计算机工程

作者：赫晓慧, 宋定君, 李盼乐, 田智慧, 周广胜

单位：1. 郑州大学 地球科学与技术学院, 郑州 450052;2. 郑州大学 信息工程学院, 郑州 450001;3. 中国气象科学研究院郑州大学生态气象联合实验室 郑州 450052

关键词：深度学习,空洞卷积,深度残差网络,多尺度特征融合,遥感影像道路

基金：河南省重大科技专项（201400210900）。

针对遥感影像中由于道路信息错综复杂，导致道路提取不完整、精确度低等问题，提出一种新型遥感影像道路提取方法。融合多尺度特征改善道路提取的整体效果，基于深度残差网络设计混合空洞卷积，并通过定义卷积核各值的间距增大特征提取感受野，从而丰富多尺度特征融合模块中的浅层道路语义信息。在编码端提取特征后，利用权重分布的方法匹配感受野尺度，使用不同层级间的特征对全局先验信息进行表征，提高多尺度融合特征获取浅层道路语义信息的准确性，并将改进的多孔空间金字塔池化模块融入到深度残差网络中，挖掘并深度聚合道路浅层次和深层次的语义信息。在两种高分辨率遥感数据集Cheng_Data_Roads和Zimbabwe_Data_Roads上的实验结果表明，所提方法的F1值和MIoU值分别为91.16%和83.63%，准确率、召回率等评价指标均明显优于U-net、ResUnet、D-Linknet等语义分割方法。

来源：2022年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第8期