文献类型：期刊文章

作　　者：刘如意[1] 宋建锋[1] 权义宁[1] 许鹏飞[2] 雪晴[1] 杨云[3] 苗启广[1]

机构地区：[1]西安电子科技大学计算机学院,陕西西安710071 [2]西北大学信息科学与技术学院,陕西西安710127 [3]西安测绘研究所地理信息工程国家重点实验室,陕西西安710054

出　　处：《西安电子科技大学学报》

基　　金：国家自然科学基金资助项目(61472302;61272280;U1404620;41271447);教育部新世纪优秀人才支持计划资助项目(NCET-12-0919);中央高校基本科研业务费专项资金资助项目(K5051203020;JB150313;K5051303018;BDY081422);陕西省自然科学基金资助项目(2014JM8310;2010JM8027);西安市科技局资助项目(CXY1441(1));地理信息工程国家重点实验室开放研究基金资助项目(SKLGIE2014-M-4-4)

年　　份：2017

卷　　号：44

期　　号：1

起止页码：100-105

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171303500032)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：从高分辨率遥感影像中提取道路有着非常重要的意义,但是受到遥感影像噪声、复杂的自然场景和已有算法的局限性的影响,道路提取有待于进一步研究.近些年来水平集方法被用于提取道路,但是初始水平演化曲线的确定却是一个大的难点.笔者提出一种自动的水平集分割方法,并将其用于道路检测中.首先,将卷积神经网络用于道路的粗分类.然后,利用形状特征和孔洞填充方法得到比较准确的道路区域.在此基础上,利用张量投票来提取道路的交叉口,并将其轮廓作为水平集演化的初始曲线进行水平集分割.最后,结合卷积神经网络分类和水平集分割的优势,得到比较完整的道路区域,并保持了道路的边缘.实验结果表明,该方法能自动地提取准确完整的道路区域.

关 键 词：卷积神经网络 形状特征分析  张量投票 水平集分割 信息融合

分 类 号：TP391]