一种深度学习的无人机影像道路自动提取方法

作者：王晓霏; 叶虎平^*; 廖小罕; 岳焕印; 施冬

来源：测绘科学, 2021, 46(11): 106-113.

DOI：10.16251/j.cnki.1009-2307.2021.11.015

• 拓扑结构
• 全局上下文
• 无人机
• 道路提取
• 聚合特征

针对无人机影像道路提取自动化程度低、道路信息不完整及道路交叉口不连通等问题,该文提出了一种结合拓扑结构和全局上下文感知的无人机影像道路提取方法,通过构建一种编码/解码模式的深度学习方法实现自动化提取。在网络模型中,设计了聚合特征模块及增强型扩张卷积模块以获取更多的道路信息,并引入拓扑感知损失函数以保证道路的连通性,实现道路拓扑结构特性的反演。实验结果表明,基于改进后的网络模型对道路信息的提取效果较好,在无人机影像测试集上的准确率、召回率、F1得分和交并比(IoU)分别达到了89.07%、84.74%、86.86%和72.45%;在马萨诸塞州道路公共影像集通用性测试中,提取原始遥感图像的道路信息也表现了出色的提取性能。

• 单位
  长江大学; 中国科学院; 资源与环境信息系统国家重点实验室; 中国科学院地理科学与资源研究所