基于全卷积神经网络的多源高分辨率遥感道路提取

被引：42

作者：

张永宏 ^{[1
]}

夏广浩 ^{[1
]}

阚希 ^{[2
]}

何静 ^{[1
]}

葛涛涛 ^{[1
]}

王剑庚 ^{[2
]}

机构：

[1] 南京信息工程大学信息与控制学院

[2] 南京信息工程大学大气科学学院

来源：

计算机应用 | 2018年 / 38卷 / 07期

关键词：

全卷积神经网络; 多源输入; 遥感图像; 道路提取; Canny算子;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP751 [图像处理方法];

学科分类号：

080201 [机械制造及其自动化]; 140502 [人工智能];

摘要：

针对半自动道路提取方法人工参与较多、提取精度不高且较为耗时的问题提出一种基于全卷积神经网络(FCN)的多源高分辨率遥感道路提取方法。首先,对高分二号和World View图像进行分割,用卷积神经网络(CNN)分类出包含道路的图像;然后,用Canny算子提取道路的边缘特征信息;最后,结合RGB、Gray和标签图放入FCN中训练,将现有的FCN模型拓展为多卫星源输入及多特征源输入的FCN模型。选取西藏日喀则地区作为研究区域,实验结果显示,所提方法在对高分辨率遥感影像进行道路提取时能够达到99.2%的提取精度,并且有效地减少了提取所需的时间。

引用

页码：2070 / 2075

页数：6

共 6 条

[1]

Delineation and geometric modeling of road networks.[J].Charalambos Poullis;Suya You.ISPRS Journal of Photogrammetry and Remote Sensing.2009, 2

[2]

A fast learning algorithm for deep belief nets [J].