原文传递
基于深度学习的高分影像道路提取方法研究
| 题名： | 基于深度学习的高分影像道路提取方法研究 |
| 正文语种： | 中文 |
| 作者： | 林报嘉;刘晓东;杨川 |
| 作者单位： | 中咨数据有限公司;中国地质大学 |
| 关键词： | 高分辨率遥感影像;计算机应用技术;深度学习;道路提取;WGAN |
| 摘要： | 首先阐明了道路数据信息化管理的重要意义，并简要分析了道路元素特征与提取思路，论证了在高分辨率遥感影像和丰富样本集的支持下，基于深度学习的道路提取方法相较于传统方法具有更优的适用性;其次选择了WGAN（Wasserstein生成对抗网络）深度学习模型来实现道路提取操作，通过样本标注与多层融合训练得到了能够根据原始遥感影像直接输出道路元素二值图像的生成模型;最终通过对实际道路提取任务的实验验证，证明了本方法在提取精度和效率上的优势和普适性。 |
| 期刊名称： | 公路 |
| 出版年： | 2019 |
| 期： | 08 |
| 页码： | 268-276 |
检索历史
应用推荐
