申请/专利权人：西北工业大学

申请日：2023-11-22

公开（公告）日：2024-03-22

公开（公告）号：CN117746051A

主分类号：G06V10/40

分类号：G06V10/40;G06V10/26;G06V10/50;G06V10/28;G06V10/82;G06V10/80;G06V20/10;G06V20/70

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于语义分割模型的SAR图像道路提取方法，首先对SAR图像进行预处理，包括图像对比度增强、图像道路自动标注、样本制作，然后进行入训练阶段，搭建SegNet语义分割网络，设计SegNet语义分割网络代价函数；再进行SegNet语义分割网络训练参数设置；将训练样本输入到SegNet语义分割网络中，利用随机梯度下降法更新网络参数，直到网络收敛，得到具备SAR图像道路提取能力训练好的SegNet语义分割网络。本发明可准确地检测SAR图像中的道路，场景适应性强。

主权项：1.一种基于语义分割模型的SAR图像道路提取方法，其特征在于，包括如下步骤；步骤1：SAR图像预处理阶段；步骤1-1：包括图像对比度增强、图像道路自动标注、样本制作，使预处理后的样本数据能够输入到语义分割网络中，为语义分割模型的训练做数据准备；具体过程如下：步骤1-1-1：SAR图像对比度增强；记SAR图像数据集为其中，xi表示第i幅SAR图像，N表示仿真样本集中仿真样本的个数，对数据集中的每一幅SAR图像利用直方图均衡方法进行对比度增强，得到对比度增强后的SAR图像数据集步骤1-1-2：对对比度增强后的SAR图像进行道路自动标注；步骤1-1-2-1：根据SAR图像成像中心经纬度信息，以及SAR图像的分辨率、长、宽，计算SAR覆盖范围；步骤1-1-2-2：根据SAR覆盖范围，搜索满足该范围的道路矢量数据；步骤1-1-2-3：根据得到的道路矢量数据，依据SAR成像分辨率，采用Bresenham算法进行矢量数据栅格化，得到栅格化道路图像，同时根据载机三向速度，使得栅格化道路图像与SAR图像的水平轴和垂直轴的指向一致，得到最终的道路二值图像；步骤1-1-2-4：采用基于结构特征的道路网图像与SAR图像配准方法，完成SAR图像与道路网图像的配准，配准后的道路网图像作为SAR道路标注图；步骤1-1-3：将SAR图像和对应的道路标注图进行切割，变成a1*a1的小图，作为样本；步骤2：训练阶段；步骤2-1：搭建SegNet语义分割网络；搭建具有5层卷积层和5层反卷积层的SegNet语义分割网络；步骤2-2：设计SegNet语义分割网络代价函数；Loss＝Loss1+20*Loss2；其中，Loss1为负样本的信息熵，Loss2为正样本的信息熵；步骤2-3：SegNet语义分割网络训练参数设置；步骤2-4：将训练样本输入到SegNet语义分割网络中，利用随机梯度下降法更新网络参数，直到网络收敛，得到具备SAR图像道路提取能力训练好的SegNet语义分割网络；步骤3：验证阶段；步骤3-1：将验证样本输入到步骤2-4中训练好的SegNet语义分割网络中，得到验证样本的道路提取结果；步骤3-2：道路提取结果后处理；对SAR图像进行后处理，使其道路提取结果更为完整，具体过程为：步骤3-2-1：对道路提取结果进行膨胀操作，将断裂的线进行连接；步骤3-2-2：统计道路提取结果中线段的联通区域的大小，将面积小于阈值的联通区域进行剔除；步骤3-2-3：对剔除面积小于阈值的联通区域后的结果进行腐蚀处理，得到最终的道路线检测结果。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于语义分割模型的SAR图像道路提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD