[发明专利]一种基于双编码器网络模型的遥感影像道路提取方法

说明书

本发明公开了一种基于双编码器网络模型的遥感影像道路提取方法，属于道路提取技术领域，包括：对数据集中的遥感图像进行图像增强；增强后的图像经过网络模型进行特征提取，其中，网络模型中的其中一个编码器骨干网络用以加强对道路的注意力，另一个编码器的骨干网络用于扩大感受野；由Swin‑T编码器提取的特征图经过空洞卷积块进行全局域目标感知，然后与ResNet编码器提取出的特征图进行跳跃拼接并经过解码器，最后由道路析出模块输出一个与输入图像尺寸相同的灰度图片，其前景为提取出的道路。本发明改善了现有技术因遥感图像受光照、遮挡等因素，提取的道路精度不高的问题，可应用于地图绘制、交通救援、车辆导航等现实问题。

技术领域

本发明属于道路提取领域，具体涉及一种基于双编码器网络模型的遥感影像道路提取方法。

背景技术

道路提取是图像处理具体应用的一项重要的研究课题。遥感影像道路提取在地图绘制、交通救援、车辆导航等方向具有十分重要的作用。在地图绘制方面可以大量减少人力资源的使用，在交通救援方面迅速找到一条合适的道路也是非常重要的；同时也能提高导航的精度。

传统的遥感影像道路提取采用卷积与池化堆叠的网络模型，很少的关注道路之间的相关性；虽然卷积能够层层加强对全局的感知野，但是随着深度越深，参数越多，计算量也越大。另外，进行卷积提取特征的时候，对道路和建筑物等其他无关物的特征提取机会是均等的，可是往往遥感图像中道路部分占比要比建筑物或土地占比少。而且由于不同的地理位置导致的遥感图像光谱特征，纹理特征和几何特征的差异，也给提取任务造成了很大的影响。基于以上分析，提高道路特征的注意力和全局视野的有效感知使遥感影像道路提取精度更上一个阶梯。

发明内容

本发明提出了一种基于双编码器网络模型的遥感影像道路提取方法，以解决现有技术中，遥感影像道路提取精度偏低的问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于双编码器网络模型的遥感影像道路提取方法，包括以下步骤：

步骤1：对数据集中的遥感图像进行图像增强，将的遥感图像进行随机饱和度值、色相变换和平移、旋转处理；

步骤2：构建道路提取网络模型；

步骤2.1：搭建Swin-T编码器；

步骤2.2：搭建ResNet编码器；

步骤2.3：搭建空洞卷积块；

步骤2.4：搭建解码器；

步骤2.5：搭建道路析出块，获得灰度图像；

步骤3：模型训练，把遥感图像数据输入训练模型当中进行训练。

优选地，步骤2的具体步骤包括：

步骤2.1：Swin-T编码器以Swin Transformer为基本框架，Swin-T编码器为：首先是序列映射块，然后按顺序连接四个段；四个段分别是2层Swin Transformer为一段，2层Swin Transformer为一段，6层Swin Transformer为一段，2层Swin Transformer为一段，每两个段之间有一个序列融合块；

步骤2.1.1：所述序列映射块构建步骤：进行一次卷积，使输出通道为96，卷积核大小为4，步长为4，使像素点映射到一个个序列上；连接一个Layer Norm层；

步骤2.1.2：所述序列融合块构建步骤：先连接一个Layer Norm层；使用一次空洞卷积使特征图数量加倍，大小缩小