典型文献
空间信息感知语义分割模型的高分辨率遥感影像道路提取
文献摘要：
道路信息自动化提取已经成为遥感领域热门的研究方向,而基于深度学习的遥感影像道路信息提取方法已经取得了许多成果.但由于受到网络中卷积和池化等操作的影响,基于深度学习的道路提取方法存在着空间特征和地物细节信息丢失等问题,造成许多误提现象.针对此问题,本文设计了一种改进的道路提取语义分割网络模型,该网络以改进的ResNet网络为主体,并引入坐标卷积和全局信息增强模块,用于增强空间信息和全局上下文信息的感知能力,突出道路边缘特征进而确保道路分类的精确性.本文方法在公开道路数据集和高分数据集上获得了显著的提取效果,与其它方法相比取得了明显提高;并且,在一定程度上减少了树木、建筑阴影等自然场景因素遮挡的影响,可以完整准确地提取出道路;此外,模型对多尺度道路也可以实现有效地提取.
文献关键词：
深度学习;遥感影像;道路提取;坐标卷积;全局信息增强模块
中图分类号：
作者姓名：
吴强强;王帅;王彪;吴艳兰
作者机构：
安徽大学资源与环境工程学院,合肥230601;武汉大学 资源与环境科学学院,武汉430079;安徽省地理信息智能技术工程研究中心,合肥230601
文献出处：
引用格式：
[1]吴强强;王帅;王彪;吴艳兰-.空间信息感知语义分割模型的高分辨率遥感影像道路提取)[J].遥感学报,2022(09):1872-1885
A类：
全局信息增强模块
B类：
空间信息,信息感知,分割模型,高分辨率遥感影像,道路提取,信息自动化提取,道路信息提取,池化,空间特征,地物,细节信息,信息丢失,提现,语义分割网络,ResNet,坐标卷积,全局上下文信息,感知能力,出道,路边,边缘特征,精确性,开道,路数,高分数据,提取效果,树木,阴影,自然场景,遮挡,路也
AB值：
0.368093
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
