D-Net:一种动态模拟道路形态的路网提取模型

对于当前利用深度学习技术实现遥感影像中道路提取时,由于网络中的矩形卷积而导致无法捕捉道路形态特征、提取精度低等问题。基于此,提出一种基于形变卷积的卷积神经网络(D-Net,Deformation Network),该网络旨在从遥感影像中准确提取道路区域。为了验证模型的性能,在马萨诸塞州道路数据集和DeepGlobe道路数据集上进行了测试。此外,还选择了一景GF-2影像对模型的泛化能力进行评估。实验结果显示,D-Net显著提升了道路分割的精度,为通过形变卷积优化提取结果提供了有力支持。该研究的开展对于进一步探索道路智能提取具有重要的理论和实践指导意义。