基于深度学习模型的复杂困难路网提取方法

作     者：张楠 张蕴灵 ZHANG Nan;ZHANG Yunling

作者机构：中国公路工程咨询集团有限公司北京100097 中咨数据有限公司北京100097 

出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)

年 卷 期：2024年第5期

页      面：155-159页

核心收录：

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0816[工学-测绘科学与技术] 

基　　金：高分辨率对地观测系统重大专项(87-Y50G28-9001-22/23) 

主　　题：卫星遥感数据 路网提取 深度学习 

摘      要：针对复杂困难地区公路信息提取中存在的数据获取困难、道路特征不统一、自然环境干扰、道路变化频繁等难点问题,本文应用高分遥感技术,开展了复杂困难地区路网信息的提取、处理研究。基于深度学习模型不断优化的路网提取方法,以高分卫星为主要数据源,通过对复杂困难地区不同类型农村公路的光谱、纹理及可分离性特征集等进行学习,识别出等级低和道路条件差的农村公路,为农村路网识别与判别提供准确的数据保障;及时获取客观、准确和全面的农村公路基础数据解决了复杂困难地区路网信息不足的问题;为复杂困难地区公路网的规划、建设提供科学的决策依据,为出行交通诱导提供了便利。