(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210557392.6 (22)申请日 2022.05.19 (71)申请人 桂林理工大 学 地址 541004 广西壮 族自治区桂林市七 星 区建干路12号 (72)发明人 康传利　张思瑶　范冬林　陈进启　 (74)专利代理 机构 北京轻创知识产权代理有限 公司 11212 专利代理师 厉洋洋 (51)Int.Cl. G06V 10/44(2022.01) G06V 20/10(2022.01) (54)发明名称 一种地形特征线提取方法、 装置以及 存储介 质 (57)摘要 本发明提供一种地形特征线提取方法、 装置 以及存储介质， 属于计算机视觉技术领域， 方法 包括： 导入原始等高线 图像、 原始地形灰度图像 和原始真实地形特征线 图像； 构建训练模型， 通 过原始等高线图像、 原始地形灰度图像和原始真 实地形特征线图像对训练模型进行训练得到训 练后的模型； 通过等高线测试图像、 地形灰度测 试图像和真实地形特征线测试图像对训练后的 模型进行测试得到目标提取模型； 通过目标提取 模型对待提取等高线图像和待提取地形灰度图 像的地形特征线提取得到地形特征线提取结果。 本发明解决了地形特征线提取仍然存在繁琐且 不符合自然形态的问题， 一定程度的控制了边界 噪声， 提高了地形 特征线提取的准确率。 权利要求书3页 说明书9页 附图3页 CN 115035310 A 2022.09.09 CN 115035310 A 1.一种地形 特征线提取 方法， 其特 征在于， 包括如下步骤： S1： 导入原 始等高线图像、 原 始地形灰度图像和原 始真实地形 特征线图像； S2： 构建训练模型， 通过所述原始等高线图像、 所述原始地形灰度图像和所述原始真实 地形特征线图像对所述训练模型进行训练， 得到训练后的模型； S3： 导入等高线测试图像、 地形灰度测试图像和真实地形特征线测试图像， 通过所述等 高线测试图像、 所述地形灰度测试图像和所述真实地形特征线测试图像对 所述训练后的模 型进行测试， 得到目标提取模型； S4： 导入待提取等高线图像和待提取地形灰度图像， 通过所述目标提取模型对所述待 提取等高线图像和所述待提取地形灰度图像进行地形特征线的提取， 得到地形特征线提取 结果。 2.根据权利要求1所述的地形特征线提取方法， 其特征在于， 所述训练模型包括生成器 和判别器， 所述步骤S2的过程包括： 通过所述生成器分别对所述原始等高线图像和所述原始地形灰度图像进行特征提取， 得到与所述原始等高线图像对应的全局图像特征以及与所述原始地形灰度图像对应的细 节图像特 征； 通过所述生成器对所述全局图像特征和所述细节图像特征进行特征融合， 得到伪地形 特征线图像； 将所述伪地形特征线图像和所述原始等高线图像一并作为第 一图像集， 并将所述原始 真实地形特征线图像和所述原始 等高线图像一并作为第二图像集， 并通过所述判别器分别 对所述第一图像集和所述第二图像集进行判别， 得到与所述第一图像集对应的第一概率值 以及与所述第二图像集对应的第二 概率值； 判断所述第一概率值和所述第二概率值是否均等于预设概率值， 若是， 则将所述训练 模型作为训练后的模型， 并执行步骤S3， 若否， 则对所述伪地形特征线图像、 所述原始真实 地形特征线图像、 所述第一概率值和所述第二概率值进行目标损失函数 的分析， 得到目标 损失函数， 并通过 所述目标损失函数 更新所述训练模型的参数， 并返回步骤S1。 3.