多分支双任务的多模态遥感影像道路提取方法

作     者：林雨准 金飞 王淑香 左溪冰 戴林鑫杰 黄子恒 LIN Yuzhun;JIN Fei;WANG Shuxiang;ZUO Xibing;DAI Linxinjie;HUANG Ziheng

作者机构：信息工程大学地理空间信息学院郑州450001 温州大学计算机与人工智能学院温州325035 

基　　金：国家自然科学基金项目(42301464) 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2024年第26卷第6期

页      码：1547-1561页

摘      要：光学影像和SAR影像具有丰富的互补属性,有效的融合策略可为地物解译提供夯实的信息基础。道路作为条状地物,其拓扑结构、分布规律和应用场景往往会对解译效果带来挑战。基于此,本文提出一种多分支双任务的多模态遥感影像道路提取方法。首先,构建结构相同但参数独立的编码—解码网络分别对光学和SAR影像进行特征提取,并利用道路表面分割标签监督训练;其次,引入SAR影像的编码层特征进行道路边缘检测,并将其中间特征输入至SAR影像的解码层特征,从而优化道路与背景的切割效果;最后,利用设计的通道—条状空间注意力(Channel Attention-Strip Spatial Attention,CA-SSA)充分融合光学影像和SAR影像的浅层和深层特征,从而预测最终的道路提取结果。为验证本文方法的有效性,利用Dongying数据集进行实验,在定量精度评价指标中,本文方法的IoU相比单模态对比方法至少提升1.04%,相比多模态对比方法至少提升1.95%;在定性效果分析中,本文方法在道路交叉口以及低等级道路等重难点区域具有明显优势。此外,在光学影像受云雾影响时,本文方法的道路提取效果最佳。

主 题 词：光学影像 SAR影像 道路提取 多模态 数据融合 卷积神经网络 智能解译 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 082303[082303] 081602[081602] 0816[工学-纺织类] 082302[082302] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.12082/dqxxkx.2024.240101

馆 藏 号：203127957...