基于影像的无监督道路提取方法、系统、设备及介质与流程

本发明涉及计算机视觉中的图像信息处理领域，具体涉及一种基于影像的无监督道路提取方法、系统、设备及介质。

背景技术：

1、变电站工程是电网工程建设的重要内容，快速全面监测变电站工程施工进度是管理工作的重中之重。

2、变电站施工过程的道路检测对于施工进展追踪具有重要意义。常用的道路监督检测方法往往依赖大量的人工标注数据，耗时耗力的道路检测方法难以满足经济效益与实时监测的需求。

技术实现思路

1、为克服上述现有技术的不足，本发明提供一种基于影像的无监督道路提取方法、系统、设备及介质，用以实现无监督场景下变电站施工进度中的道路精准检测。

2、根据本发明说明书的一方面，提供一种基于影像的无监督道路提取方法，包括：

3、获取变电站施工区域的影像数据并进行预处理；

4、将预处理后的影像数据输入训练好的地物无监督分割模型，得到初步的道路分割结果；

5、对所述初步的道路分割结果进行后处理操作，得到最终的道路提取结果；

6、其中，所述地物无监督分割模型的训练包括：

7、将影像训练样本输入构建的卷积神经网络，得到影像训练样本聚类后的特征图；

8、对所述聚类后的特征图进行分类，得到道路粗分割影像；

9、将所述道路粗分割结果进行超像素精化，得到道路精化分割影像；

10、构建损失函数，使用随机梯度下降更新网络参数。

11、上述技术方案基于现有施工期数字化监控视频图像管控和/或航空摄影测量等技术手段获取的变电站工程施工建设数据，结合图像识别技术，通过道路检测对变电站施工进度进行监测，能够有效提高变电站施工监测效率。该技术方案旨在探索智能感知技术在变电工程施工监测中的应用，探索运用图像识别智能感知技术获取项目建设过程信息，智能计算变电站施工进度信息，进一步提升精准管控能力，推动管理数字化转型。

12、进一步地，上述技术方案在缺乏大量数据与真实地面标签的情况下，实现了无监督场景下变电站施工中的道路精准检测。

13、作为进一步的技术方案，所述方法还包括：获取变电站施工区域的影像，并将所述影像裁剪为n像素×n像素的若干图片，形成图像数据集；对所述图像数据集中的图像进行数据增强处理，得到处理后的数据集。

14、作为进一步的技术方案，所述方法还包括：利用argmax分类函数选取聚类后特征图中每一类的最大维度，来获取每个像素的聚类标签。

15、作为进一步的技术方案，所述方法还包括：利用超像素精化对分类后的道路粗分割影像进行唯一聚类标签数量的约束，提取精细超像素作为初步的标签。

16、作为进一步的技术方案，所述方法还包括：对所述初步的标签进行统计，以确定每个聚类标签的类别。

17、作为进一步的技术方案，所述方法还包括：构建rgb转hsv颜色模型，定位道路的范围；基于八连通域的方式去除噪声，得到去噪后的道路目标；基于形态学重建的方式进行道路内部空洞的填充，得到道路的完整性提取。

18、根据本发明说明书的一方面，提供一种基于影像的无监督道路提取系统，包括：

19、获取模块，用于获取变电站施工区域的影像数据并进行预处理；

20、道路初分割模块，用于将预处理后的影像数据输入训练好的地物无监督分割模型，得到初步的道路分割结果；

21、道路提取模块，用于对所述初步的道路分割结果进行后处理操作，得到最终的道路提取结果；

22、其中，所述地物无监督分割模型的训练包括：

23、将影像训练样本输入构建的卷积神经网络，得到影像训练样本聚类后的特征图；

24、对所述聚类后的特征图进行分类，得到道路粗分割影像；

25、将所述道路粗分割结果进行超像素精化，得到道路精化分割影像；

26、构建损失函数，使用随机梯度下降更新网络参数。

27、根据本发明说明书的一方面，提供一种电子设备，所述电子设备包括处理器、存储器，以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现所述的基于影像的无监督道路提取方法的步骤。

28、根据本发明说明书的一方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现所述的基于影像的无监督道路提取方法的步骤。

29、与现有技术相比，本发明的有益效果在于：

30、本发明基于现有施工期数字化监控视频图像管控和/或航空摄影测量等技术手段获取的变电站工程施工建设数据，结合图像识别技术，对变电站施工进度中的道路进行检测，提高对施工进度的监测效率。

31、本发明在缺乏大量数据与真实地面标签的情况下，实现了无监督场景下变电站施工中的道路精准检测。

技术特征：

1.基于影像的无监督道路提取方法，其特征在于，包括：

2.根据权利要求1所述基于影像的无监督道路提取方法，其特征在于，所述方法还包括：获取变电站施工区域的影像，并将所述影像裁剪为n像素×n像素的若干图片，形成图像数据集；对所述图像数据集中的图像进行数据增强处理，得到处理后的数据集。

3.根据权利要求1所述基于影像的无监督道路提取方法，其特征在于，所述方法还包括：利用argmax分类函数选取聚类后特征图中每一类的最大维度，来获取每个像素的聚类标签。

4.根据权利要求3所述基于影像的无监督道路提取方法，其特征在于，所述方法还包括：利用超像素精化对分类后的道路粗分割影像进行唯一聚类标签数量的约束，提取精细超像素作为初步的标签。

5.根据权利要求4所述基于影像的无监督道路提取方法，其特征在于，所述方法还包括：对所述初步的标签进行统计，以确定每个聚类标签的类别。

6.根据权利要求1所述基于影像的无监督道路提取方法，其特征在于，所述方法还包括：构建rgb转hsv颜色模型，定位道路的范围；基于八连通域的方式去除噪声，得到去噪后的道路目标；基于形态学重建的方式进行道路内部空洞的填充，得到道路的完整性提取。

7.基于影像的无监督道路提取系统，其特征在于，包括：

8.一种电子设备，其特征在于，所述电子设备包括处理器、存储器，以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至6中任一项所述的基于影像的无监督道路提取方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的基于影像的无监督道路提取方法的步骤。

技术总结
本发明公开一种基于影像的无监督道路提取方法、系统、设备及介质，方法包括：获取变电站施工区域的影像数据并进行预处理；将预处理后的影像数据输入训练好的地物无监督分割模型，得到初步的道路分割结果；对所述初步的道路分割结果进行后处理操作，得到最终的道路提取结果；其中，所述地物无监督分割模型的训练包括：将影像训练样本输入构建的卷积神经网络，得到影像训练样本聚类后的特征图；对所述聚类后的特征图进行分类，得到道路粗分割影像；将所述道路粗分割结果进行超像素精化，得到道路精化分割影像；构建损失函数，使用随机梯度下降更新网络参数。本发明实现了无监督场景下变电站施工进度中的道路精准检测。

技术研发人员：马莉,周明,卢生炜,张洪,周蠡,李智威,蔡杰,武强,付江缺,李双江,骆元鹏,肖淞,孙利平,廖晓红,张童彦,黄伟杰,朱正雨,李朝瑞,熊川羽,周英博,陈然,舒思睿,贺兰菲,熊一,张赵阳,王巍,李吕满,乔诗慧,徐昊天,张奇,曹鹏财,杨长江,黄志远,李红明,李建峰,张文成,江桥,易乐安
受保护的技术使用者：国网湖北省电力有限公司经济技术研究院
技术研发日：
技术公布日：2024/1/15