基于U型残差网络的遥感图像道路提取方法研究

摘要：

针对遥感图像道路提取时大量建筑物、植被等干扰信息遮挡,导致出现错分、漏分、边缘信息恢复不完整等问题,提出一种基于Adaptive Mixup操作的深度残差分割网络.首先,使用预训练的ResNet101 作为网络的编码器,有效地保持其特征表达能力;其次,引入ASPP模块提取图像的多尺度特征信息,在特征融合过程中加入Adaptive Mixup操作,对特征信息进行自适应地动态融合;最后,使用转置卷积与Pixelshuffle结合的上采样方法,对缩小后的特征图进行有效放大.通过使用两个高分辨率遥感数据集 Massachusetts Roads Dataset 和 DeepGlobe Roads Dataset 的实验结果表明,所提方法最高可达 92.28%的精确率值和 86.97%的F1 值,改进后的网络在各项评价指标上均优于FCN、SegNet等经典语义分割网络,能够有效对道路信息进行提取,具备一定的实用价值.

关键词：遥感图像、道路提取、Adaptive Mixup操作、残差分割网络、Pixelshuffle操作

所属期刊栏目：13

分类号：TP751;TP389.1(遥感技术)

资助基金：国家自然科学基金;教育部产学合作协同育人项目

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：51-58