[發(fā)明專利]道路網(wǎng)絡(luò)提取方法、介質(zhì)、計(jì)算機(jī)設(shè)備及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811281849.5
• 申請(qǐng)日: 2018-10-31
• 公開(kāi)（公告）號(hào): CN109558801B
• 公開(kāi)（公告）日: 2020-08-07
• 發(fā)明（設(shè)計(jì)）人: 臧彧;熊張悅;張陽(yáng);王程;李軍
• 申請(qǐng)（專利權(quán)）人: 廈門(mén)大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 廈門(mén)創(chuàng)象知識(shí)產(chǎn)權(quán)代理有限公司 35232
• 代理人: 尤懷成

本發(fā)明公開(kāi)了一種道路網(wǎng)絡(luò)提取方法、介質(zhì)、計(jì)算機(jī)設(shè)備及系統(tǒng)，包括：獲取原始圖像；對(duì)原始圖像進(jìn)行處理以提取多個(gè)候選樣本，并選取局部斑塊；計(jì)算每個(gè)局部斑塊的置信評(píng)分，并計(jì)算所有局部斑塊的置信評(píng)分均值，以及將均值作為對(duì)應(yīng)的候選樣本的置信度，并將置信度小于預(yù)設(shè)置信閾值的候選樣本選取為訓(xùn)練樣本以生成訓(xùn)練樣本集；分別構(gòu)造生成器、第一判別器、第二判別器和VGG網(wǎng)絡(luò)以進(jìn)行道路網(wǎng)絡(luò)提取模型的訓(xùn)練，以生成道路網(wǎng)絡(luò)提取模型；將待測(cè)試的道路源圖像輸入道路網(wǎng)絡(luò)提取模型，以生成路網(wǎng)地圖；從而使得使用者可以通過(guò)簡(jiǎn)單地交互獲取大量的訓(xùn)練樣本，節(jié)約人力和物力資源；同時(shí)，可以獲取異常的道路區(qū)域，增強(qiáng)道路網(wǎng)絡(luò)的最終提取效果。

技術(shù)領(lǐng)域

本發(fā)明涉及遙感圖像處理技術(shù)領(lǐng)域，特別涉及一種道路網(wǎng)絡(luò)提取方法、介質(zhì)、計(jì)算機(jī)設(shè)備及系統(tǒng)。

背景技術(shù)

道路提取，是遙感圖像處理中的重要環(huán)節(jié)，通過(guò)從衛(wèi)星圖像中提取魯棒性的道路可以為道路規(guī)劃或勘測(cè)提供重要參考，同時(shí)，也為車(chē)輛、建筑物或者其他物體的檢測(cè)和識(shí)別提供有價(jià)值的先驗(yàn)知識(shí)；道路網(wǎng)絡(luò)提取模型因此而誕生。

道路網(wǎng)絡(luò)提取模型的訓(xùn)練過(guò)程中，需要搜集大量的樣本數(shù)據(jù)；然而，現(xiàn)有的樣本數(shù)據(jù)獲取方式多通過(guò)人工進(jìn)行標(biāo)記獲取，導(dǎo)致人力物力的極大浪費(fèi)；并且，現(xiàn)有的道路網(wǎng)絡(luò)提取模型難以找出異常的道路區(qū)域(例如：圖像陰影部分或遮擋部分)。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決上述技術(shù)中的技術(shù)問(wèn)題之一。為此，本發(fā)明的一個(gè)目的在于提出一種道路網(wǎng)絡(luò)提取方法，根據(jù)候選樣本的置信度進(jìn)行訓(xùn)練樣本的選取，從而使用者可以通過(guò)簡(jiǎn)單地交互獲取大量的訓(xùn)練樣本，極大地節(jié)約了人力和物力資源；同時(shí)，通過(guò)多條件監(jiān)督，以獲取異常的道路區(qū)域，增強(qiáng)道路網(wǎng)絡(luò)的最終提取效果。

