计算机工程

作者：赫晓慧, 李代栋, 李盼乐, 胡绍凯, 陈明扬, 田智慧, 周广胜

单位：1. 郑州大学 地球科学与技术学院, 郑州 450001;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：遥感影像,道路提取,U-Net模型,深度学习,EDRNet模型

基金：第二次青藏高原综合科学考察研究项目（2019QZKK0106）。

针对高分辨率遥感影像道路提取结果不完整、边界质量差的问题，提出基于EDRNet模型的遥感影像道路提取方法。利用残差网络构建道路提取模型EDR1，保留道路的细节信息并加速网络收敛。通过融合多尺度、多层次的道路特征信息，设计道路提取结果优化模型EDR2。在此基础上，利用混合损失函数，提高道路提取的完整度。实验结果表明，EDRNet道路提取方法在马萨诸塞州道路数据集上的召回率、精确率和F1-score指标分别达到了84.4%、81.7%及83.0%，其结果完整且准确。

来源：2021年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第9期