[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

本發明公開了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，包括以下步驟：S1，對Massachusetts數據集里面的遙感道路圖像進行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；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。

技術領域

本發明屬于數字圖像處理與機器學習技術領域，具體涉及一種基于雙注意力機制模塊與語義約束的高分辨遙感圖像的道路提取方法。

背景技術

道路作為交通的主要組成部分，在人類各項活動中發揮著不可替代的作用。在現代社會中，道路也是地圖和地理信息系統中重要的標識對象。隨著交通地理信息系統的建設，道路的自動提取技術隨之出現并不斷發展。及時而完備的道路交通信息系統，可在交通導航、城市規劃、農林及飛行器自動駕駛等諸多領域發揮重要作用。道路作為一種重要的基礎設施，在城鎮建設、交通運輸和軍事應用等領域都扮演著重要的角色。隨著高分辨率遙感數據的大量投入使用，如何快速、準確地從遙感圖像中提取道路信息引起了眾多國內外學者的關注。而遙感圖像相較于普通圖像來說，最大的特點就是超高的分辨率，這就導致遙感圖像自身包含的圖像語義信息是普通圖像的好幾千倍，甚至上萬倍，其包含的語義信息比普通圖像包含的信息多出了幾個數量級，遙感圖像的語義分為視覺層、對象層和概念層。視覺層即通常所理解的底層，即顏色、紋理和形狀等等，這些特征都被稱為底層特征語義；對象層即中間層，通常包含了屬性特征等，就是某一對象在某一時刻的狀態；概念層是高層，是圖像表達出的最接近人類理解的東西。通俗點說，比如一張圖上有沙子，藍天，海水等，視覺層是一塊塊的區分，對象層是沙子、藍天和海水這些，概念層就是海灘，這是這張圖表現出的語義。對于遙感道路圖像來說，語義信息是不可或缺的，因為在一張遙感道路圖像中所有的道路都存在的一些很具有的特色的共通性。如形狀，紋理等，但是一般的網絡結構模型都不會著重的去在意這方面的語義信息，所有如何進行有效的融合上下文語義信息是非常重要且關鍵的步驟。對于遙感道路圖像來說，語義信息是不可或缺的，因為在一張遙感道路圖像中所有的道路都存在的一些很具有的特色的共通性。如形狀，紋理等，但是一般的網絡結構模型在圖像分割過程中都不會著重的去在意這方面的語義信息，所有如何進行有效的融合上下文語義信息是非常重要且關鍵的步驟，對于遙感圖像來說，如何好好運用這些普通圖像不具有的語義信息是一個目標道路提取方法的切入點。

發明內容

鑒于以上存在的技術問題，本發明用于提供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，該模型在常規的編碼-解碼網絡模型中加入了雙注意力機制，利用雙注意力機制可以有效結合各個位置和各個通道之間的語義信息，解決了遙感圖像語義分割過程中的對于上下文語義信息沒有進行有效融合的問題，并且在最后的分割任務中，通過計算語義約束角的Loss，使得分割結果能夠根據輔助損失函數進一步規范了道路關鍵點的語義信息，提升了最后的道路提取結果，提高了遙感圖像道路提取的精度。

為解決上述技術問題，本發明采用如下的技術方案：

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，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；