基于混合卷积网络的高分辨率可见光遥感图像道路分割

摘要： 道路分割在智能交通系统和城市规划等诸多应用中具有重要作用。针对可见光遥感影像已提出多种道路分割方法，尤其是基于卷积神经网络的流行方案。然而，由于高分辨率可见光遥感影像中存在复杂背景和多尺度道路，实现高精度道路分割仍是具有挑战性的问题。为解决该问题，本文提出一种融合多个子网络的混合卷积网络（HCN）。该网络包含全卷积网络、改进U-Net和VGG子网络，分别获取粗粒度、中粒度和细粒度的道路分割图；并采用浅层卷积子网络融合这些多粒度分割图以实现最终道路分割。得益于多粒度分割策略，本HCN在处理多尺度道路和复杂背景时展现出优异效果。通过计算像素精度、平均精度、平均区域交并比（IU）和频率加权IU四项测试指标，在两个测试数据集上评估所提HCN。与五种前沿道路分割方法相比，本HCN具有更高的分割精度。