系统工程与电子技术

作者：陈雪梅, 刘志恒, 周绥平, 余航, 刘彦明

单位：1. 西安电子科技大学空间科学与技术学院, 陕西 西安 710126；2. 自然资源部矿山地质灾害成灾机理与防控重点实验室, 陕西 西安 710054

关键词：高分辨率网络,非局部块,遥感影像,深度学习

基金：自然资源部矿山地质灾害成灾机理与防控重点实验室项目(2022-08);陕西省自然科学基础研究计划(2023-JC-QN-0299);中央高校基本科研业务费(XJS221307)

高分辨率遥感影像中，传统的道路提取方法存在着精度低、鲁棒性低的问题，提出基于高分辨率网络(high-resolution net, HRNet)实现高分辨率遥感影像道路分割。对HRNet进行改进，将相同分辨率的HRNet子网的输出与输出层结果进行拼接并输入非局部块，两个损失函数Cross-entropy Loss和Dice Loss用来解决道路数据集样本不平衡问题。实验结果表明，改进的HRNet在公开的CHN6-CUG道路数据集上的分割性能与其他方法相比对道路的提取效果更好，在召回率、均交并比和F1分数3个方面分别达到了97.65%、84.91%和97.25%。

来源：2024年第4期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第4期