-
题名方向引导与拓扑感知的光学遥感道路提取网络
- 1
-
-
作者
孟月波
黄欣羽
苏世龙
王恒
-
机构
西安建筑科技大学信息与控制工程学院
建筑机器人陕西省高等学校重点实验室
-
出处
《光学精密工程》
北大核心
2025年第10期1638-1656,共19页
-
基金
国家自然科学基金面上项目(No.52278125)。
-
文摘
针对光学遥感影像道路提取过程中连通性弱、细微分支遗漏以及预测路网与真实路网拓扑结构不一致等问题,本文提出了一种方向引导与拓扑感知的道路提取网络。首先,设计多路径方向引导模块关注多方向连接关系,分离并独立学习不同方向的连通特征,增强道路分支间的联系,提高分割连续性;其次通过全粒度互补特征融合模块融合细、粗粒度特征的互补信息,强化道路细节与语义表达,提高网络对细微分支的捕捉能力;最后设计了拓扑感知损失函数,旨在从拓扑视角探索几何结构差异,增强模型对拓扑变化的敏感度,约束预测路网与真实路网的拓扑一致性。所提模型在Deep‐Globe与Massachusetts数据集上的F1值分别为81.95%和79.98%,对比现有最佳方法提升了0.73%和1.5%,IoU为69.35%和66.38%,提升了0.98%和0.66%。实验结果表明,RDTA-Net提取出的道路精确度和完整度优于其他主流方法。此外,在遮挡、噪声以及光照等复杂场景下,仍具有优越的提取效果。
-
关键词
道路提取
连通关系
方向引导
全粒度特征融合
拓扑感知
-
Keywords
road extraction
connectivity
directional guidance
full granular feature fusion
topology wareness
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
TH691.9
[机械工程—机械制造及自动化]
-
