本發(fā)明屬于視覺和遙感圖像處理，涉及基于深度學(xué)習(xí)的高空航拍圖像道路識別方法。

背景技術(shù)：

1、隨著無人機(jī)技術(shù)和衛(wèi)星遙感技術(shù)的快速發(fā)展，高空航拍圖像已廣泛應(yīng)用于城市規(guī)劃、交通管理和災(zāi)害應(yīng)急等領(lǐng)域。航空照片、無人機(jī)圖片被廣泛用于生成和更新道路信息，但由于土地利用和土地覆被類型的多樣性以及待提取道路的復(fù)雜細(xì)節(jié)，如復(fù)雜結(jié)構(gòu)、紋理特征等，因此快速準(zhǔn)確的從高空航拍圖像中檢測和提取道路特征，仍然是一個技術(shù)挑戰(zhàn)。

2、近年來，深度學(xué)習(xí)技術(shù)在圖像處理和計算機(jī)視覺領(lǐng)域取得了顯著的進(jìn)展，特別是卷積神經(jīng)網(wǎng)絡(luò)(cnn)在目標(biāo)檢測和圖像分割任務(wù)中表現(xiàn)出了優(yōu)異的性能?，F(xiàn)有的一些基于深度學(xué)習(xí)的道路識別方法雖然在一定程度上提高了識別的準(zhǔn)確性，但仍存在對大規(guī)模數(shù)據(jù)集需求高、模型訓(xùn)練時間長以及在不同環(huán)境下的魯棒性不足等問題。

3、因此，亟需研制一種新的方法，能夠?qū)υ几呖蘸脚膱D像進(jìn)行數(shù)據(jù)增強，能夠通過多源數(shù)據(jù)的融合以應(yīng)對復(fù)雜的圖像背景，提升高空航拍圖像道路識別的性能。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，解決了現(xiàn)有技術(shù)在應(yīng)對復(fù)雜背景和多樣化地物特征時，多源數(shù)據(jù)融合不夠，識別準(zhǔn)確性不足的問題。

2、本發(fā)明所采用的技術(shù)方案是，基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，按照以下步驟實施：

3、步驟1，多源數(shù)據(jù)采集；

4、步驟2，高空航拍圖像增強；

5、步驟3，對采集到的車輛軌跡數(shù)據(jù)進(jìn)行特征提取和柵格化處理；

6、步驟4，在u2net網(wǎng)絡(luò)的編碼器后添加simam注意力機(jī)制模塊，搭建出改進(jìn)后的u2net網(wǎng)絡(luò)，分別得到高空航拍圖像和軌跡柵格圖像對應(yīng)的道路預(yù)測圖像；

7、步驟5，將步驟4得到的軌跡柵格圖像和高空航拍圖像對應(yīng)的道路預(yù)測圖像采用像素級加權(quán)組合方式進(jìn)行融合，得到合并后的道路識別預(yù)測結(jié)果。

8、本發(fā)明的有益效果是，通過采集車輛軌跡數(shù)據(jù)和高空航拍數(shù)據(jù)，將軌跡數(shù)據(jù)和航拍圖像結(jié)合，提供更為全面和精確的道路識別信息；同時，為了減少噪聲和無關(guān)特征對識別結(jié)果的影響，在圖像增強和特征提取模塊中，引入了分?jǐn)?shù)階微積分圖像增強方法和simam注意力機(jī)制模塊，有選擇性地對道路的有用特征進(jìn)行增強，并抑制無關(guān)特征；之后，通過像素級加權(quán)融合方法實現(xiàn)對軌跡數(shù)據(jù)和航拍圖像道路識別結(jié)果的融合。

技術(shù)特征：

1.基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，其特征在于，按照以下步驟實施：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，其特征在于，步驟1中，具體過程是：

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，其特征在于，步驟2中，采用分?jǐn)?shù)階微積分圖像增強方法對高空航拍圖像數(shù)據(jù)進(jìn)行增強，具體過程為：

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，其特征在于，步驟3中，具體過程是：

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，其特征在于，步驟4中，具體過程是：

6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，其特征在于，步驟5中，具體過程是：

技術(shù)總結(jié)
本發(fā)明公開了基于深度學(xué)習(xí)的高空航拍圖像道路識別方法，步驟是：步驟1，多源數(shù)據(jù)采集；步驟2，高空航拍圖像增強；步驟3，對采集到的車輛軌跡數(shù)據(jù)進(jìn)行特征提取和柵格化處理；步驟4，在U2Net網(wǎng)絡(luò)的編碼器后添加SimAM注意力機(jī)制模塊，搭建出改進(jìn)后的U2Net網(wǎng)絡(luò)，分別得到高空航拍圖像和軌跡柵格圖像對應(yīng)的道路預(yù)測圖像；步驟5，將步驟4得到的軌跡柵格圖像和高空航拍圖像對應(yīng)的道路預(yù)測圖像采用像素級加權(quán)組合方式進(jìn)行融合，得到合并后的道路識別預(yù)測結(jié)果。本發(fā)明屬于視覺和遙感圖像處理技術(shù)領(lǐng)域，解決了現(xiàn)有技術(shù)在應(yīng)對復(fù)雜背景和多樣化地物特征時，多源數(shù)據(jù)融合不夠，識別準(zhǔn)確性不足的問題。

技術(shù)研發(fā)人員：李文斌,曹霆,孫晗,劉晟,張欣榮,趙鄭營,常淑曉
受保護(hù)的技術(shù)使用者：西安理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/17