基于深度学习的卫星图像道路分割算法

作     者：张新华 黄梦醒 张雨 李玉春 单怡晴 冯思玲 ZHANG Xinhua;HUANG Mengxing;ZHANG Yu;LI Yuchun;SHAN Yiqing;FENG Siling

作者机构：海南大学计算机与网络空间安全学院海口570228 海南大学信息与通信工程学院海口570228 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2021年第47卷第10期

页      面：306-313页

学科分类：0810[工学-信息与通信工程] 0839[工学-网络空间安全] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2018YFB1703403,2018YFB1404400) 海南省重点研发计划(ZDYF2019020) 海南省高等学校科学研究项目(Hnky2019-22) 

主　　题：深度学习 道路分割 密集连接模块 空间空洞金字塔结构 注意力监督机制 

摘      要：针对道路分割时存在的梯度消失问题,构建基于U-Net的卫星道路图像语义分割模型。通过密集连接模块减少梯度消失,并引入空间空洞金字塔结构保留更多的图像特征,在学习深层次特征信息时采用注意力监督机制,提取道路要素的特征信息。在卫星图像道路数据集上的测试结果表明,与FCN、SegNet、U_Net算法相比,该算法模型的准确率、召回率和精确率指标分别达到96.3%、96.9%和96.6%,能够有效地对道路元素进行准确分割。