【技术实现步骤摘要】
本专利技术涉及图像处理，尤其是涉及一种条状目标的识别方法、系统、计算机设备和存储介质。
技术介绍
1、条状目标(例如遥感图像中的道路)的识别在车辆导航、城市规划、自动驾驶中起着重要作用。现有的道路地图采集方法，如移动gps轨迹聚合或手动标注道路，无法处理大规模区域，同时这些方法耗时且无法及时更新动态环境，如自然灾害引起的变化中的道路网络。遥感影像覆盖范围广且可以提供最新的地理空间信息，这为道路网络的自动更新提供了一种可行的方案。
2、传统的道路识别研究利用低级特征并定义启发式规则从遥感影像中分割出道路。这些方法通常需要人工进行检查，不适用于大规模区域。近年来，具有编码器-解码器结构的cnn(convolutional neural networks，卷积神经网络)在图像语义分割中表现出较高的性能。一些道路提取研究也应用了cnn，然而由于遥感图像中存在的困难，这些方法通常会生成碎片化的道路段。道路的连通性是一个核心属性，确保道路连通性是进行其他下游任务的前提和关键条件。为了提高提取道路的连通性，一些方法首先生成道路的语义分割结...
【技术保护点】
1.一种条状目标的识别方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的条状目标的识别方法，其特征在于，S2中的编码器模块包括若干层依次连接的编码块，解码器模块包括与若干层编码块数量相同且依次连接的解码块，跨空间Transformer模块包括若干个跨空间Transformer块，若干层编码块与若干层解码块中除了最顶层以外其他层分别通过若干个跨空间Transformer块对应连接。
3.如权利要求2所述的条状目标的识别方法，其特征在于，S2中的编码器模块具体为深度残差网络，深度残差网络包括若干个依次连接的残差块，将条形目标的图像数据...
【技术特征摘要】
1.一种条状目标的识别方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的条状目标的识别方法，其特征在于，s2中的编码器模块包括若干层依次连接的编码块，解码器模块包括与若干层编码块数量相同且依次连接的解码块，跨空间transformer模块包括若干个跨空间transformer块，若干层编码块与若干层解码块中除了最顶层以外其他层分别通过若干个跨空间transformer块对应连接。
3.如权利要求2所述的条状目标的识别方法，其特征在于，s2中的编码器模块具体为深度残差网络，深度残差网络包括若干个依次连接的残差块，将条形目标的图像数据输入深度残差网络处理，若干个依次连接的残差块从条形目标的图像数据中依次提取出若干个图像特征。
4.如权利要求2所述的条状目标的识别方法，其特征在于，s2中跨空间transformer模块中的每个跨空间transformer块均包括并行连接的条形注意力模块和跨像素注意力模块，条形注意力模块和跨像素注意力模块分别接收与其对应连接的编码块输出的图像特征并处理，相应输出条形注意力特征和跨像素注意力特征，将条形注意力特征和跨像素注意力特征进行拼接，将拼接后的特征作为对应的跨空间transformer块输出的跨空间感知特征。
5.如权利要求4所述的条状目标的识别方法，其特征在于，条形注意力模块包括依次连接的第一归一化层、条形注意力层、第二归一化层以及第一多层感知机，条形注意力模块接收与其对应连接的编码块输出的图像特征并处理，输出条形注意力特征，具体过程如下：
6.如权利要求5所述...
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。