[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

说明书

本申请涉及一种基于上下文信息的道路提取方法、装置和计算机设备。所述方法包括：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；根据建筑物提取结果计算出符号距离图；将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；将光学遥感影像特征图以及符号距离特征图输入到道路解码网络，得到道路信息；从而利用损失函数进行训练，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。采用本方法能够提高道路提取的准确性。

技术领域

本申请涉及光学遥感影像信息自动提取技术领域，特别是涉及一种基于上下文信息的道路提取方法、装置和计算机设备。

背景技术

光学遥感影像的道路提取是近年来计算机视觉和遥感影像处理领域的研究热点。随着计算机处理速度和提取精度的提高，应用于城市规划、地理信息更新、自动驾驶导航等领域。

一些研究者尝试使用联合学习或多任务方法来挖掘影像中的上下文关系，但其本质上依赖于附加信息的准确性或网络自学习能力，而不是充分利用原始光学图像中隐含的信息。还有一些集成学习方法引入公共地图数据集或利用众包GPS数据来提高道路提取精度。另一方面，有人将具有良好上下文学习能力的递归神经网络（Recurrent NeuralNetwork，RNN）应用于道路提取领域，学习光学图像中道路的上下文关系。挖掘影像中的上下文关系的一系列方法证明了充分利用图像中的上下文信息可以改善道路提取性能，但对于被树木或建筑物遮挡的路段仍存在很大的局限性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决对于被树木或建筑物遮挡的路段提取不准确问题的基于上下文信息的道路提取方法、装置和计算机设备。

一种挖掘道路和建筑物之间的上下文信息的道路提取方法，所述方法包括：

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。

在其中一个实施例中，还包括：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。