卷积神经网络下的高分二号卫星影像道路提取

发布时间：2021-10-08 09:39

　　本文针对深度神经网络对高分二号遥感影像道路提取时细节信息丢失较多、道路周围环境考虑不充分等情况,在已有的研究成果上,提出一种基于全卷积神经网络遥感影像道路提取的改进方案.方案创新研究了全卷积神经网络的算法原理,将预调色后的高分二号影像按一定尺寸分幅输出,将输出图像及标签对应输入于以全卷积神经网络为基础的改进网络,通过结合残差单元以及增加网络层数得到识别精度较高的道路提取图像.实验表明,该方法在同一样本中对高分二号卫星影像道路提取的效果有所提升,道路的完整性和准确性有所提高. 

【文章来源】：计算机系统应用. 2020,29(11)

【文章页数】：6 页

【参考文献】：
期刊论文
[1]基于阈值标记的分水岭算法遥感图像道路提取[J]. 李杰,冯魁祥,朱玲玲,云海姣.  长春大学学报. 2019(06)
[2]自适应圆形模板及显著图的高分辨遥感图像道路提取[J]. 连仁包,王卫星,李娟.  测绘学报. 2018(07)
[3]基于多光谱LiDAR数据的道路中心线提取[J]. 袁鹏飞,黄荣刚,胡平波,杨必胜.  地球信息科学学报. 2018(04)
[4]GVF Snake与显著特征相结合的高分辨率遥感图像道路提取[J]. 王峰萍,王卫星,薛柏玉,曹霆,高婷.  测绘学报. 2017(12)
[5]高分辨率遥感影像道路提取方法研究进展[J]. 曹云刚,王志盼,杨磊.  遥感技术与应用. 2017(01)
[6]基于模糊连接度的高分辨率SAR图像道路自动提取[J]. 符喜优,张风丽,王国军,邵芸.  计算机应用. 2015(02)

硕士论文
[1]基于多源遥感数据的道路、居民点提取及布局优化研究[D]. 查中亮.四川师范大学 2018



本文编号：3423905