空洞卷积U-Net的遥感影像道路提取方法

• 作者: 林娜 张小青 王岚 冯丽蓉 王伟
• 来源期刊: 测绘科学
• 关键词: 遥感影像 道路提取 空洞卷积 深度学习
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 109-114,156
• 页数: 7页
• 分类号: P237
• 语种: 中文

摘要

针对从遥感影像上提取道路出现的细节特征丢失、提取结果模糊的问题,该文提出了一种基于空洞卷积U-Net的遥感影像道路提取算法:①以U-Net为基础网络,将低层细节特征与高层语义特征进行多特征融合,更好地还原道路目标细节;②为了进一步提高网络对道路细节特征的识别能力,在U-Net中引入空洞卷积模块,学习更多的语义信息来改善提取结果出现的模糊问题.在Massachusetts roads和高分辨率城市道路影像Cheng roads dataset数据集下的实验结果表明,在召回率、精度和F1-score指标分别达到了82.5％、86.7％、84.5％;93.2％、92.1％、92.6％.与基础的U-Net相比,该算法在解决细节特征丢失和提取结果模糊问题方面更具有应用价值.