基于无监督学习的遥感道路阴影遮挡补全

作     者：杨光义 刘泽鹏 把硕 周逸铭 卢方骁 

作者机构：武汉大学电子信息学院 武汉大学计算机学院 武汉大学国家网络安全学院 武汉大学测绘遥感信息工程国家重点实验室 

出 版 物：《武汉大学学报(工学版)》 (Engineering Journal of Wuhan University)

年 卷 期：2024年

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 0838[工学-公安技术] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(编号:42071322) 

主　　题：遥感影像 道路遮挡 阴影检测 阴影补偿 D-LinkNet 无监督学习 道路提取 

摘      要：针对遥感影像中地物阴影常常遮挡路面，导致路面信息缺失、提取困难的问题，提出一种基于无监督学习的遥感道路阴影遮挡补全方法。方法包含阴影检测和阴影补偿两部分：首先通过设计多特征通道指数进行阴影特征提取，再进行特征融合以获得初始阴影伪标签；其次借鉴自训练思想进行基于D-LinkNet的阴影标签迭代训练，去除伪标签中的误提取和噪声干扰，实现阴影精细化检测；最后以精确阴影标签为掩膜进行基于光照强度的阴影信息补偿，实现道路阴影遮挡补全。丰富的实验表明，处理后图像阴影基本去除，道路提取形态完整、精度普遍提高。阴影检测部分迁移性较强，方法不依赖人工标注数据集，在无标签数据集上仍有较高可执行性。