基于U型残差网络的遥感图像道路提取方法研究 |
| |
引用本文: | 李梓瑜,王大东,于晓鹏.基于U型残差网络的遥感图像道路提取方法研究[J].智能计算机与应用,2023(9):51-58. |
| |
作者姓名: | 李梓瑜 王大东 于晓鹏 |
| |
作者单位: | 吉林师范大学数学与计算机学院 |
| |
基金项目: | 国家自然科学基金(61773009); |
| |
摘 要: | 针对遥感图像道路提取时大量建筑物、植被等干扰信息遮挡,导致出现错分、漏分、边缘信息恢复不完整等问题,提出一种基于Adaptive Mixup操作的深度残差分割网络。首先,使用预训练的ResNet101作为网络的编码器,有效地保持其特征表达能力;其次,引入ASPP模块提取图像的多尺度特征信息,在特征融合过程中加入Adaptive Mixup操作,对特征信息进行自适应地动态融合;最后,使用转置卷积与Pixelshuffle结合的上采样方法,对缩小后的特征图进行有效放大。通过使用两个高分辨率遥感数据集Massachusetts Roads Dataset和DeepGlobe Roads Dataset的实验结果表明,所提方法最高可达92.28%的精确率值和86.97%的F1值,改进后的网络在各项评价指标上均优于FCN、SegNet等经典语义分割网络,能够有效对道路信息进行提取,具备一定的实用价值。
|
关 键 词: | 遥感图像 道路提取 Adaptive Mixup操作 残差分割网络 Pixelshuffle操作 |
|
|