融合多尺度特征的遥感影像道路提取方法

摘要：

针对遥感影像中由于道路信息错综复杂,导致道路提取不完整、精确度低等问题,提出一种新型遥感影像道路提取方法.融合多尺度特征改善道路提取的整体效果,基于深度残差网络设计混合空洞卷积,并通过定义卷积核各值的间距增大特征提取感受野,从而丰富多尺度特征融合模块中的浅层道路语义信息.在编码端提取特征后,利用权重分布的方法匹配感受野尺度,使用不同层级间的特征对全局先验信息进行表征,提高多尺度融合特征获取浅层道路语义信息的准确性,并将改进的多孔空间金字塔池化模块融入到深度残差网络中,挖掘并深度聚合道路浅层次和深层次的语义信息.在两种高分辨率遥感数据集Cheng_Data_Roads和Zimbabwe_Data_Roads上的实验结果表明,所提方法的F1值和MIoU值分别为91.16％和83.63％,准确率、召回率等评价指标均明显优于U-net、ResU net、D-Linknet等语义分割方法.

关键词：深度学习、空洞卷积、深度残差网络、多尺度特征融合、遥感影像道路

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：河南省重大科技专项201400210900

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：196-205