学术期刊网 > 学术资讯 > 多深度神经网络集成的道路提取

多深度神经网络集成的道路提取

学术期刊网 学术资讯 2021-06-13

高分辨率遥感图像道路提取是遥感信息分析领域中的一项重要工作。尽管深度学习的高分辨率遥感影像道路提取方法已经获得了先进的性能,但大多数深度学习网络具有严重的数据依赖性,缺少一种普遍适用的网络模型。针对以上问题,分别探讨了深度神经网络的宽度及结构对高分辨率遥感图像道路提取的影响。选取3种经典的端到端网络模型(SegNet、U-Net和FRRN)进行试验,针对每种网络结构依次设置3×3、5×5、7×7的卷积核。最后,剖析卷积核的尺度对道路提取的影响,提出了一种多深度学习网络集成的道路提取方法。结果表明,对于SegNet、FRRN、U-Net网络,3×3的卷积核普遍获得了较好的道路提取结果,SegNet方法能够较好地平衡道路提取的完整性和正确性。

关键词:高分辨率遥感影像;道路提取;深度学习;集成学习;多尺度

引言

随着空间数据获取技术的发展和数据库资源的不断丰富,地理空间数据获取手段呈现出三多(多平台、多传感器、多角度)和三高(高空间分辨率、高光谱分辨率、高时相分辨率)的特点,如何更加有效地获取数据和提取信息,是地理信息领域的研究热点,也是地理信息领域亟待解决的难题之一。道路作为城市的重要组成要素,在城市规划、制图、民用和军事应急响应等方面有着广泛应用。由于遥感成像机理、建筑物的光谱、纹理及轮廓等特征的复杂性,实现自动化、智能化、可靠准确的高分辨率道物提取对基础地理数据获取和更新具有重要的应用价值和现实意义。

传统高分辨率遥感影像的地面道路识别与提取主要集中在经验地设计一个恰当的特征以表达“什么是道路”,并创建相应的特征集用于建筑物的自动识别和提取。常用的指标包括光谱、边缘、形状、纹理、阴影、高度、语义等。而这些指标却会随着季节、光照、大气条件、传感器质量、尺度、建筑物风格和环境发生较明显的变化。因此,这种凭经验设计特征的方法常常只能处理特定的数据,而无法真正做到自动化。近年来,随着计算机硬件技术的快速发展,以卷积神经网络(Convolutional Neural Network,CNN)为代表的深度学习方法在物体检测、图像分割、文字识别等领域显示了巨大的应用潜力。CNN的成功之处在于引入了端到端学习的概念,它能自动提取数据集最具描述性和最显著的特征。这种自我学习特征的能力具有良好的泛化能力逐渐替代了传统人工设计的方法。

基于上述优势,深度学习方法已经广泛应用于图像智能分析、音频识别、自然语言识别等诸多领域。不少学者将深度学习方法与高分辨率遥感影像相结合进行道路提取的研究。例如,Mnih提出了基于深度神经网络的遥感影像目标地物提取方法,通过结合网络的上下文信息,使用条件随机场(Conditional Random Fields,CRF)算法对结果进行后处理,优化了预测结果。王竞雪等人提出基于深度学习的高分辨率遥感影像建筑物提取方法。苏健民等人改进U-Net全卷积神经网络,用于高分辨率遥感图像语义分割。Zhang等人通过结合残差网络的优点提出ResU-Net实现了道路信息的提取。Li等人提出一种改进的卷积神经网络用于道路提取。Wang等人以深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)为基础,研制了一种新型的道路提取方法。石茜等人提出一种基于生成对抗网络(Generative Adversarial Network,GAN)的道路提取方法。尽管一些深度神经网络已经被研制,但大多数具有严重的数据依赖性,缺少一种普遍适用的网络模型。在实际应用中,快速选取合适的深度学习网络模型是一项极具挑战性的工作。

集成方法通过一定的融合策略将不同预测结果整合,以最小的研发成本获取最佳的道路提取结果,实现不同模型间的优势互补,从而克服单一模型的劣势和不足的问题。集成融合策略已广泛应用于土地利用分类、城市要素变化检测等研究其理论基础是:不同的深度神经网络模型对于不同场景的识别能力存在差异,相同的区域或场景在某个模型出现错检或漏检情况,但其他模型提取正确。因此,本文选取3种典型的端到端的深度神经网络(SegNet网络、U-Net网络、FRRN网络)对道路进行提取,随后融合不同网络模型的道路提取结果,获取最终的道路提取网络。

研究区及数据

本实验所用的高分辨率遥感影像如图1所示,由天宝AC IC180航空数码相机获取。遥感影像包含红(R)、绿(G)、蓝(B)3个通道,空间分辨率为0.2 m,能够清晰观测道路、建筑物、河流、植被等地物及其边界。该实验数据共分为47幅,每幅影像的大小为4 000×5 000像元,本实验所用数据共覆盖37.6 km⊃2;的国土面积。该实验数据覆盖了广州市从化区的主城区及周边的部分区域。图1显示了三幅高分辨率遥感影像,图名中的连续数字表示图幅分幅号。
多深度神经网络集成的道路提取杂志位列学术资讯
广告位