域中最基础、最重要的内容,它将同一类的像素点归为一类,精确地对像素点实现分类,广泛应用在无人驾驶、无人机自主巡航、医学影像处理、卫星遥感图像处理以及其他数字图像处理等领域。早期,传统方法率先实现图像的精准分割,主要包括基于阈值、边缘、区域的分割,以及结合了一些特定理论工具的算法,比如:基于形态学的分割、混合遗传算法、基于小波分析和变化的分割技术等;还有一些结合了机器学习的方法,比如:fcm聚类、区域水平集等。虽然,这些传统图像分割方法可以达到一定的分割精度,但仍依靠先验知识,对复杂目标分割的鲁棒性较差,细粒度信息提取能力较弱,无法很好地应用到现实生活场景。
3、当前遥感技术不断发展,遥感图像质量也在不断提高。利用遥感图像中的相关信息在城市规划、车辆导航、智能交通、土地利用检测等方面具有重要意义。道路是人类生活的重要场景,从遥感图像中提取道路信息已经成为更新城市路网结构的重要数据来源。
4、但目前一些网络在提取道路信息时会出现较多问题,比如背景、前景的识别错误;分割结果具有较大的锯齿感;尤其是在面对城市复杂道路
技术实现思路
1、针对上述问题,本专利技术提供了一种基于双aspp结构的遥感道路语义分割方法。
2、本设计基于公开遥感图像道路数据集过chn-cug-road dataset,利用全新的网络结构实现对遥感图像中的道路信息提取;
3、为解决上述技术问题,本专利技术采用的技术方案为:基于双aspp结构的遥感图像道路信息提取,步骤如下:
4、步骤一:对数据集chn-cug-road dataset重新划分为训练集与测试集,比例接近3:2;
5、步骤二:搭建遥感图像道路语义分割网络,所述基于双aspp结构的遥感图像城市路网提取算法,包括特征提取网络模块、多尺度特征融合模块、特征恢复模块;
6、步骤三:对步骤二中搭建完成的语义分割网络利用训练集进行预训练与参数优化;
7、步骤四:将处理过的测试集输入到步骤三中已完成预训练的网络结构中,输出遥感图像中道路信息;
本文档来自技高网...【技术保护点】
1.一种基于双ASPP结构的遥感道路语义分割方法,其特征是,包括:
2.如权利要求1所述的基于双ASPP结构的遥感道路语义分割方法,其特征是:步骤2包括:步骤2.1:将遥感图像输入到特征提取模块,得到不同尺度的图像特征;所述特征提取模块采用DarkNet-53网络结构实现特征提取;
3.如权利要求2所述的基于双ASPP结构的遥感道路语义分割方法,其特征是,特征提取模块的网络结构为DarkNet-53的前43层网络结构;
4.如权利要求3所述的基于双ASPP结构的遥感道路语义分割方法,其特征是,特征恢复模块由上采样层、卷积层、批量归一化层以及ReLu激活函数组成;
5.如权利要求4所述的基于双ASPP结构的遥感道路语义分割方法,其特征是,多尺度特征信息融合模块结构如下:
【技术特征摘要】
1.一种基于双aspp结构的遥感道路语义分割方法,其特征是,包括:
2.如权利要求1所述的基于双aspp结构的遥感道路语义分割方法,其特征是:步骤2包括:步骤2.1:将遥感图像输入到特征提取模块,得到不同尺度的图像特征;所述特征提取模块采用darknet-53网络结构实现特征提取;
3.如权利要求2所述的基于双aspp结构的遥感道路语义...
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。