基于深度学习的遥感图像语义分割在道路提取上的应用
国际学院
Application of remote sensing image semantic segmentation based on deep learning in road extraction
道路提取对防灾减灾及灾后应急处理有非常重要的战略意义,在市场上也有广泛的应用。然而,“世界上许多农村地区很难在地面上绘制地图。要遭遇的挑战包括偏远地区、缺乏电力和互联网接入,以及复杂的经济和政治环境。”我国幅员辽阔,地貌复杂,完整的绘制所有国土范围内道路的难度较高。地图道路编辑器的出现,旨在让添加和编辑道路变得快速和相对简单,同时减少基于卫星数据人工绘制道路所消耗的大量人力和时间,并提高道路形状的准确性。
遥感图像语义分割是遥感图像应用的核心技术之一,通过像素级的语义分割,能对遥感图像所包含地物的类别及分布有全局的了解。随着人工智能的发展,通过机器学习算法自动学习图像中道路区域特征从而自动化地提取道路区域,减少大量的人力与时间成本,是获取道路信息的一种经济有效的方式。本项目拟基于当前遥感图像语义分割方向的相关研究成果,采用深度学习方法对卫星图像中的道路进行提取。