[發明專利]一種基于深度學習的無人機航拍圖像道路提取方法

有效

• 申請號: 201810189728.1
• 申請日: 2018-03-08
• 公開（公告）號: CN108416292B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 胡耀輝;白霖抒;成凱華;韓姣姣;馬泳潮;韋興旺
• 申請（專利權）人: 西安因諾航空科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

本發明公開了一種基于深度學習的無人機航拍圖像道路提取方法，首先對高分辨率無人機航拍圖像進行分塊，然后對分塊后的圖像使用多線程并行計算的方法計算積分圖模型，然后基于積分圖模型進行大尺度均值濾波，然后通過全卷積神經網絡得到道路分割模型，最后對道路區域進行修復，完成道路檢測。本方法檢測速度快，對道路尺度變化具有一定的魯棒性，檢測精度較傳統方法高。

技術領域

本發明屬于圖像分割技術領域，具體涉及一種基于深度學習的無人機航拍圖像道路提取方法。

背景技術

近年來，無人機技術快速發展。無人機航拍系統以無人飛行器為載體，搭載現代化數碼相機快速獲取低空高分辨率圖像，并將圖像數據通過無線網絡實時傳送給控制平臺。航拍系統可對感興趣區域拍攝，避免了常規調查的盲目性和無效工作，并且機動性高，拍攝時間靈活，被廣泛地應用于領土監測、災害監控、資源勘探等領域。當前UAV的一個主要研究方向是利用視覺傳感器提高其自主導航能力和場景理解能力，道路檢測則是其基礎。例如，固定翼無人飛行器著陸時需要精確檢測出跑道信息；在目標偵查中，道路信息可以為目標檢測與跟蹤提供重要信息。隨著無人機被廣泛地應用于安全監控、交通監控、道路建設檢查、交通調查等交通運輸領域，基于無人機航拍的道路檢測方法受到人們的重視。

目前航拍圖像的道路檢測方法主要有兩大類：一類是利用道路區域與背景區域的差異來檢測道路。這類方法通常采用灰度、紋理、顏色、形狀等人工特征來表征區域差異性，通過閾值算法、Graphcut算法、區域生長等方法來提取道路區域，進而完成檢測。另一類利用道路特征來檢測道路。這類方法通常學習道路區域特征，再使用匹配或者動態規劃的方法來搜索道路區域。這些方法只利用了簡單的人工特征，魯棒性不強，不能適用于復雜的場景。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于深度學習的無人機航拍圖像道路提取方法，準確性高且適用于較復雜情形下的圖像道路檢測。

本發明采用以下技術方案：

一種基于深度學習的無人機航拍圖像道路提取方法，首先對高分辨率無人機航拍圖像進行分塊，然后對分塊后的圖像使用多線程并行計算的方法計算積分圖模型，然后基于積分圖模型進行大尺度均值濾波，然后通過全卷積神經網絡得到道路分割模型，最后對道路區域進行修復，完成道路檢測。

具體的，包括以下步驟：

S1、將高分辨率無人機航拍圖像分成若干個低分辨率的塊，對于每塊低分辨率圖像，分別得到道路分割結果，最終將圖像塊合并，得到最終的道路分割結果；

S2、設置M個線程，并行對單通道圖像按行求取累加和，等所有線程結束運算后，得到累加矩陣Sum；設置N個線程，并行對累加矩陣Sum按列求取累加和，等所有線程結束運算后，得到積分圖模型；

S3、采用鄰域平均法對步驟S2確定的積分圖模型進行大尺度均值濾波；

S4、設計全卷積神經網絡模型RoadNet，訓練得到道路分割模型；

S5、將空間360度進行均分，選取M個方向，設計長度為L個像素的射線，如果從該點發出的M條射線含有的道路像素個數的均值少于L1個，則判斷該點為噪聲點，將該點劃分為背景區域，進行道路區域修復。

進一步的，步驟S1中，將分辨率為6000*4000的無人機航拍圖像分成48個分辨率為1000*500的圖像塊。

進一步的，步驟S2中，積分圖模型如下：

I(x,y)＝Sum(G(i,j))

其中，I表示積分圖像，G表示大小為M×N的原始圖像，0≤i≤x，0≤j≤y。