基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质技术方案

基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质，其方法是：首先获取待训练高分辨率道路遥感影像数据并进行预处理；其次通过多层预训练模型ResNet34对预处理后的道路影像数据利用编码器逐步获取道路的两层低级特征和高级特征；将编码器提取到的道路高级特征输入到高级特征优化模块AFOM对其进行优化和增强，并去除冗余特征，得到优化后的道路高级特征；最后利用解码器优化并融合道路的两层低级特征和优化后的道路高级特征，获得优化的整体模型，用损失函数softDice和BCE的综合表示优化的整体模型，通过恢复图像分辨率，最终输出提取的道路网络图；系统、设备及介质，基于非对称型神经网络的高分辨率遥感影像道路网络提取方法，对高分辨率遥感影像中的道路进行识别分割；本发明专利技术具有精确度高和鲁棒性好的优点。

【技术实现步骤摘要】

本专利技术涉及基于高分辨率遥感影像的道路提取，尤其涉及一种基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质。

技术介绍

1、道路网络在城市和乡村的基础设施中扮演着关键的角色，它对于推动经济增长和提升居民的生活品质至关重要。随着遥感技术的发展，特别是高分辨率遥感图像技术的应用，图像数据更加精细，为道路网络的自动检测和深入分析提供了充足的数据来源，使得道路网络的自动识别和提取变得更加可行。

2、然而，尽管高分辨率影像能够表示更精细的地表特征，但由于每个像素覆盖的地面范围小，所以相同的地表区域需要更多像素点表示，数据量会显著增长，这不仅对计算能力要求更高，同时对算法设计也提出了更高的要求。

3、道路网络提取方法经历了三个发展阶段，包括基于形态特征、基于手工特征和基于深度学习的方法。前两种传统方法通常需要大量的时间并且依赖于人工解译，因此这些方法的精度受到限制。随着深度学习技术的持续发展和完善，基于此技术的道路提取方法也在不断地得到优化和提升。然而高分辨率遥感影像的复杂地物信息引入了大量噪声，如道路旁的树木、建筑物遮本文档来自技高网...

【技术保护点】

1.一种基于非对称型神经网络的高分辨率遥感影像道路网络提取方法，其特征在于，首先，获取待训练高分辨率道路遥感影像数据并进行预处理；其次，通过多层预训练模型ResNet34对预处理后的道路影像数据利用编码器逐步获取道路的两层低级特征包括道路边缘、路面纹理特征和高级特征包括道路整体形状、路网空间关系；将编码器提取到的道路高级特征输入到高级特征优化模块AFOM对其进行优化和增强，并去除冗余特征，得到优化后的道路高级特征；最后，利用解码器优化并融合道路的两层低级特征和优化后的道路高级特征，获得优化的整体模型，用损失函数softDice和BCE的综合表示优化的整体模型，通过恢复图像分辨率，最终输出...

【技术特征摘要】

1.一种基于非对称型神经网络的高分辨率遥感影像道路网络提取方法，其特征在于，首先，获取待训练高分辨率道路遥感影像数据并进行预处理；其次，通过多层预训练模型resnet34对预处理后的道路影像数据利用编码器逐步获取道路的两层低级特征包括道路边缘、路面纹理特征和高级特征包括道路整体形状、路网空间关系；将编码器提取到的道路高级特征输入到高级特征优化模块afom对其进行优化和增强，并去除冗余特征，得到优化后的道路高级特征；最后，利用解码器优化并融合道路的两层低级特征和优化后的道路高级特征，获得优化的整体模型，用损失函数softdice和bce的综合表示优化的整体模型，通过恢复图像分辨率，最终输出提取的道路网络图。

2.根据权利要求1所述的一种基于非对称型神经网络的高分辨率遥感影像道路网络提取方法，其特征在于，具体包括以下步骤：

3.根据权利要求2所述的基于非对称型神经网络的高分辨率遥感...

【专利技术属性】
技术研发人员：刘如意，吴俊红，苗启广，刘向增，宋建锋，李宇楠，谢琨，赵佩佩，权义宁，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：