针对高分影像的RDU-Net乡村路网提取方法

鉴于高分辨率影像复杂场景应用中存在因地物细节化差异性增大导致影像分类严重离散化及不规则化,根据乡村路网特性,针对U-Net网络模型开展算法优化和完善,提出了RDU-Net网络模型。该模型通过添加空洞卷积以提升模型感受野,同时引入Tversky损失函数自动平衡正负样本,最终得到了更适用于高分遥感图像分割的模型。为验证RDU-Net模型的可行性,选取分辨率为0.8 m的高分二号卫星全色波段影像为数据源,以内江市罗泉镇典型乡村路网为研究对象开展实验,并与U-Net网络模型实施路网提取的结果做横向比较。结果表明,文章提出的RDU-Net模型能够在正负样本极度不均衡的情况下正常训练,并且能够较好地抵抗草木遮挡的干扰,在精度、回调率等方面较现有模型均有显著的提升。文章所提出模型与算法及实验分析结果可为相关领域研究和应用拓展提供参考。