[發明專利]地形特征線提取方法及裝置、設備

有效

• 申請號: 202110657635.9
• 申請日: 2021-06-13
• 公開（公告）號: CN113505650B
• 公開（公告）日: 2023-06-16
• 發明（設計）人: 楊剛;蔡懿軒
• 申請（專利權）人: 北京林業大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/44
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 劉戈;孫明子

1.一種地形特征線提取方法，其特征在于，包括：

獲取目標區域中的多種地形數據；

提取所述多種地形數據中的地形特征，所述地形特征包括所述多種地形數據各自的地形物理特征和/或視覺特征；

將所述地形特征輸入多通道地形特征融合網絡，以通過所述多通道地形特征融合網絡將所述多種地形數據各自對應的地形物理特征向量和/或視覺特征向量拼接為合并特征向量；將拼接得到的合并特征向量輸入殘差學習模型，以通過所述殘差學習模型對所述合并特征向量進行特征融合，得到所述目標區域的聯合特征；所述多通道地形特征融合網絡包括殘差學習模型；

基于所述目標區域的聯合特征，生成所述目標區域的地形特征線。

2.根據權利要求1所述的方法，其特征在于，所述提取所述多種地形數據中的地形特征，包括：

將所述多種地形數據輸入多通道地形特征提取網絡中，以通過所述多通道地形特征提取網絡分別對所述多種地形數據進行特征提取，得到所述多種地形數據各自對應的地形物理特征向量和/或視覺特征向量；

其中，所述多通道地形特征提取網絡包括多個特征提取通道，所述多種地形數據與所述多個特征提取通道一一對應。

3.根據權利要求2所述的方法，其特征在于，若任一個特征提取通道的地形數據量不符合預設條件，則所述方法還包括：

獲取地形數據中邊界區域的上下文信息，并基于所述上下文信息對所述地形數據進行鏡像填充。

4.根據權利要求1所述的方法，其特征在于，所述基于所述目標區域的聯合特征，生成所述目標區域的地形特征線，包括：

將所述聯合特征輸入上采樣模塊，以通過所述上采樣模塊對所述聯合特征進行圖像語義分割，得到所述目標區域的地形特征線。

5.根據權利要求4所述的方法，其特征在于，若所述聯合特征為聯合特征圖像，則

所述將所述聯合特征輸入上采樣模塊，以通過所述上采樣模塊對所述聯合特征進行圖像語義分割，得到所述目標區域的地形特征線，包括：

通過所述上采樣模塊提取所述聯合特征圖像中的語義特征，并基于所述語義特征對所述聯合特征圖像進行圖像語義分割，以輸出初始地形特征線；

所述方法還包括：

采用交叉熵函數和/或Softmax函數對所述初始地形特征線中的邊緣特征信息進行增強處理，得到所述目標區域的地形特征線。

6.根據權利要求1所述的方法，其特征在于，還包括：

標注訓練數據集中的多種地形數據，得到標簽數據集；

對所述標簽數據集中多種地形數據進行樣本劃分，得到用于訓練所述多通道地形特征融合網絡的地形數據集。

7.根據權利要求1至6任一所述的方法，其特征在于，所述多種地形數據包括數字高程模型DEM數據、遙感影像數據、基礎地形數據；

所述基礎地形數據包括以下之一或組合：坡向數據、坡度數據。

8.一種地形特征線提取裝置，其特征在于，包括：

獲取模塊，用于獲取目標區域中的多種地形數據；

提取模塊，用于提取所述多種地形數據中的地形特征，所述地形特征包括所述多種地形數據各自的地形物理特征和/或視覺特征；

特征融合模塊，用于將所述地形特征輸入多通道地形特征融合網絡，以通過所述多通道地形特征融合網絡將所述多種地形數據各自對應的地形物理特征向量和/或視覺特征向量拼接為合并特征向量；將拼接得到的合并特征向量輸入殘差學習模型，以通過所述殘差學習模型對所述合并特征向量進行特征融合，得到所述目標區域的聯合特征；所述多通道地形特征融合網絡包括殘差學習模型；

生成模塊，用于基于所述目標區域的聯合特征，生成所述目標區域的地形特征線。

9.一種電子設備，其特征在于，包括：存儲器、處理器；其中，所述存儲器上存儲有可執行代碼，當所述可執行代碼被所述處理器執行時，使所述處理器執行如權利要求1至7中任一項所述的地形特征線提取方法。