APP下载

基于SPUD-ResNet的遥感影像道路提取网络

2021-12-12李代栋赫晓慧李盼乐田智慧周广胜

计算机工程与应用 2021年23期
关键词:信息

李代栋,赫晓慧,李盼乐,田智慧,周广胜,3

1.郑州大学 信息工程学院,郑州 450001

2.郑州大学 地球科学与技术学院,郑州 450052

3.中国气象科学研究院,北京 100081

近年来,从高分辨率遥感影像中提取道路已成功应用在众多领域,例如城市规划、实时地理信息系统和交通导航等[1]。在理想情况下,道路作为提取对象,应具有规则的形状、均匀分布、固定宽度以及相互连接的拓扑结构。然而从遥感图像提取道路存在如下困难:(1)多样性,道路类型包括高速公路、城市干线道路和乡村道路等,具有多尺度的特征;(2)狭长的结构,与建筑物之类的大型物体相比,道路是一段狭长的区域,很可能导致不连续的提取;(3)地物干扰较多,遥感图像中的道路容易被树木遮盖或与空地相混淆,从而导致模棱两可的提取结果。因此,从遥感影像中自动、准确地提取道路是一项艰巨的工作。

随着深度语义分割领域的快速发展,例如全卷积网络(FCN)[2]、编码器-解码器网络(U-net[3]、SegNet[4])、DeepLab[5-6]和金字塔场景解析网络(PSPNet)[7]等深度卷积神经网络(DCNN)展现了优异的性能。在复杂的遥感影像信息提取工作中,国内外研究人员也越来越关注DCNN在其中的应用。例如苏健民等人[8]提出一种基于U-Net改进的深度卷积神经网络,实现了端到端的遥感影像分割。祖宝开等人[9]基于分块低秩表示的方法,对城市遥感影像的不同区域进行划分。李森森等人[10]提出了一种改进的Mask R-CNN卷积神经网络,能够对遥感影像中多个目标进行检测与分割。而文献[11-15]和针对道路结构修正的RSRCNN[16]等,则针对Massachusetts航空影像数据集对道路分割进行了大量研究。……

登录APP查看全文

猜你喜欢

信息
订阅信息
展会信息
信息超市
展会信息
展会信息
展会信息
展会信息
展会信息
信息
健康信息