本發(fā)明的第二個(gè)目的在于提出一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

本發(fā)明的第三個(gè)目的在于提出一種計(jì)算機(jī)設(shè)備。

本發(fā)明的第四個(gè)目的在于提出一種道路網(wǎng)絡(luò)提取系統(tǒng)。

為達(dá)到上述目的，本發(fā)明第一方面實(shí)施例提出了一種道路網(wǎng)絡(luò)提取方法，包括以下步驟：獲取原始圖像，其中，所述原始圖像包括道路源圖像、對(duì)應(yīng)所述道路源圖像的道路區(qū)域地圖和道路中心線地圖；對(duì)所述原始圖像進(jìn)行處理以提取多個(gè)候選樣本，并根據(jù)所述道路中心線地圖中的道路中心線從每個(gè)候選樣本中選取局部斑塊；計(jì)算每個(gè)局部斑塊的置信評(píng)分，并計(jì)算每個(gè)候選樣本中所有局部斑塊對(duì)應(yīng)的置信評(píng)分的均值，以及將每個(gè)候選樣本中局部斑塊的置信評(píng)分的均值作為對(duì)應(yīng)的候選樣本的置信度，并將所述置信度小于預(yù)設(shè)置信閾值的候選樣本選取為訓(xùn)練樣本以生成訓(xùn)練樣本集；分別構(gòu)造生成器、第一判別器、第二判別器和VGG網(wǎng)絡(luò)，根據(jù)所述生成器、第一判別器、第二判別器、VGG網(wǎng)絡(luò)和所述訓(xùn)練樣本集進(jìn)行道路網(wǎng)絡(luò)提取模型的訓(xùn)練，以生成道路網(wǎng)絡(luò)提取模型；獲取待測(cè)試的道路源圖像，并將所述待測(cè)試的道路源圖像輸入所述道路網(wǎng)絡(luò)提取模型，以生成路網(wǎng)地圖。

根據(jù)本發(fā)明實(shí)施例的道路網(wǎng)絡(luò)提取方法，首先，獲取原始圖像，其中，所述原始圖像包括道路源圖像、對(duì)應(yīng)所述道路源圖像的道路區(qū)域地圖和道路中心線地圖；接著，對(duì)所述原始圖像進(jìn)行處理以提取多個(gè)候選樣本，并根據(jù)所述道路中心線地圖中的道路中心線從每個(gè)候選樣本中選取局部斑塊；然后，計(jì)算每個(gè)局部斑塊的置信評(píng)分，并計(jì)算每個(gè)候選樣本中所有局部斑塊對(duì)應(yīng)的置信評(píng)分的均值，以及將每個(gè)候選樣本中局部斑塊的置信評(píng)分的均值作為對(duì)應(yīng)的候選樣本的置信度，并將所述置信度小于預(yù)設(shè)置信閾值的候選樣本選取為訓(xùn)練樣本以生成訓(xùn)練樣本集；接著，分別構(gòu)造生成器、第一判別器、第二判別器和VGG網(wǎng)絡(luò)，根據(jù)所述生成器、第一判別器、第二判別器、VGG網(wǎng)絡(luò)和所述訓(xùn)練樣本集進(jìn)行道路網(wǎng)絡(luò)提取模型的訓(xùn)練，以生成道路網(wǎng)絡(luò)提取模型；然后，獲取待測(cè)試的道路源圖像，并將所述待測(cè)試的道路源圖像輸入所述道路網(wǎng)絡(luò)提取模型，以生成路網(wǎng)地圖；從而根據(jù)候選樣本的置信度進(jìn)行訓(xùn)練樣本的選取，使得使用者可以通過(guò)簡(jiǎn)單地交互獲取大量的訓(xùn)練樣本，極大地節(jié)約了人力和物力資源；同時(shí)，通過(guò)多條件監(jiān)督，以獲取異常的道路區(qū)域，增強(qiáng)道路網(wǎng)絡(luò)的最終提取效果。