基于改进Transformer网络的遥感影像道路提取方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种基于改进Transformer网络的遥感影像道路提取方法、系统、设备及存储介质，涉及道路提取技术领域。本发明专利技术的技术要点包括：利用基于改进Transformer网络的道路提取模型对道路遥感图像进行道路提取，其中改进Transformer网络包括跨尺度编码层、改进的编码器和解码器；跨尺度编码层在编码阶段解决了Transformer多尺度输入对道路提取效果的影响；在编码器和解码器中将多头注意力机制替换为带有残差项的区域多头注意力机制，不仅能准确地关注学习小物体特征，还能保留更多的原始特征和缓解梯度消失问题；利用门控机制对前馈神经网络进行改进，增强了模型的表达能力。本发明专利技术能够更准确地提取出道路细节信息，为高分辨率遥感影像中道路特征自动化提取提供了新的解决方案。

【技术实现步骤摘要】

本专利技术涉及道路提取，具体涉及基于改进transformer网络的遥感影像道路提取方法、系统、设备及存储介质。

技术介绍

1、遥感影像提取道路信息在交通管理、城乡建设、应急响应等领域发挥着关键作用。传统的人工提取方法效率低下，无法满足日益增长的提取需求。随着深度学习的发展，遥感图像处理技术获得突破性发展。因此，将深度学习应用于高分辨率遥感影像道路提取已成为研究热点之一。

2、但是高分辨率遥感图像道路的像素级识别方面，仍有一些关键性问题。首先，道路的固有属性复杂多样，与河流等线状物体的高相似性，加上树木和建筑物造成的遮挡问题，这些都可能引起提取的道路信息断裂；其次，深度学习模型需有效处理道路的长距离依赖以捕捉其全局特征，transformer模型依赖于基于特征图的多尺度处理，忽略了对transformer输入嵌入的多尺度处理的深入探索；因此，如何准确、高效地从高分辨率遥感影像中提取道路信息值得研究。

技术实现思路

1、由此，本专利技术提出一种基于改进transformer网络的遥感影像道路提取方法本文档来自技高网...

【技术保护点】

1.一种基于改进Transformer网络的遥感影像道路提取方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进Transformer网络的遥感影像道路提取方法，其特征在于，所述预处理包括数据增强，所述数据增强包括图像翻转，亮度、颜色、对比度调整，小区域变形处理。

3.根据权利要求1所述的一种基于改进Transformer网络的遥感影像道路提取方法，其特征在于，所述改进Transformer网络包括跨尺度编码层、改进的编码器和解码器；其中，跨尺度编码层对于输入的遥感图像使用包含四个不同大小卷积核的卷积核组来提取特征，且所有卷积核的步长相同；随后将提取的特...

【技术特征摘要】

1.一种基于改进transformer网络的遥感影像道路提取方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进transformer网络的遥感影像道路提取方法，其特征在于，所述预处理包括数据增强，所述数据增强包括图像翻转，亮度、颜色、对比度调整，小区域变形处理。

3.根据权利要求1所述的一种基于改进transformer网络的遥感影像道路提取方法，其特征在于，所述改进transformer网络包括跨尺度编码层、改进的编码器和解码器；其中，跨尺度编码层对于输入的遥感图像使用包含四个不同大小卷积核的卷积核组来提取特征，且所有卷积核的步长相同；随后将提取的特征经过编码和拼接后，作为一个跨尺度嵌入输入到编码器中；编码器和解码器的改进之处包括：将多头注意力机制替换为带有残差项的区域多头注意力机制；利用门控机制对前馈神经网络进行改进。

4.根据权利要求3所述的一种基于改进transformer网络的遥感影像道路提取方法，其特征在于，所述带有残差项的区域多头注意力机制的运行机制为：将输入的特征图划分为四个大小相同的子区域，并将得到的子特征图输入带有残差项的多头注意力机制中；随后，将经过注意力机制关注的子特征图进行融合，得到具有丰富局部特征信息的特征图。

5.根据权利要求4所述的一种基于改进transformer网络的遥感影像道路提取方法，其特征在于，所述带有残差项的多头注意力机制具体为：将传播注意力分数作为残差项...

【专利技术属性】
技术研发人员：姜丽丽，周嘉，安颖，
申请(专利权)人：哈尔滨师范大学，
类型：发明
国别省市：