[发明专利]一种Transformer图像道路检测方法

权利要求书

1.一种Transformer图像道路检测方法，其特征在于，通过卫星获取多时相SAR图像作为原始图像，采用如下具体步骤进行道路检测：

步骤一、构建多层编码块，利用编码块分层提取原始图像的特征；

步骤二、将所提取的每一层特征根据时间轴组合并进行矩阵变换，得到每一层编码块对应的每层的总图像特征；

步骤三、将每层的总图像特征输入到时空Transformer模型中，得到每层的模型特征；将每层的模型特征与同一层的总图像特征相加，得到该层的增强特征；

步骤四、对每层的增强特征解码，并将所有编码结果按照编码顺序从后至前依次叠加，得到恢复特征，并将恢复特征输入到分割网络中；分割网络分割恢复特征，得到道路检测结果。

2.如权利要求1所述的方法，其特征在于，所述利用编码块分层提取原始图像的特征，将所提取的每一层特征根据时间轴组合并进行矩阵变换，得到每一层编码块对应的每层的总图像特征，具体方法为：

所述多层编码块包括共四层编码块；

从原始图像中取出三个相邻时刻的图像A、B和C作为输入，分别输入到第一层编码块中；第一层编码块对图像进行卷积，得到第一层特征A、第一层特征B和第一层特征C；将第一层特征A、第一层特征B和第一层特征C按时间轴组合，进行矩阵变换，结果作为第一层总图像特征；

将第一层特征A、第一层特征B和第一层特征C分别输入到第二层编码块中，得到第二层特征A、第二层特征B和第二层特征C；将第二层特征A、第二层特征B和第二层特征C按时间轴组合，进行矩阵变换，结果作为第二层总图像特征；

将第二层特征A、第二层特征B和第二层特征C分别输入到第三层编码块中，得到第三层特征A、第三层特征B和第三层特征C；将第三层特征A、第三层特征B和第三层特征C按时间轴组合，进行矩阵变换，结果作为第三层总图像特征；

将第三层特征A、第三层特征B和第三层特征C分别输入到第四层编码块中，得到第四层特征A、第四层特征B和第四层特征C；将第四层特征A、第四层特征B和第四层特征C按时间轴组合，进行矩阵变换，结果作为第四层总图像特征。

3.如权利要求2所述的方法，其特征在于，第一层编码块为64个3×3的卷积块，第二层编码块为128个3×3的卷积块，第三层编码块为256个3×3的卷积块，第四层编码块为512个3×3的卷积块。

4.如权利要求1所述的方法，其特征在于，所述图像的个数至少为3个。

5.如权利要求3所述的方法，其特征在于，所述将每层的总图像特征输入到时空Transformer模型中，得到每层的模型特征，具体为：

将每一层的总图像特征分别输入对应层的时空Transformer模型中，每个时空Transformer模型包含3个标量点乘注意力模块；每一层的总图像特征分别输入3个标量点乘注意力模块，具体方法为：

第一层的总图像特征进行线性变换Q，得到第一层Q线性变换矩阵Q_i，将Q_i输入到第1个标量点乘注意力模块；第一层的总图像特征进行线性变换K，得到第一层K线性变换矩阵K_i，将K_i输入到第2个标量点乘注意力模块；第一层的总图像特征进行线性变换V，得到第一层V线性变换矩阵V_i，将V_i输入到第3个标量点乘注意力模块；

在标量点乘注意力模块中，根据第一层Q线性变换矩阵和第一层K线性变换矩阵计算注意力系数A_i；注意力系数A_i和第一层V线性变换矩阵V_i相乘，得到输出headi；其中，i为标量点乘注意力模块的序号，i＝1,2,3；

在得到每一层的所有输出headi后，将该层的所有headi组合并进行线性变换，得到该层的模型特征MultiHeadi(Q,K,V)。

6.如权利要求5所述的方法，其特征在于，所述分割网络包括一个1×1大小的卷积层和一个softmax层。

7.如权利要求1所述的方法，其特征在于，所述道路检测结果的大小为原始图像的尺寸。