一种改进DeepLabV3+网络的高分辨率遥感影像道路提取方法

作     者：葛小三 曹伟 GE Xiaosan;CAO Wei

作者机构：河南理工大学自然资源部矿山时空信息与生态修复重点实验室河南焦作454000 河南理工大学测绘与国土信息工程学院河南焦作454000 

出 版 物：《遥感信息》 (Remote Sensing Information)

年 卷 期：2022年第37卷第1期

页      面：40-46页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：河南省自然科学基金项目(222300420450) 国家自然科学基金资助项目(41572341) 

主　　题：编码器-解码器 多孔金字塔池化 道路提取 DeepLabV3+ 深度学习 

摘      要：道路网络提取是高分辨率遥感影像数据应用研究的难点之一。针对现有的道路提取方法普遍注重区域精度而边界质量缺失考虑的问题,提出一种基于DeepLabV3+语义分割神经网络的深度学习提取道路的方法。该网络模型采用编码器-解码器网络(encoder-decoder)和多孔空间金字塔池(atrous spatial pyramid pooling,ASPP)相结合的方式,增强了对道路边界的划分效果。模型在Massachusetts roads数据集进行了道路网络提取实验。分析结果表明,基于该方法的道路提取精度优于U-Net等网络模型,F1分数达到87.27%,与其他方法相比较,该方法能够更有效、完整地从遥感图像中提取道路。