一种多尺度卷积神经网络道路提取方法

戴激光，杜阳，金光，陶德志

(1.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000；2.辽宁奥路通科技有限公司，沈阳 110000；3.中交东北投资有限公司，沈阳 110000)

0 引言

道路作为现代交通体系的主体，其自动化识别、定位与提取是摄影测量与遥感领域的研究热点与难点[1]。近些年来很多学者提出了大量的方法，例如苗则朗等[2]在影像分割结果的基础上进行几何约束，剔除不符合道路几何特征的分割区域，利用纹理信息对候选道路区域进行判别提取，在此基础上，应用多元自适应样条回归，获取平滑的道路中心线。该方法避免了道路提取结果中存在的毛刺问题，但是几何纹理阈值的选取严重依赖于大量实验，并且难以解决绿化和阴影遮挡导致的路面灰度突变问题。而Chaudhuri D利用Chaudhuri’s metric分割方法突出疑似道路区域，采用填充孔洞、面积和长度约束等方法确定道路区域，并通过相对长度和距离等几何约束条件连接断裂道路[3]。相比于前述方法，该方法能够解决道路部分遮挡问题，但其侧重于先验知识的运用，泛化能力较弱。考虑已有的DSM数据，引入斑马线检测结果，以此进行道路种子点的提取与跟踪，完成对道路的自动提取[4]。该方法虽然充分运用了道路的上下文特征与先验知识，但斑马线检测精度取决于实际场景的复杂程度与Surf特征点提取结果，这直接影响道路种子点的跟踪，因而该方法的泛化能力也受到一定的限制。上述传统方法大都采用多特征……