| 基于生成对抗网络的无人机图像道路提取 |
| |
| 引用本文： | 何磊,李玉霞,彭博,吴焕萍. 基于生成对抗网络的无人机图像道路提取[J]. 电子科技大学学报(自然科学版), 2019, 48(4): 580-585. DOI: 10.3969/j.issn.1001-0548.2019.04.016 |
| |
| 作者姓名： | 何磊 李玉霞 彭博 吴焕萍 |
| |
| 作者单位： | 1.成都信息工程大学软件工程学院 成都 610225 |
| |
| 基金项目： | 四川省科技厅重点研发项目2018SZ0286四川省科技厅重点研发项目2018GZ0099广东省自然科学基金2018A030313898公益性行业（气象）科研专项GYHY201506025 |
| |
| 摘 要： | 该文基于TensorFlow开发平台，搭建了生成对抗网络模型，通过无人机遥感图像预处理、道路标签制作、网络训练和算法改进，完成了道路特征信息的深度学习，固化了生成网络参数，实现了基于无人机图像的低等级道路信息自动提取的科学目标，并通过形态学处理进一步增强了道路的提取效果。通过分析不同特征道路提取的信息，证明了本方法对利用高分辨率无人机图像提取低等级道路信息具有较好的借鉴作用。
|
| 关 键 词： | 生成对抗网络 图像处理 道路提取 无人机图像 |
| 收稿时间： | 2018-07-02 |
Road Extraction with UAV Images Based on Generative Adversarial Networks |
| |
| Abstract: | Focused on scientific goals of automatic extraction of low-grade road information from unmanned aerials vehicle (UAV) images, the paper proposes a method based on generative adversarial networks (GANs). First, GANs are built based on TensorFlow platform; second, the UAV images are preprocessed and the road information is tagged in such images; third, the road feature of UAV images is trained by GANs built in the research. Finally, the low-grade road information from UAV images can be extracted automatically. Comparison and verification show that the proposed method provide a reference for extraction of road information. |
| |
| Keywords: | |
|
| 点击此处可从《电子科技大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《电子科技大学学报(自然科学版)》下载全文 |
