本发明专利技术属于技术领域，尤其涉及一种地物识别中的引导式道路提取方法及应用，包括根据道路的四个极点将遥感图像进行裁剪，极点再转化为单通道二维高斯热图与裁剪的遥感图像拼接形成4通道的网络输入，然后将卷积注意力机制模块与空洞空间卷积池化金字塔结构并联组成多分支模块，提取上下文信息、增强网络特征提取能力，提高网络道路提取的精度等步骤。本发明专利技术以DeepLabV3+网络作为基线网络提出了引导式道路提取网络GuideNet，能够有效提高道路踏勘精细程度、极大地缩减了人工踏勘时间，在满足施工道路符合率的条件下，效率比人工有很大提高。
【技术实现步骤摘要】
本专利技术属于地物识别，尤其涉及一种地物识别中的引导式道路提取方法及应用。
技术介绍
1、遥感图像的地物识别是自动目标识别理论中的关键技术之一，道路作为地理信息库的重要组成部分，如何准确地从遥感图像中识别道路的地物目标对炮检点正常布设具有重要意义。
2、在山地、沙漠、黄土塬、密集城镇、水网等复杂地表区，加之高密度高效采集技术的大面积应用，造成大量的炮检点无法正常布设，常规通过实地踏勘人工偏点及利用软件根据偏移规则偏点，耗时费力，且无法保证全局最优解。迫切需要利用高分辨率地表影像资料开展室内地物自动识别和物理点最优布设，以提高地震资料成像质量与施工效率。
3、高分辨率地表影像资料开展室内地物自动识别和物理点最优布设，可以提高地震采集施工效率，但自动提取方法在道路提取时存在漏提、错提现象，手工方式修正效率低问题。
4、另外，deeplabv3+中的aspp模块利用空洞卷积提取上下文信息，该结构分割细小目标能力欠缺，易造成道路边缘粗糙、漏提现象。
技术实现思路
>1、为了解决以上技本文档来自技高网...
【技术保护点】
1.一种地物识别中的引导式道路提取方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种地物识别中的引导式道路提取方法，其特征在于：所述步骤(2)中极点转化为单通道二维高斯热图，具体为4个极点转化为0-1之间的单通道二维高斯热图，转化公式如下：
3.根据权利要求1所述的一种地物识别中的引导式道路提取方法，其特征在于：所述步骤(4)中提取网络模块中网络输入为I∈R512×512×4，其中512表示输入图像的高和宽，4表示网络的输入通道数，前3个通道为图像的RGB通道，第4个通道是每个极点位置编码的二维高斯热图；网络输出为O∈R512×512×1，其是512表...
【技术特征摘要】
1.一种地物识别中的引导式道路提取方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种地物识别中的引导式道路提取方法，其特征在于：所述步骤(2)中极点转化为单通道二维高斯热图，具体为4个极点转化为0-1之间的单通道二维高斯热图，转化公式如下：
3.根据权利要求1所述的一种地物识别中的引导式道路提取方法，其特征在于：所述步骤(4)中提取网络模块中网络输入为i∈r512×512×4，其中512表示输入图像的高和宽，4表示网络的输入通道数，前3个通道为图像的rgb通道，第4个通道是每个极点位置编码的二维高斯热图；网络输出为o∈r512×512×1，其是512表示输出图像的高和宽，1表示网络输出通道。
4.根据权利要求1所述的一种地物识别中的引导式道路提取方法，其特征在于：所述步骤(4)中特征提取网络为resnet101网络，resnet101网络的最后阶段去除全连接层和最大池化层，保持可接受的输出分辨率用于密集预测。
5.根据权利要求1所述的一种地物识别中的引导式道路提取方法，其特征在于：所述步骤(4)中aspp机构由一个1×1普通卷积、三个膨胀率分别为6、12、18的3×3空洞卷积和一个全局平均池化并联构成；cbam模块由空间注意力机制和通道注意力机制串联构成。
6.根据权利要求5所述的一种地物识别中的引导式道路提取方法，其特征在于：所述步骤(4)中通道注意力模块具体步骤为：通道注意力模块对输入的特征图f分别进行平均池化和最大池化，之后对平均池化和最大池化的结果利用共享的全连接层进行处理得到2个特征向量；然后对2个特征向量进行逐...
【专利技术属性】
技术研发人员：文武，曹凯奇，付颖，朱烨，杨昊，魏敏，
申请(专利权)人：成都信息工程大学，
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。