[发明专利]基于双注意力机制与语义约束的高分辨遥感图像的道路提取方法

权利要求书

1.一种基于双注意力机制与语义约束角的高分辨率遥感图像的道路提取方法，其特征在于，包括以下步骤：

S1，对Massachusetts数据集里面的遥感道路图像进行包括平移，旋转和水平翻转，HSV变换等操作来进行数据集的数据扩增，对数据集里面的遥感道路图像的标签图像进行语义约束角计算的数据预处理操作；

S2，使用卷积神经网络提取遥感道路图像的特征图，并在卷积神经网络中加入位置注意力机制和通道注意力机制来计算不同通道和位置的特征权重，让网络模型能够更好的获取不同位置和不同通道的语义信息；

S3，设计主损失函数，辅助损失函数来优化网络参数，其中辅助损失函数计算的是语义约束角的损失，并且建立评估指标F1和评估指标MIOU来对模型的输出结果进行评估；

S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像；

所述的S1具体步骤为：

S11，先对数据集中的图像进行包括平移，旋转和水平反转的预处理；

S12，再对得到先前处理的图像进行HSV变换操作，HSV变换处理的公式定义如下：

maxt＝max(r,g,b)

mint＝min(r,g,b)

v＝maxt

如果r＝v，

如果g＝v，

如果b＝v，

经过上述计算之后，

h＝h*60

如果h0，

h＝h+360

其中r,、g、b分别代表红、绿、蓝；h、s、v分别代表色调、饱和度、明度，maxt代表r、g、b中的最大值，mint代表r、g、b中的最小值；

S13，对图像的标签图像进行语义约束角处理：首先对道路的标签图像进行骨架提取算法，采用K3M算法，K3M算法在每次迭代中需要进行六次检查，Phase0，标记出图像中道路的边界；Phase 1，如果该点的邻域中有3个点相邻，其中点为非0，0代表背景，1代表道路，删除该点；Phase2，如果该点的邻域中有3或4个点相邻，删除该点；Phase 3，如果该点的邻域中有3，4，5个点相邻，删除该点；Phase4，如果该点的邻域中有3，4，5，6个点相邻，删除该点；Phase5，如果该点的邻域中有3，4，5，6，7个点相邻，删除该点；Phase 6，剩余的边界点取消标记，如果Phase 5中没有点被修改，停止迭代，否则返回Phase0；

S14，对道路上的每一个道路点进行语义约束角的计算：首先对于每一条连通标签道路，在其骨架图上提取其中的每个道路的交点记[x₁,x₂,.........,x_n]，每两个相邻道路交点之间的点记为[p₁,p₂,......p_n]，让p_i对其相邻的两个交点分别进行方位角和欧式距离的计算，选取欧式距离小的交点的方位角作为该点的选定方位角并作为其语义约束角，方位角的计算如下：

设两个点的坐标分别为[x₁,y₁]，[x₂,y₂]，首先计算坐标增量dx，dy，两个对应坐标分量相减，终点的减始点的dx＝x₁-x₂,dy＝y₁-y₂，若dx，dy中有一个为零时，根据另一个的正负决定方位角，方位角为0，90，180，270这四个中的一个，若dx、dy都不为零，则方位角a的定义如下：

当dx0，dy0时：

a＝a；

当dx0，dy0时：

a＝180-a；

当dx0，dy0时：

a＝180+a；

当dx0，dy0时：

a＝360-a。