[發明專利]基于雙注意力機制與語義約束的高分辨遙感圖像的道路提取方法

有效

• 申請號: 202010521918.6
• 申請日: 2020-06-10
• 公開（公告）號: CN111738113B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 李訓根;寧波;潘勉;馬琪;呂帥帥;張戰;周尚超;門飛飛;劉愛林;李子璇
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 陸永強

1.一種基于雙注意力機制與語義約束角的高分辨率遙感圖像的道路提取方法，其特征在于，包括以下步驟：

S1，對Massachusetts數據集里面的遙感道路圖像進行包括平移，旋轉和水平翻轉，HSV變換等操作來進行數據集的數據擴增，對數據集里面的遙感道路圖像的標簽圖像進行語義約束角計算的數據預處理操作；

S2，使用卷積神經網絡提取遙感道路圖像的特征圖，并在卷積神經網絡中加入位置注意力機制和通道注意力機制來計算不同通道和位置的特征權重，讓網絡模型能夠更好的獲取不同位置和不同通道的語義信息；

S3，設計主損失函數，輔助損失函數來優化網絡參數，其中輔助損失函數計算的是語義約束角的損失，并且建立評估指標F1和評估指標MIOU來對模型的輸出結果進行評估；

S4，用訓練好的模型在測試樣本集上進行測試，經過網絡模型的特征提取和特征上采樣來得到最終的分割圖像；

所述的S1具體步驟為：

S11，先對數據集中的圖像進行包括平移，旋轉和水平反轉的預處理；

S12，再對得到先前處理的圖像進行HSV變換操作，HSV變換處理的公式定義如下：

maxt＝max(r,g,b)

mint＝min(r,g,b)

v＝maxt

如果r＝v，

如果g＝v，

如果b＝v，

經過上述計算之后，

h＝h*60

如果h0，

h＝h+360

其中r,、g、b分別代表紅、綠、藍；h、s、v分別代表色調、飽和度、明度，maxt代表r、g、b中的最大值，mint代表r、g、b中的最小值；

S13，對圖像的標簽圖像進行語義約束角處理：首先對道路的標簽圖像進行骨架提取算法，采用K3M算法，K3M算法在每次迭代中需要進行六次檢查，Phase0，標記出圖像中道路的邊界；Phase?1，如果該點的鄰域中有3個點相鄰，其中點為非0，0代表背景，1代表道路，刪除該點；Phase2，如果該點的鄰域中有3或4個點相鄰，刪除該點；Phase?3，如果該點的鄰域中有3，4，5個點相鄰，刪除該點；Phase4，如果該點的鄰域中有3，4，5，6個點相鄰，刪除該點；Phase5，如果該點的鄰域中有3，4，5，6，7個點相鄰，刪除該點；Phase?6，剩余的邊界點取消標記，如果Phase?5中沒有點被修改，停止迭代，否則返回Phase0；

S14，對道路上的每一個道路點進行語義約束角的計算：首先對于每一條連通標簽道路，在其骨架圖上提取其中的每個道路的交點記[x₁,x₂,.........,x_n]，每兩個相鄰道路交點之間的點記為[p₁,p₂,......p_n]，讓p_i對其相鄰的兩個交點分別進行方位角和歐式距離的計算，選取歐式距離小的交點的方位角作為該點的選定方位角并作為其語義約束角，方位角的計算如下：

設兩個點的坐標分別為[x₁,y₁]，[x₂,y₂]，首先計算坐標增量dx，dy，兩個對應坐標分量相減，終點的減始點的dx＝x₁-x₂,dy＝y₁-y₂，若dx，dy中有一個為零時，根據另一個的正負決定方位角，方位角為0，90，180，270這四個中的一個，若dx、dy都不為零，則方位角a的定義如下：

當dx0，dy0時：

a＝a；

當dx0，dy0時：

a＝180-a；

當dx0，dy0時：

a＝180+a；

當dx0，dy0時：

a＝360-a。