多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取

摘要：

针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法.首先,通过目视解译的方法制作大量的道路提取标签数据;其次,在残差网络ResNet-101的各个残差块中引入膨胀卷积和多尺度特征感知模块,扩大特征点的感受野,避免特征图分辨率减小和道路边缘细节特征的损失;然后,通过叠加融合和上采样操作将各个尺寸的道路特征图进行融合,得到原始分辨率大小的特征图;最后,将特征图输入Sigmoid分类器中进行分类.实验结果表明:本文方法的提取精度优于经典全卷积神经网络模型,准确率达到了98％以上,有效保留了道路的完整性及其边缘的细节信息.

关键词：遥感、道路提取、高分一号影像、残差网络、膨胀卷积、多尺度特征

所属期刊栏目：58

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2021-04-01（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：333-340