[发明专利]基于上下文信息的道路提取方法、装置和计算机设备

权利要求书

1.一种基于上下文信息的道路提取方法，其特征在于，包括：

将预标注的光学遥感影像输入预先设置的建筑物提取网络，得到所述光学遥感影像中的建筑物信息，并输出建筑物提取结果；

根据所述建筑物提取结果计算出符号距离图，所述符号距离图表示了每个像素到离该像素最近的建筑物距离对应的强度值；

将所述光学遥感影像输入预先设置的道路编码网络，得到光学遥感影像特征图；

将所述符号距离图输入预先设置的符号距离图编码网络，得到符号距离特征图；

将所述光学遥感影像特征图以及所述符号距离特征图输入到道路解码网络，得到道路信息；

根据所述道路信息和所述光学遥感影像中道路对应的道路标记，通过预先设置的损失函数对所述建筑物提取网络、所述道路编码网络、所述符号距离图编码网络以及所述道路解码网络进行反向训练，得到训练好的建筑物提取网络、道路编码网络、符号距离图编码网络以及道路解码网络；

将待提取光学遥感影像输入训练好的建筑物提取网络、道路编码网络、符号距离图编码网络以及道路解码网络，输出道路提取结果。

2.根据权利要求1所述的方法，其特征在于，根据所述建筑物提取结果计算出符号距离图，包括：

根据所述建筑物提取结果，确定建筑物轮廓像素集合、轮廓内的像素集合以及轮廓外的像素集合；

当符号距离图中像素属于所述建筑物轮廓像素集合时，设置该像素在符号距离图中的强度值为0；

当符号距离图中像素属于所述轮廓内的像素集合时，设置该像素在符号距离图中的强度值为0；

当符号距离图中像素属于所述轮廓外的像素集合时，设置该像素符号距离图中的强度值为距离该像素最近的建筑物轮廓像素集合中像素的欧式距离的下确界。

3.根据权利要求1所述的方法，其特征在于，将所述光学遥感影像输入预先设置的道路编码网络，得到光学遥感影像特征图，包括：

将所述光学遥感影像输入预先设置的道路编码网络；所述道路编码网络包括：第一卷积处理层、多层第一残差网络以及第一残差网络与膨胀卷积混合层；

通过所述第一卷积处理层对所述光学遥感影像进行卷积处理，得到第一初始特征；

将所述第一初始特征输入所述多层第一残差网络，得到第一中间特征；

将所述第一中间特征输入所述第一残差网络与膨胀卷积混合层，得到所述光学遥感影像特征图。

4.根据权利要求3所述的方法，其特征在于，将所述第一中间特征输入所述第一残差网络与膨胀卷积混合层，得到所述光学遥感影像特征图，包括：

将所述第一中间特征输入所述第一残差网络与膨胀卷积混合层；所述第一残差网络与膨胀卷积混合层包括第一残差处理模块以及第一膨胀卷积模块；

通过所述第一残差处理模块对所述第一中间特征进行残差处理，得到第二中间特征；

通过所述第一膨胀卷积模块对所述第二中间特征进行膨胀卷积处理，得到所述光学遥感影像特征图。

5.根据权利要求4所述的方法，其特征在于，将所述符号距离图输入预先设置的符号距离图编码网络，得到符号距离特征图，包括：

将所述符号距离图输入预先设置的符号距离图编码网络；所述符号距离图编码网络包括：第二卷积处理层、多层第二残差网络以及第二残差网络与膨胀卷积混合层；

通过所述第二卷积处理层对所述符号距离图编码图进行卷积处理，得到第二初始特征；

将所述第二初始特征输入所述多层第二残差网络，得到第三中间特征；

将所述第三中间特征输入所述第二残差网络与膨胀卷积混合层，得到所述符号距离特征图。

6.根据权利要求5所述的方法，其特征在于，将所述第三中间特征输入所述第二残差网络与膨胀卷积混合层，得到所述符号距离特征图，包括：

将所述第二中间特征输入所述第二残差网络与膨胀卷积混合层；所述第二残差网络与膨胀卷积混合层包括第二残差处理模块以及第二膨胀卷积模块；

通过所述第二残差处理模块对所述第三中间特征进行残差处理，得到第四中间特征；

通过所述第二膨胀卷积模块对所述第四中间特征进行膨胀卷积处理，得到所述符号距离特征图。