[发明专利]一种用于从遥感图像中提取道路的方法及装置

说明书

本公开涉及一种用于从遥感图像中提取道路的方法及装置。提供了一种训练用于从遥感图像中提取道路的模型的方法，所述方法在云端执行，所述方法包括：对遥感图像进行标注，以得到第一图像和第二图像，其中，所述第一图像中标记出所述遥感图像中的道路路面，所述第二图像中标记出所述遥感图像中的道路边缘；基于边缘检测算法从所述遥感图像得到第三图像，其中，所述第三图像中标记出所述遥感图像中的道路边缘；将所述第三图像输入模型中的边缘提取网络并利用所述第二图像来对所述边缘提取网络进行训练；以及将所述遥感图像输入模型中的分割网络并利用所述第一图像和来自所述边缘提取网络的边缘特征来对所述分割网络进行训练。

技术领域

本公开涉及图像处理与人工智能领域，更具体地涉及一种用于从遥感图像中提取道路的方法及装置。

背景技术

遥感图像中的道路提取一般是指从遥感图像中自动化或者半自动化的提取道路。如何快速有效地从遥感图像中提取道路一直是研究的难点与重点。传统的道路数据获取主要是通过人工手段，如通过野外采集团队的实时考察与勘测等。这种方法可以获取比较准确的道路信息，但是需要耗费大量的人力物力，并且更新速度慢，同时还伴随着一定的危险性。深度学习可以有效弥补了传统上手动选取特征的缺陷。随着深度学习网络的不断发展，深度学习能够提取的信息越来越丰富，从而可以应用于多种任务。

另一方面，随着处理所需的数据量的不断增加，单一的通过本地数据存储以及模型训练已经不能满足用户的需求。然而，通过云端传输则会导致链路长、客户端响应延迟以及网络抖动等问题，容错性差。

因此，存在对能够克服上述缺陷的从遥感图像中提取道路的方法和装置的需求。

发明内容

在下文中给出了关于本公开的简要概述，以便提供关于本公开的一些方面的基本理解。但是，应当理解，这个概述并不是关于本公开的穷举性概述。它并不是意图用来确定本公开的关键性部分或重要部分，也不是意图用来限定本公开的范围。其目的仅仅是以简化的形式给出关于本公开的某些概念，以此作为稍后给出的更详细描述的前序。

根据本公开的第一方面，提供了一种训练用于从遥感图像中提取道路的模型的方法，所述方法在云端执行，所述方法包括：对遥感图像进行标注，以得到第一图像和第二图像，其中，所述第一图像中标记出所述遥感图像中的道路路面，所述第二图像中标记出所述遥感图像中的道路边缘；基于边缘检测算法从所述遥感图像得到第三图像，其中，所述第三图像中标记出所述遥感图像中的道路边缘；将所述第三图像输入模型中的边缘提取网络并利用所述第二图像来对所述边缘提取网络进行训练；以及将所述遥感图像输入模型中的分割网络并利用所述第一图像和来自所述边缘提取网络的边缘特征来对所述分割网络进行训练。

根据本公开的第二方面，提供了一种从遥感图像提取道路的方法，所述方法在边缘端执行，所述方法包括：向云端发出请求以获取经训练的模型，所述经训练的模型是根据第一方面所述的方法训练得到的；从终端接收用于从遥感图像提取道路的请求，其中，所述请求包括所述遥感图像；利用经训练的模型对所述遥感图像进行计算，以得到模型输出，所述模型输出指示所述遥感图像中的道路；以及将所述模型输出返回给终端。

根据本公开的第三方面，提供了一种训练用于从遥感图像中提取道路的模型的训练装置，所述训练装置位于云端，所述训练装置被配置为：对遥感图像进行标注，以得到第一图像和第二图像，其中，所述第一图像中标记出所述遥感图像中的道路路面，所述第二图像中标记出所述遥感图像中的道路边缘；基于边缘检测算法从所述遥感图像得到第三图像，其中，所述第三图像中标记出所述遥感图像中的道路边缘；将所述第三图像输入模型中的边缘提取网络并利用所述第二图像来对所述边缘提取网络进行训练；以及将所述遥感图像输入模型中的分割网络并利用所述第一图像和来自所述边缘提取网络的边缘特征来对所述分割网络进行训练。