1 重庆邮电大学计算机科学与技术学院，重庆 400065
2 重庆邮电大学空间大数据研究中心，重庆 400065
从遥感图像中提取的道路信息在城市规划、交通管理等领域具有极其巨大的价值，但由于背景复杂、障碍物遮挡以及大量类似的非道路区域的干扰，目前从遥感图像中提取高质量道路信息仍受到限制。为此，提出一种基于混合尺度注意力U-Net的遥感图像道路提取方法HSA-UNet。首先，在编码网络使用由残差结构和注意力特征融合机制构成的注意力残差学习单元，提高对全局特征和局部特征的提取能力；其次，由于道路具有跨度大、狭窄且连续分布等特点，在桥接网络加入注意力增强的空洞空间金字塔池化模块来增强不同尺度道路特征提取能力。在Massachusetts道路数据集上进行的实验结果表明，在F1、交并比等评价指标上，HSA-UNet明显优于D-LinkNet、DeepLabV3+等语义分割网络。
遥感 遥感图像 语义分割 道路提取 尺度注意力 注意力特征融合 激光与光电子学进展
2023, 60(16): 1628004
兰州交通大学电子与信息工程学院，甘肃 兰州 730070
遥感图像背景信息复杂，利用传统形态学进行处理时，固定结构元素的使用容易改变道路的位置和形状，影响图像分割的准确性。为此，提出了一种基于自适应形态学的遥感图像道路提取方法。首先利用非线性结构张量构造自适应椭圆结构元素并定义相应的自适应形态学运算，并根据道路特征构造形态学高低帽变换以增强道路目标；接着通过最大类间方差法实现道路的初步提取；然后设置形状参数识别图像中的目标是否为道路区域；最后通过自适应形态学滤波法去除仍与道路粘连的非道路目标，提取出独立的道路网络。实验结果表明，所提方法能够从背景信息复杂的遥感图像中完整地提取出道路，且提取精度较高。
图像处理 自适应形态学 椭圆结构元素 高低帽变换 最大类间方差法 道路提取 激光与光电子学进展
2022, 59(16): 1610006
中国地质大学(武汉)地理与信息工程学院, 湖北 武汉 430074
为了解决机载LiDAR点云进行道路网提取时存在的道路强度不统一问题,提出一种基于局部强度的栅格分割方法,用于道路点云提取。该方法首先对滤波后的地面点,利用偏度平衡得到道路信息强度阈值,将地面点划分为格网并计算格网内点云的平均强度值,然后通过确定中心格网及其邻域格网的强度值在道路信息强度阈值内的格网数量来确定道路点云。在复杂的环境下利用实际数据进行实验,结果表明该方法可以有效地减少道路周围的异常点并得到更完整的道路信息,这为后续进一步提取道路网提供了参考。由本文方法提取的初始道路中,数据1有84.1%的完整率,数据2有67.1%的完整率,相比于传统的方法有明显的优势。
遥感 激光雷达 道路提取 栅格分割 偏度平衡 道路强度 激光与光电子学进展
2021, 58(24): 2401003
1 中国科学院 深圳先进技术研究院 空间信息研究中心，广东深圳58055
2 中国科学院上海技术物理研究所 中国科学院智能红外感知重点实验室，上海00083
3 芬兰地球空间研究所 摄影测量与遥感部，基尔科努米 FI-0240
4 中国科学院上海技术物理研究所 中国科学院空间主动光电技术重点实验室，上海200083
5 华为赫尔辛基研究院，赫尔辛基 FI-00180
遥感图像道路信息提取既是土地利用检测、地理信息系统更新等传统行业应用的必要步骤，又是数字城市、智能交通等新基建领域中关键技术之一。回顾道路提取方法的发展历程，按照使用数据源的不同，现有的遥感图像道路提取技术主要分为高分辨率成像、多光谱/高光谱成像、激光/点云成像和SAR成像四大类。本文首先介绍了四种遥感技术在道路信息提取上的应用现状、适用范围及方法特点；然后重点阐述并列举分析了当前基于不同平台高光谱数据的道路提取应用效果；最后对本文的内容进行了总结，并对未来的发展趋势进行了展望。
高光谱 多源遥感数据 道路提取 新基建 hyperspectral multi-source remote sensing data road extraction new infrastructure
1 辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
2 自然资源部国土卫星遥感应用中心, 北京 100048
