期刊信息
主管单位：中华人民共和国教育部
主办单位：重庆大学
主 编：王时龙
地 址：重庆市沙坪坝正街174号
邮政编码：400030
电 话：
电子邮件：xbsg@cqu.edu.cn
国际标准刊号：ISSN 1000-582X
国内统一刊号：CN 50-1044/N
邮发代号：国内78-16 国外 M355
|
| 高分遥感图像道路网提取的通用方法模型 |
| 投稿时间：2019-12-10 修订日期：2020-04-08 |
| 关键词:卷积神经网络 高分辨率遥感影像 道路网提取 |
| 基金项目:国家自然科学基金(41871315)；陕西省重点研发计划（2020SF-434） |
|
| 摘要点击次数: 427 |
| 全文下载次数: 0 |
| 摘要: |
| 作为深度学习中一种常用的神经网络结构,卷积神经网络CNN(Convolutional Neural Network)的局部视野和权值共享等特点使之更类似于生物神经网络,可以在很大程度上降低神经网络权值的数量和计算复杂度。在使用卷积神经网络学习方法对图像对象进行识别的过程中,并不需要太多的先验知识,仅仅需要大量的样本训练便可以实现对目标要素的提取。鉴于以上这两种特性,本文基于卷积神经网络建立了从高分遥感图像中自动提取道路网数据的方法模型；针对卷进神经网络模型中的标记样本获取困难且样本获取方式通用性差等问题,利用开源的OpenStreetMap矢量道路网数据构建了样本数据的自动化标记流程；在此基础上,通过对海量样本数据的训练学习,最终实现了高分遥感图像道路网数据的精准提取。 |
|
| 查看/发表评论 下载PDF阅读器 |
|
|
|
|
|
Copyright@ 2008 All Rights Reserved.
