本文内容來源于《測繪通報》2024年第6期,審圖号:GS京(2024)1024号
基于深度學習的多尺度無人機遙感圖像道路提取
張偉1, 張朝龍2, 王本林2, 蔡安甯3
1. 安徽科技學院建築學院, 安徽 蚌埠 233030;2. 滁州學院地理資訊與旅遊學院, 安徽 滁州 239000;3. 南京曉莊學院旅遊與社會管理學院, 江蘇 南京 211171
基金項目:國家自然科學基金(52078237);安徽高校省級自然科學研究重點項目(KJ2021A1083;KJ2021A0860);安徽科技學院重點建設學科(XK-XJJC001)
關鍵詞:高分辨率遙感圖像, 語義分割, 道路提取, 注意力機制
引文格式:張偉, 張朝龍, 王本林, 等. 基于深度學習的多尺度無人機遙感圖像道路提取[J]. 測繪通報, 2024(6): 77-81.doi: 10.13474/j.cnki.11-2246.2024.0614.摘要
摘要 :針對高分辨率遙感影像和目标場景下道路影像資料集擷取難度大、成本高等問題,本文探究網絡模型在不同尺度下執行提取任務的最佳影像分辨率,并評價各模型在道路提取上的适用性及可靠性,為道路識别工程提供方法借鑒和案例參考。引入圖像分割領域3個經典網絡模型,使用公開資料集進行模型訓練,以無人機航拍的安徽省滁州市影像為試驗資料,進行不同尺度下的道路提取,找出各模型在新場景下的最佳分辨率和模型适用性,并進行可靠性評價。試驗結果表明,D-LinkNet網絡模型在不同尺度的道路提取任務中适用性較強;DeepLabV3+網絡模型的可靠性較差;U-Net、D-LinkNet網絡模型的道路提取輸入影像最佳分辨率分别為1.0、0.5 m。
作者簡介作者簡介:張偉(1983—),男,博士,副教授,主要從事遙感應用與城鎮化研究工作。E-mail:[email protected]通信作者:王本林。E-mail:[email protected]
初審:楊瑞芳複審:宋啟凡
終審:金 君
資訊