基于SPUD-ResNet的遥感影像道路提取网络

TP75; 针对遥感影像中道路目标细节丰富且呈带状分布的特点,造成狭长的道路结构提取困难的问题,设计并实现了一种基于SPUD-ResNet的道路提取方法.该方法利用空洞卷积构建残差网络编码器,并通过跳跃连接与对应解码器相连,有效加速网络的收敛并保留道路的细节信息;为了更有效地捕获狭长道路结构的长距离依赖关系,分别构建条形池化模块和混合池化模块,增强网络对条形道路结构特征的获取能力;利用道路结构的几何信息和结构相似性指数设计混合损失函数,精细化道路边界,去除道路提取结果中的模糊预测.在Massachusetts Roads数据集上的实验结果表明,所提方法在召回率、精确度和F1-score指标分别...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 57; no. 23; pp. 240 - 247
Main Authors 李代栋, 赫晓慧, 李盼乐, 田智慧, 周广胜
Format Journal Article
LanguageChinese
Published 郑州大学 信息工程学院,郑州 450001%郑州大学 地球科学与技术学院,郑州 450052%郑州大学 地球科学与技术学院,郑州 450052 01.12.2024
中国气象科学研究院,北京100081
Subjects
遥感影像;道路提取;条形池化;深度学习;ResNet
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2007-0342

Cover

More Information
Summary:TP75; 针对遥感影像中道路目标细节丰富且呈带状分布的特点,造成狭长的道路结构提取困难的问题,设计并实现了一种基于SPUD-ResNet的道路提取方法.该方法利用空洞卷积构建残差网络编码器,并通过跳跃连接与对应解码器相连,有效加速网络的收敛并保留道路的细节信息;为了更有效地捕获狭长道路结构的长距离依赖关系,分别构建条形池化模块和混合池化模块,增强网络对条形道路结构特征的获取能力;利用道路结构的几何信息和结构相似性指数设计混合损失函数,精细化道路边界,去除道路提取结果中的模糊预测.在Massachusetts Roads数据集上的实验结果表明,所提方法在召回率、精确度和F1-score指标分别达到了83.4％、84.5％和83.9％,提升了道路提取的效果.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2007-0342