融合道路特征的动态卷积遥感影像道路提取网络模型.pdfVIP

第卷第期地理与地理信息科学

４１２Vol．４１No．２

年月

２０２５３GeorahandGeoＧInformationScienceMarch２０２５

gpy

:/

doi１０．３９６９．issn２０２５．０２．００４

j

融合道路特征的动态卷积遥感影像道路提取网络模型

∗

,

陈涛葛小三

(,)

河南理工大学测绘与国土信息工程学院河南焦作４５４００３

:,,

摘要受道路特性和卷积池化等操作影响现有遥感影像道路提取方法仍存在空间特征和地物细节信息丢失问题造成提取

.,

错漏该文基于遥感影像中道路狭长特点设计了一种语义分割网络模型OSPNet基于条状注意力机制使模型更专注于道路

,;,,

信息减少错提取同时使用动态卷积构造模型的编码器从而增强模型对不同类型道路提取的泛化能力和对不同场景的适

;,

应性在模型训练过程中采用骰子损失函数和焦点损失的混合损失函数解决遥感影像中道路类别与背景类别不均衡的问

.,,、

题在和道路数据集上的验证结果表明与相比该模型的分数交并比和平均

MassachusettsCHN６ＧCUGDeeLabV３＋F１

p

、,,、,

交并比分别提升和相较其他网络评价指标结果最佳提取的道路连续性完整性好且训练时间远低

１３７％１７８％１０３％

,、、.

于其他模型是一种适应性更强分割精度更高更轻量化的道路提取算法

:;;

关键词道路提取动态卷积条状注意力机制

中图分类号:;文献标识码:文章编号:()

TP７５１TP３９１４１A１６７２０５０４２０２５０２００２３０８

Adnamicconvolutionalremotesensinimaeroadextractionnetworkmodelinteratinroadfeatures

ygggg

,

CHENTaoGEXiaosan

(