基于拓扑增强的深度学习遥感影像道路提取方法

摘要：

利用深度学习提取道路信息可以充分挖掘遥感影像的深层特征,但仍存在道路边界模糊、断裂等问题,为了提高道路提取的精度和完整性,提出基于拓扑增强的深度学习遥感影像道路提取方法.首先,对传统卷积神经网络的编码和解码部分进行优化改进,提升像素分割性能;然后,在像素分割结果的基础上,采用像素差分卷积构建道路拓扑提取模块,并采用残差网络、通道注意力和空洞空间金字塔池化等模块实现道路拓扑特征提取;最后,将像素分割结果与道路拓扑特征结果进行融合,以实现对道路提取结果做边缘细化.在2 个不同数据集上的实验结果表明:该方法提高了道路提取的精度,增强了道路的连通性,优化后的道路结构更加完整.

关键词：遥感影像、道路提取、U-Net网络、像素差分卷积、道路拓扑

所属期刊栏目：42

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金;甘肃省自然科学基金

在线出版日期：2023-04-28（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：45-54