为了提升农村地区高分遥感影像路网识别精度,研究提出了一种高分遥感影像农村公路路网提取卷积神经网络跳跃链接“全局关注模块”(Block of Focusing Globe,BFG)架构。BFG架构在跳跃链接阶段对下采样特征图进行卷积操作,并将该操作卷积...为了提升农村地区高分遥感影像路网识别精度,研究提出了一种高分遥感影像农村公路路网提取卷积神经网络跳跃链接“全局关注模块”(Block of Focusing Globe,BFG)架构。BFG架构在跳跃链接阶段对下采样特征图进行卷积操作,并将该操作卷积核尺寸与下采样次数相关联,最终与原特征图进行维度拼接后再输出至对应上采样环节,从而为原特征图叠加更为丰富的全局信息与上下文信息。通过对比实验对算法性能进行评价,发现未使用BFG模块的典型U-Net结构,其交并比为使用后的97.74%;Res-U-Net的交并比为使用BFG模块U-Net的55.11%;BFG模块能有效降低高分遥感影像中路侧地表类型变化对路面识别产生的干扰,使提取路面保持边缘清晰、连续,且能够在路面被林木或阴影短暂遮蔽时正确识别并提取道路路面信息。以上结果表明,新建BFG模块架构具有较好的实用性。展开更多
文摘为了提升农村地区高分遥感影像路网识别精度,研究提出了一种高分遥感影像农村公路路网提取卷积神经网络跳跃链接“全局关注模块”(Block of Focusing Globe,BFG)架构。BFG架构在跳跃链接阶段对下采样特征图进行卷积操作,并将该操作卷积核尺寸与下采样次数相关联,最终与原特征图进行维度拼接后再输出至对应上采样环节,从而为原特征图叠加更为丰富的全局信息与上下文信息。通过对比实验对算法性能进行评价,发现未使用BFG模块的典型U-Net结构,其交并比为使用后的97.74%;Res-U-Net的交并比为使用BFG模块U-Net的55.11%;BFG模块能有效降低高分遥感影像中路侧地表类型变化对路面识别产生的干扰,使提取路面保持边缘清晰、连续,且能够在路面被林木或阴影短暂遮蔽时正确识别并提取道路路面信息。以上结果表明,新建BFG模块架构具有较好的实用性。
