托波RF-Net:通过多受体场适应实现多分辨率遥感的拓识别路段
Junjie Fu1, Chenliang Wang2, Hongchen Lv1
1SuperMap Software Co., Ltd., Beijing 100015, China.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
本研究介绍了TopoRF-Net,这是一个用于从遥感图像中提取道路的新框架. 它增强了道路网络连接性和拓完整性,在精度和连续性方面超过了现有的方法.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 地理信息系统 地理信息系统
背景情况:
- 从多分辨率遥感图像中提取道路,由于道路结构稀疏,延长和复杂,因此存在挑战.
- 现有的语义细分模型往往将像素级准确性优先于拓完整性,导致不连续的道路预测.
研究的目的:
- 提出一个端到端的道路开采框架,通过关注结构连接和拓完整性来解决当前方法的局限性.
- 提高道路网络提取在遥感数据中的连续性和准确性.
主要方法:
- 开发了一个框架,包含一个多接收场模块,以捕捉各种规模的道路模式.
- 实施了连接意识的解码机制,以提高结构一致性.
- 利用拓感知损失函数指导在培训期间恢复连续道路网络.
主要成果:
- 在DeepGlobe-Road数据集 (OA 98.57%,IOU 69.76%,F1 82.18%) 和马萨诸塞数据集 (OA 96.65%,IOU 59.68%,F1 74.75%) 上,TopoRF-Net实现了高性能.
- 拟议的方法在精度和连接性指标方面显著优于现有的方法.
- 证明了有利的参数效率和推理性能.
结论:
- 拟议的TopoRF-Net有效地提取了道路网络,改善了拓完整性和连续性.
- 该框架为远程传感图像的道路提取提供了重大进展,解决了以前方法的关键局限性.
- 结果强调了连接意识模型和拓意识损失对于准确的道路网络细分的重要性.
