典型文献
基于DeepLabV3+的遥感影像道路中心线提取
文献摘要：
针对目前已有基于遥感影像道路中心线提取算法易受道路旁树木遮挡、建筑物及其阴影覆盖和道路上车辆等因素影响,造成提取出来的道路中心线存在断裂、不完整现象,提出了一种基于深度学习语义分割的道路掩膜,引用细化算法提取道路中心线矢量数据,对矢量道路中心线进行优化的道路中心线提取方法.首先,通过对深度学习语义分割提取出来的道路掩膜进行形态学膨胀处理,减少道路掩膜出现部分断裂、空洞、不完整现象;然后,利用细化算法,对膨胀处理后的道路掩膜提取道路中心线并进行矢量化;最后,结合出现断裂处的道路中心线间几何、空间等约束关系,进行优化处理.实验结果表明:该方法相对于其他道路中心线提取方法,具有较高的精确度、完整度,在不考虑前期深度学习样本制作、模型训练所使用时间的情况下,提取效率也优于其他方法;生成了标准格式的矢量道路中心线数据,可直接用于实际生产.
文献关键词：
深度学习;DeepLabV3+;语义分割;道路提取;道路中心线
中图分类号：
作者姓名：
张荣军;谭海;马天浩;于永帅;黄小贤
作者机构：
辽宁工程技术大学 测绘与地理科学学院,辽宁 阜新 123000;自然资源部国土卫星遥感应用中心,北京 100048;核工业航测遥感中心,石家庄 050000
文献出处：
引用格式：
[1]张荣军;谭海;马天浩;于永帅;黄小贤-.基于DeepLabV3+的遥感影像道路中心线提取)[J].遥感信息,2022(01):94-100
A类：
B类：
DeepLabV3+,遥感影像,道路中心线,中心线提取,路旁,树木,遮挡,阴影,路上车,习语,语义分割,掩膜,取道,矢量数据,形态学膨胀,膨胀处理,矢量化,合出,断裂处,线间,约束关系,优化处理,完整度,模型训练,使用时间,提取效率,其他方法,标准格式,道路提取
AB值：
0.318882
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。
