航拍图像跨数据域特征迁移道路提取方法

摘要：

针对传统道路提取方法应用于新数据泛化能力不足的问题,研究了通过特征迁移和编解码网络实现跨数据域的道路提取方法.首先,构建了基于编解码网络的道路提取基本模型,用于实现单一数据来源的道路提取任务.然后,基于道路提取网络结构和循环一致性原则,提出了用于跨数据域图像特征迁移的循环生成对抗网络,使目标域图像映射入源域特征空间.使用预训练的道路提取模型处理特征迁移后的目标域图像,即可实现跨数据域道路提取任务.试验结果表明,本文所提方法能够拓展道路提取网络的泛化能力,准确有效地提取跨数据域图像中的道路目标.相较于未特征迁移的结果,本文所提方法大幅改善了道路提取指标,使得F1提升了50％以上.本文方法不需要目标域的标注信息,也不需要对道路提取网络进行微调训练,而只需训练由目标域向源域的特征迁移模型,所耗时间和人力成本较低,因而具有良好的应用价值.

关键词：道路提取、遥感、迁移学习、深度学习、生成对抗网络、编解码网络

所属期刊栏目：49

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;陕西省自然科学基金面上项目

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：611-621