APP下载

Transformer特征引导的双阶段地图智能生成

2023-10-24方政付莹刘利雄

中国图象图形学报 2023年10期
关键词:特征提取特征方法

方政,付莹,刘利雄

北京理工大学计算机学院,北京 100081

0 引言

地图在现代社会中发挥着十分重要的作用,无论是人民群众日常生活出行,还是交通物流路线规划等,都离不开地图的帮助。然而,现有的地图通常是由地图矢量数据通过专业的地图绘制专家绘制得到(Haunold 和Kuhn,1993;Ablameyko 等,1993)。地图矢量数据的收集与更新、专家的聘请和地图的绘制都需要花费大量的时间和金钱。现如今城市的变化日新月异,传统地图绘制方法已经难以满足地图更新的需要,尤其是在地震、泥石流等突发地质灾难下,快速更新地图显得尤为重要。因此,如何快速且低成本地制作地图是一个亟需解决的问题。

相比于地图矢量数据的收集,遥感图像在蕴含大量地图相关信息的同时采集更加快速与便宜。遥感图像可以由无人机、卫星和飞机拍摄得到,若能利用遥感图像生成对应的地图图像,则可以大幅降低地图制作成本,提高地图更新速度。随着深度学习的发展,已经出现了许多图像生成的方法,如Pix2pix(pixel-to-pixel)(Isola 等,2017),Pix2pixHD(pixel-topixel high definition)(Wang 等,2018)和CycleGAN(cycle-consistent adversarial networks)(Zhu 等,2017)等,其本质是将图像从一个域转移至另一个域。这些方法是利用生成对抗网络(generative adversarial network,GAN)(Goodfellow等,2014)实现的,它们将一类图像作为生成器的输入,利用生成器生成对应的图像。为了确保生成的图像能够更加接近目标域图像,采用判别器对生成的地图进行判别。利用遥感图像生成对应的地图图像可视做一种特殊的图像生成任务。目前已经有研究者提出了GeoGAN(geographic generative adversarial network)(Ganguli 等,2019)、SMAPGAN(semisupervised generation of styled map tiles based on the generative adversarial network)(Chen等,2021)、CreativeGAN(creative generative adversarial network)(Fu 等,2022)和LAMG-CAMG(levelaware map generator-consistency-aware map generator)(Chen等,2022)等方法专门用于从遥感图像生成地图图像。……

登录APP查看全文

猜你喜欢

特征提取特征方法
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
一种基于LBP 特征提取和稀疏表示的肝病识别算法
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
Walsh变换在滚动轴承早期故障特征提取中的应用