一种高分辨率遥感图像道路自动提取方法

• 作者: 叶雪娜 艾玲梅 魏清
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 道路提取 卷积神经网络 批量梯度下降算法 形状特征分析
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 应用开发研究
• 页码范围: 130-133
• 页数: 4页
• 分类号: TP301
• 字数: 3304字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.06.027

摘要

高分辨率遥感图像道路提取是遥感界关注的重要研究领域,如何快速、有效、智能地进行遥感信息分析和处理是当今遥感界迫切需要解决的问题,自动道路提取方法称为道路提取研究的热点.针对道路提取受遥感图像噪声和树木阴影等复杂自然场景因素影响的问题,提出一种基于卷积神经网络(CNN)和数学形态学算法相结合的自动道路提取方法.首先,构建出深度卷积神经网络模型,在训练卷积神经网络模型时,通过改进的批量随机梯度下降算法(MBGD)来训练深度卷积神经网络;然后,利用训练好的深度卷积神经网络进行道路特征的提取;最后,结合数学形态学优化算法进一步优化道路提取结果.实验结果表明,该方法能提取出完整的道路区域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾玲梅	陕西师范大学计算机科学学院	30	201	8.0	13.0
2	魏清		2	6	2.0	2.0
3	叶雪娜	陕西师范大学计算机科学学院	2	10	2.0	2.0