基于卷积神经网络的光学遥感影像道路提取方法研究进展

作     者：林雨准 刘智 王淑香 芮杰 金飞 Lin Yuzhun;Liu Zhi;Wang Shuxiang;Rui Jie;Jin Fei

作者机构：战略支援部队信息工程大学地理空间信息学院郑州450001 

出 版 物：《吉林大学学报（地球科学版）》 (Journal of Jilin University：Earth Science Edition)

年 卷 期：2024年第54卷第3期

页      面：1068-1080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）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金项目(42201443) 

主　　题：卷积神经网络 光学 遥感影像 道路提取 智能解译 

摘      要：随着光学遥感影像空间分辨率的提升和获取渠道的丰富,利用光学遥感影像实现地物智能解译已成为高效的技术路径。由于卷积神经网络(convolutional neural networks,CNN)强大的特征提取能力以及道路信息在多个领域的应用需求,基于CNN的道路提取方法成为了当前的研究热点。鉴于此,本文根据近年来的相关研究文献,对基于CNN的道路提取方法从基于形状特征的改进、基于连通性的改进、基于多尺度特征的改进和基于提取策略的改进四个方面进行归纳总结,然后描述典型道路遮挡案例,并利用经典CNN从样本标签的局限性层面对当前的技术难点进行分析与验证,最后从多源数据协同、样本库建设、弱监督模型和域适应学习四个方面对遥感影像道路提取的发展趋势进行评估和展望。