针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法。首先,通过目视解译的方法制作大量的道路提取标签数据;其次,在残差网络ResNet-101的各个残差块中引入膨胀卷积和多尺度特征感知模块,扩大特征点的感受野,避免特征图分辨率减小和道路边缘细节特征的损失;然后,通过叠加融合和上采样操作将各个尺寸的道路特征图进行融合,得到原始分辨率大小的特征图;最后,将特征图输入Sigmoid分类器中进行分类。实验结果表明:本文方法的提取精度优于经典全卷积神经网络模型,准确率达到了98%以上,有效保留了道路的完整性及其边缘的细节信息。
遥感 道路提取 高分一号影像 残差网络 膨胀卷积 多尺度特征 激光与光电子学进展
2021, 58(2): 0228001
1 辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
2 自然资源部国土卫星遥感应用中心, 北京 100048
深度学习通过训练样本进行特征识别,已经被广泛应用于道路提取领域。该方法不局限于特定类型的影像,但是受训练样本数量和计算机硬件的限制,所提取的道路会有断裂和噪声。针对上述问题,使用VGG卷积神经网络对道路进行初步提取后引入张量投票方法进行优化处理。首先通过影像变换、随机裁剪、过采样等方法对样本进行多模式扩充,进而训练VGG卷积神经网络模型;其次利用该网络从原始影像中初步分割道路面,接着对道路面的二值影像进行张量投票获取道路的显著性信息;最后在特征提取时针对显著性信息加入阈值获取道路面。实验结果表明,所提方法提取道路的召回率与正确率均达90%以上,与其他传统方法相比具有更高的精度,验证了所提方法的有效性。
图像处理 道路提取 卷积神经网络 张量投票 高分辨率影像 激光与光电子学进展
2020, 57(20): 201019
1 河北交通职业技术学院电气与信息工程系, 河北 石家庄 050091
2 东北大学信息科学与工程学院, 辽宁 沈阳 110819
针对复杂光照情况下的道路区域提取问题,提出一种基于颜色不变量和暗原色分割的道路区域提取算法,该算法通过正交分解法提取光照不变图像,并基于暗原色先验的道路图像聚类分割,提取图像的消失点等道路信息,构造软投票函数来判别道路区域,经过形态学处理得到最终精确的道路区域。为了有效评价复杂光照场景的道路区域提取算法的精度和效率,构建了一套复杂光照场景的道路图像数据集,并针对9种道路区域提取的算法构建了Benchmark。实验结果表明,所提方法能有效降低阴影等干扰因素的影响,与另外8种算法相比,本文算法能够实现与最新算法具有相近或更加准确的精度,并且本文算法在消失点位置提取准确时,道路的提取效果比其他算法更加完整和精确。此外,本文构建的数据集和Benchmark能够有效地用于测评复杂光照环境下道路区域提取算法的性能。
机器视觉 复杂光照 道路提取 数据集 Benchmark 激光与光电子学进展
2020, 57(12): 121504
1 湖北工业大学 电气与电子工程学院，武汉 430068
2 湖北工业大学 太阳能高效利用湖北省协同创新中心，武汉 430068
3 美国南卡罗来纳大学 计算机科学与工程系，南卡 哥伦比亚 29201
针对遥感图像道路提取信息丢失问题，提出了一种基于残差神经网络的道路提取算法。首先构建编码器?解码器网络，结合预编码器以及空洞卷积模块进行训练，提取更多的语义信息；其次并联设计的空洞卷积模块加在编码器?解码器结构的中间部分，它可以对不同感受野的特征图进行特征提取；最后编码器?解码器之间采用跳连的方式进行多尺度的特征融合，学习更多低维和高维的特征。实验结果表明，在Massachusetts道路数据集上，该方法相比其他算法在Precision、Recall和F1?score性能指标上分别有11 %、0.3 %和7.4 %的提升；同时在Accuracy指标上也达到了97.9 %，相比于其他算法，该算法有一定的应用价值。
道路提取 遥感图像 空洞卷积 多尺度特征融合 road extraction remote sensing image dilated convolution multi-scale feature fusion
中北大学信息与通信工程学院, 山西 太原 030051
针对目前高分辨率遥感影像道路提取准确性不高的问题,提出一种基于改进最大期望(EM)聚类的遥感影像道路提取算法。首先通过形态学预处理来去除道路上的干扰信息,在此基础上通过改进EM聚类自动确定分割区域数目,完成影像分割,最后结合轮廓检测和灰度直方图阈值化完成遥感影像道路的提取。实验结果表明,所提算法能有效屏蔽道路上的噪声,提取出主干道路信息,该方法的准确率达到90%以上,冗余度较低。
图像处理 道路提取 数学形态学 最大期望聚类 图像分割 激光与光电子学进展
2020, 57(6): 061005
