基于遥感图像的道路提取方法、系统及存储介质

本发明涉及图像处理，具体涉及基于遥感图像的道路提取方法、系统及存储介质。

背景技术：

1、在高分辨率遥感图像道路提取领域中，由于遥感图像中道路受建筑物以及植被的遮挡，用于训练深度学习算法的遥感影像数据集中存在标签错误，即部分道路未在标签中标注，导致高分辨率遥感图像中道路提取的精确不高。

技术实现思路

1、本发明目的在于提供一种基于遥感图像的道路提取方法、系统及存储介质，能够提高遥感图像中道路提取的精确度。

2、为了实现上述目的，本发明提供以下技术方案：

3、第一方面，本发明实施例提供了基于遥感图像的道路提取方法，所述方法包括以下步骤：

4、建立教师学生模型，所述教师学生模型包括教师模型和学生模型，所述教师模型和学生模型均包括基于d-linknet模型构建的ugd-dlinknet模型，所述ugd-dlinknet模型包括依次连接的编码器、桥接网络和解码器；

5、获取数据集，通过所述数据集对教师模型进行训练，在完成对教师模型的训练后，使用不确定性引导的知识蒸馏策略训练学生模型，得到训练好的学生模型；其中，所述数据集包括多张遥感图像；

6、获取待提取的遥感图像，使用训练好的学生模型对所述待提取的遥感图像进行预测并生成道路提取结果。

7、第二方面，本发明实施例提供了基于遥感图像的道路提取系统，所述系统包括：

8、至少一个处理器；

9、至少一个存储器，用于存储至少一个程序；

10、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上述任意一项所述的遥感图像的道路提取方法。

11、第三方面，本发明实施例提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上述任意一项所述的遥感图像的道路提取方法。

12、本发明的有益效果是：本发明公开基于遥感图像的道路提取方法、系统及存储介质，本发明采用，在完成对教师模型的训练后，采用不确定性引导的知识蒸馏策略训练学生模型，在训练学生模型的过程中，将会逐步过滤掉不确定性较低的像素，指导学生模型学习，提高学习模型对遥感图像分割的准确性，训练好的学生模型能够提高遥感图像中道路提取的精度。

技术特征：

1.一种基于遥感图像的道路提取方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于遥感图像的道路提取方法，其特征在于，所述获取数据集，通过所述数据集对教师模型进行训练，在完成对教师模型的训练后，使用不确定性引导的知识蒸馏策略训练学生模型，得到训练好的学生模型，包括：

3.根据权利要求2所述的基于遥感图像的道路提取方法，其特征在于，所述分割不确定性通过以下公式计算得到：

4.根据权利要求2所述的基于遥感图像的道路提取方法，其特征在于，所述基于所述分割不确定性训练学生模型，得到训练好的学生模型，包括：

5.根据权利要求4所述的基于遥感图像的道路提取方法，其特征在于，根据所述拟合特征图的损失和模仿输出的损失得到知识蒸馏损失，包括：

6.根据权利要求5所述的基于遥感图像的道路提取方法，其特征在于，所述融合损失的计算公式为：

7.一种基于遥感图像的道路提取系统，其特征在于，所述系统包括：

8.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至6任一项所述的方法。

技术总结本发明涉及图像处理技术领域，具体涉及基于遥感图像的道路提取方法、系统及存储介质，方法包括：建立教师学生模型，教师学生模型包括教师模型和学生模型，教师模型和学生模型均采用基于D‑LinkNet模型构建的UGD‑DLinkNet模型，UGD‑DLinkNet模型包括编码器、桥接网络和解码器；获取数据集，通过数据集对教师模型进行训练，在完成对教师模型的训练后，使用不确定性引导的知识蒸馏策略训练学生模型，得到训练好的学生模型；获取待提取的遥感图像，使用训练好的学生模型对待提取的遥感图像进行预测并生成道路提取结果；本发明能够提高遥感图像中道路提取的精度。技术研发人员：林聪,徐晨星,杨燕霞受保护的技术使用者：广东海洋大学技术研发日：技术公布日：2024/7/29