张立恒，王 浩，薛博维，何立明，吕 悦

（1.长安大学 信息工程学院，西安 710064；2.西安中科星图空间数据技术有限公司，西安 710000）

0 概述

高分遥感影像是现代交通体系的重要载体，而路网提取技术是近些年来逐渐发展成熟的一门独立学科，其在高分遥感影像中的应用价值主要体现在车辆导航、智能交通、地图绘制、城市规划等诸多领域。同时也给自然灾害预警、灾后重建、军事目标打击等相关场景提供有效的参考，对经济、政治、地理、军事等方面具有不可替代的意义［1-2］。

但随着遥感技术的不断革新，测量精度已经达到亚米级，分辨率也已经突破分米（dm）级别，并且有进一步发展的趋势。伴随而来的是地物背景信息的细节更加丰富，非道路信息如植被阴影、车辆流动、高楼建筑遮挡、人流流动等作为干扰噪声十分繁杂，造成目标信息提取难度增加，即道路信息识别难度加大。另外，在路网识别过程中不同质地的道路会呈现出不同的光谱特性［3］，还可能出现同谱异物或同物异谱的现象；当前道路提取绝大多数都采用半自动化方式，加上算法自身鲁棒性较差、传统方法识别精度较低、过程繁琐等一系列问题，都给路网提取带来较大的挑战。

目前，以卷积神经网络（Convolutional Neural Network，CNN）为典型代表的深度学习理论，在图像分类［4-5］及目标检测［6-7］等领域均表现出巨大的发展潜力。深度学习作为近来比较热门的研究方法，其在高分影像道路智能化提取领域的实际应用也取得了长足的发展。……