肖驰，田小霞

（韩山师范学院计算机与信息工程学院，潮州 521041）

0 引言

遥感图像语义分割是将图像中表示特定类别地物的像素进行划分并标注[1]。道路是地图制图和地理信息系统主要的记录和标识对象，在智能交通、城市规划和地图更新中扮演重要角色。遥感影像的道路提取算法是根据遥感影像中不同物体的光谱特征、像素特征、边缘特征、空间几何特征等信息，选择符合道路特征的部分[2]。图像采集的角度和高度、图像的尺度、光照条件、树木或者其他遮挡物等因素导致遥感图像的复杂性和多变性，因此，从遥感图像中提取道路信息最主要的问题是遥感影像的复杂性[3]。

图像中同一类型地物像素的值总是在一定范围内的。根据遥感图像灰度特征的连续性，可设定合适的阈值来分割图像的特定地物，但是寻找合适的阈值是一个难题。Mu等人[4]在图像的灰度特征基础上，采用大律算法（Ostu）将图像像素划分为道路和非道路。该方法通过图像的直方图来计算最佳阈值，但非道路的特征会干扰阈值计算，且计算量大。Shanmugam等人[5]采用动态阈值来提取道路，但通用性差，算法复杂度高和计算量大。左娟和李勇军[6]人根据遥感影像的纹理特征和光谱特征，提出一种基于K均值聚类的遥感图像分割方法，该方法能提取道路主体框架，但对道路中被树木等遮挡物的部分处理效果不理想。Shi等人[7]提出了一种自适应的光谱特征空间分类，该方法未能对道路末节、环形路口、被遮挡的道路很好处理。……