1.一种通过多路紧凑传输网络进行轮廓增强的道路分割方法，其特征在于，所述通过多路紧凑传输网络进行轮廓增强的道路分割方法，包括：

使用公开数据集并对该数据集中的图片进行预处理，获得训练数据集；

采用训练数据集训练构建的图像分割模型，所述图像分割模型包括编码器、上下文传输路径和解码器，所述编码器包括依次连接的多个阶段多路径编码模块，所述上下文传输路径包括分别与所述多路径编码模块连接的密集连接融合块，所述解码器包括分别与所述密集连接融合块连接的噪声抑制块，以及与所述噪声抑制块连接的特征融合模块，所述编码器的最后一个阶段的多路径编码模块的输出还经过全局池化后接入到同一个阶段的噪声抑制块和特征融合模块，各个阶段所述特征融合模块的输出接入到前一个阶段的噪声抑制块和特征融合模块；

将待分割图片输入到训练好的图像分割模型，输出分割结果；

其中，所述密集连接融合块包括第一融合模块FP1、DP模块和第二融合模块FP2；所述第一融合模块FP1将当前阶段的信息与上一阶段的信息进行合并；所述DP模块包括三个相同的组件，每个组件包括卷积核、BatchNorm和ReLu激活函数，在组件之间采用短路径连接；所述第二融合模块FP2用于特征输出，输出Ouput1和Ouput2，分别输出到当前阶段的噪声抑制块和下一阶段的密集连接融合块；

所述噪声抑制块包括空间注意力阶段和通道噪声抑制阶段，所述空间注意力阶段先对上下文传输路径的输出依次进行1*1卷积、LeakyRelu激活函数、3*3卷积和Sigmoid处理生成空间注意图，将空间注意力图与上一阶段噪声抑制块输出相乘融合，输出到通道噪声抑制阶段；所述通道噪声抑制阶段对输入的特征经过AvgPool和Sigmoid处理，然后与输入的特征经过相乘融合，再与输入的特征经过相加融合作为最终的输出。

2.根据权利要求1所述的通过多路紧凑传输网络进行轮廓增强的道路分割方法，其特征在于，所述多路径编码模块的输入经过第一路径、第二路径和第三路径，三个路径的输出融合后，再经过1×1卷积、BatchNorm、LeakyReLu激活函数后输出，所述第一路径用于保持道路光谱特征的位置不变性和旋转不变性，所述第二路径用于防止网络梯度爆炸或消失，所述第三路径用于将光谱特征与其他特征关联起来。

3.根据权利要求2所述的通过多路紧凑传输网络进行轮廓增强的道路分割方法，其特征在于，所述编码器的最后一个阶段的多路径编码模块的输入经过第一路径和第二路径，二个路径的输出融合后，再经过1×1卷积、BatchNorm、LeakyReLu激活函数后输出，所述第一路径用于保持道路光谱特征的位置不变性和旋转不变性，所述第二路径用于防止网络梯度爆炸或消失。

4.根据权利要求3所述的通过多路紧凑传输网络进行轮廓增强的道路分割方法，其特征在于，所述第一路径为PoolPath，依次包括1×1卷积、BatchNorm、LeakyReLu激活函数和Maxpool；所述第二路径为ResPath，包括一个Resnet_18模块；所述第三路径为ConvPath，包括卷积核和BatchNorm。

5.根据权利要求3所述的通过多路紧凑传输网络进行轮廓增强的道路分割方法，其特征在于，所述第三路径的卷积核随着所处阶段依次减小。