根据权利要求2所述的地形特征线提取方法， 其特征在于， 所述对所述伪地形特征线 图像、 所述原始真实地形特征线图像、 所述第一概率值和所述第二概率值进行目标损失函 数的分析， 得到目标损失函数， 并通过所述 目标损失函数更新所述训练模型 的参数的过程 包括： 对所述第一 概率值和所述第二 概率值进行对抗损失函数的计算， 得到对抗损失函数； 对所述伪地形特征线图像和所述原始真实地形特征线图像进行L1特征差值损 失函数 的计算， 得到特 征差值损失函数； 对所述对抗损失函数和所述特征差值损失函数进行目标函数的计算， 得到生成器目标 函数和判别器目标函数； 根据所述生成器目标函数对所述生成器进行生成器的参数更新， 得到参数更新后的生 成器； 根据所述判别器目标函数对所述判别器进行判别器的参数更新， 得到参数更新后的判 别器。权　利　要　求　书 1/3 页 2 CN 115035310 A 24.根据权利要求3所述的地形特征线提取方法， 其特征在于， 所述对所述第 一概率值和 所述第二 概率值进行对抗损失函数的计算， 得到对抗损失函数的过程包括： 通过第一式对所述第 一概率值和所述第 二概率值进行对抗损失函数的计算， 得到对抗 损失函数， 所述第一式为： LcGAN(G,D)＝Ex,y[log D(x,y)]+Ex,z[log(1‑D(x,G(x,z) )]， 其中， LcGAN(G,D)为对 抗损失函数， E为期望值， x 为原始等高线图像， y为原始真实地形特 征线图像， z为原始地形灰度图像， G(x,z)为伪地形特征线图像， D(x,G(x,z))为第一概率 值， D(x,y)为第二 概率值。 5.根据权利要求3所述的地形特征线提取方法， 其特征在于， 所述对所述伪地形特征线 图像和所述原始真实地形特征线图像进 行L1特征差值损失函数的计算， 得到特征差值损失 函数的过程包括： 通过第二式对所述伪地形特征线图像和所述原始真实地形特征线图像进行L1特征差 值损失函数的计算， 得到特 征差值损失函数， 所述第二式为： LL1(G)＝Ex,y,z[||y‑G(x,z)||1]， 其中， LL1(G)为特征差值损失函数， ‖ ‖1为一范式， E为期望值， x为原始等高线图像， y为 原始真实地形 特征线图像， z为原 始地形灰度图像， G(x,z)为伪地形 特征线图像。 6.根据权利要求3或4所述的地形特征线提取方法， 其特征在于， 所述对所述对抗损 失 函数和所述特征差值损失函数进 行目标函数的计算， 得到生成器目标函数和判别器目标函 数的过程包括： 通过第三式对所述对抗损 失函数和所述特征差值损失函数进行生成器目标函数的计 算， 得到生成器目标函数， 所述第三式为： G*＝arg minGLcGAN(G,D)+λL1(G)， 其中， G*为生成器目标函数， LcGAN(G,D)为对抗损失函数， L1(G)为特征差值损失函数， λ 为损失系数； 通过第四式对所述对抗损 失函数进行判别器目标函数的计算， 得到判别器目标函数， 所述第四式为： D*＝arg maxDLcGAN(G,D)， 其中， D*为判别器目标函数， LcGAN(G,D)为对抗损失函数。 7.一种地形 特征线提取装置， 其特 征在于， 包括： 图像导入模块， 用于导入原始等高线图像、 原始地形灰度图像和原始真实地形特征线 图像； 模型训练模块， 用于构建训练模型， 通过所述原始等高线图像、 所述原始地形灰度图像 和所述原 始真实地形 特征线图像对所述训练模型进行训练， 得到训练后的模型； 模型测试模块， 用于导入等高线测试图像、 地形灰度测试图像和真实地形特征线测试 图像， 通过所述等高线测试图像、 所述地形灰度测试图像和所述真实地形特征线测试图像 对所述训练后的模型进行测试， 得到目标提取模型； 提取结果获得模块， 用于导入待提取等高线图像和待提取地形灰度图像， 通过所述目 标提取模型对所述待提取等高线图像和所述待提取地形灰度图像进行地形特征线的提取， 得到地形 特征线提取 结果。权　利　要　求　书 2/3 页 3 CN 115035310 A 3