[發(fā)明專利]基于多分支級(jí)聯(lián)空洞空間金字塔的高分辨遙感圖像的道路提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010521528.9
• 申請(qǐng)日: 2020-06-10
• 公開(kāi)（公告）號(hào): CN111738111B
• 公開(kāi)（公告）日: 2023-08-29
• 發(fā)明（設(shè)計(jì)）人: 李訓(xùn)根;張戰(zhàn);潘勉;馬琪;呂帥帥;周尚超;門飛飛;劉愛(ài)林;李子璇
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 浙江永鼎律師事務(wù)所 33233
• 代理人: 陸永強(qiáng)

本發(fā)明公開(kāi)了一種基于多分支級(jí)聯(lián)空洞空間金字塔的高分辨率遙感圖像的道路提取方法，包括如下步驟:S1，數(shù)據(jù)預(yù)處理，對(duì)Massachusetts數(shù)據(jù)集里面的數(shù)據(jù)進(jìn)行數(shù)據(jù)擴(kuò)增；S2，搭建模型，使用卷積神經(jīng)網(wǎng)絡(luò)提取遙感道路圖像的特征圖，結(jié)合多分支級(jí)聯(lián)空洞空間金字塔來(lái)提取道路圖像上的特征信息，多分支級(jí)聯(lián)空洞空間金字塔對(duì)所給定的輸入以不同空洞比率的級(jí)聯(lián)空洞卷積進(jìn)行并行采樣，相當(dāng)于以多種方式捕捉圖像的上下文信息；S3，設(shè)計(jì)損失函數(shù)來(lái)優(yōu)化網(wǎng)絡(luò)參數(shù)，并且建立評(píng)估指標(biāo)F1和評(píng)估指標(biāo)MIOU；S4，用訓(xùn)練好的模型在測(cè)試樣本集上進(jìn)行測(cè)試，經(jīng)過(guò)網(wǎng)絡(luò)模型的特征提取和特征上采樣來(lái)得到最終的分割圖像。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理與機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，具體涉及一種基于多分支級(jí)聯(lián)空洞空間金字塔的高分辨遙感圖像的道路提取方法。

背景技術(shù)

道路作為交通的主要組成部分，在人類各項(xiàng)活動(dòng)中發(fā)揮著不可替代的作用。在現(xiàn)代社會(huì)中，道路也是地圖和地理信息系統(tǒng)中重要的標(biāo)識(shí)對(duì)象。隨著交通地理信息系統(tǒng)的建設(shè)，道路的自動(dòng)提取技術(shù)隨之出現(xiàn)并不斷發(fā)展。及時(shí)而完備的道路交通信息系統(tǒng)，可在交通導(dǎo)航、城市規(guī)劃、農(nóng)林及飛行器自動(dòng)駕駛等諸多領(lǐng)域發(fā)揮重要作用。道路作為一種重要的基礎(chǔ)設(shè)施，在城鎮(zhèn)建設(shè)、交通運(yùn)輸和軍事應(yīng)用等領(lǐng)域都扮演著重要的角色。隨著高分辨率遙感數(shù)據(jù)的大量投入使用，如何快速、準(zhǔn)確地從遙感圖像中提取道路信息引起了眾多國(guó)內(nèi)外學(xué)者的關(guān)注。

在傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)模型中，通常會(huì)使用下采樣來(lái)擴(kuò)大特征圖的感受野，來(lái)抽象化特征信息，從而為了使得輸出圖像的尺寸要求和輸入圖像的尺寸一致而需要進(jìn)行上采樣的操作，但由于一般的網(wǎng)絡(luò)結(jié)構(gòu)模型中都會(huì)使用pooling操作，也就是池化操作來(lái)下采樣以便增大感受野但同時(shí)會(huì)降低特征圖的分辨率，使得每個(gè)卷積輸出都包含較大范圍的圖像信息，對(duì)于提取抽象化信息是有很大幫助的，但在這個(gè)過(guò)程中，隨著特征圖像的分辨率不斷下降，而使得圖像的局部信息與細(xì)節(jié)信息會(huì)逐漸丟失，雖然現(xiàn)在也有通過(guò)線性插值上采樣來(lái)恢復(fù)分辨率的手段存在，但在這個(gè)過(guò)程，還是不可避免的會(huì)造成信息的損失，使得上采樣無(wú)法還原由于pooling操作丟失的圖像特征從而導(dǎo)致了一些細(xì)節(jié)信息上的嚴(yán)重?fù)p失。

發(fā)明內(nèi)容

鑒于以上存在的技術(shù)問(wèn)題，本發(fā)明用于提供一種基于多分支級(jí)聯(lián)空洞空間金字塔的高分辨率遙感圖像的道路提取方法，該模型在常規(guī)的編碼-解碼網(wǎng)絡(luò)模型中加入多分支級(jí)聯(lián)空洞空間金字塔模塊，通過(guò)結(jié)合空洞卷積來(lái)構(gòu)建多分支級(jí)聯(lián)空洞空間金字塔的方式解決了遙感圖像語(yǔ)義分割過(guò)程中的下采樣操作時(shí)使得特征信息丟失的問(wèn)題，提高了遙感圖像道路提取的精度。

為解決上述技術(shù)問(wèn)題，本發(fā)明采用如下的技術(shù)方案：

一種基于多分支級(jí)聯(lián)空洞空間金字塔的高分辨率遙感圖像的道路提取方法，包括以下步驟：

S1，數(shù)據(jù)預(yù)處理，對(duì)Massachusetts數(shù)據(jù)集里面的數(shù)據(jù)進(jìn)行數(shù)據(jù)擴(kuò)增，輸入數(shù)據(jù)為Massachusetts數(shù)據(jù)集中的高分辨率遙感道路圖像，輸出數(shù)據(jù)為經(jīng)過(guò)數(shù)據(jù)擴(kuò)增的高分辨遙感道路圖像，其中所述的數(shù)據(jù)擴(kuò)增方式包括平移，旋轉(zhuǎn)，水平翻轉(zhuǎn)，HSV空間變化；

S2，搭建模型，使用卷積神經(jīng)網(wǎng)絡(luò)提取遙感道路圖像的特征圖，結(jié)合多分支級(jí)聯(lián)空洞空間金字塔來(lái)提取道路圖像上的特征信息，多分支級(jí)聯(lián)空洞空間金字塔對(duì)所給定的輸入以不同空洞比率的級(jí)聯(lián)空洞卷積進(jìn)行并行采樣，因?yàn)椴扇×瞬煌斩幢嚷实目斩淳矸e，每一種不同空洞比率的空洞卷積所得到的感受野都不相同，加上卷積降維分支和自適應(yīng)池化分支，相當(dāng)于以多種方式捕捉圖像的上下文信息；

S3，設(shè)計(jì)損失函數(shù)來(lái)優(yōu)化網(wǎng)絡(luò)參數(shù)，并且建立評(píng)估指標(biāo)F1和評(píng)估指標(biāo)MIOU，來(lái)對(duì)模型的輸出結(jié)果進(jìn)行評(píng)估；

S4，用訓(xùn)練好的模型在測(cè)試樣本集上進(jìn)行測(cè)試，經(jīng)過(guò)網(wǎng)絡(luò)模型的特征提取和特征上采樣來(lái)得到最終的分割圖像。

優(yōu)選地，所述步驟S1具體步驟為：

S11，先對(duì)數(shù)據(jù)集中的圖像進(jìn)行包括平移，旋轉(zhuǎn)和水平反轉(zhuǎn)的預(yù)處理；