基于Swin Transformer的遥感影像道路提取方法

摘要：

在先进的交通系统中,道路提取是最重要的任务之一.高分辨率遥感影像道路区域的提取具有复杂的背景和道路网络的异质性、高类间差异和低类内差异等特点.近几年来,卷积神经网络(CNN)在道路提取方面取得了里程碑式的进展.虽然CNN已经取得了很好的发展,但是由于卷积运算的局限性,网络无法很好地学习全局和长程语义信息交互.本文提出了 Swin Transformer Unet,它结合了带有跳跃连接的U型编解码器结构和带有移位窗口的Swin Trans-former模块.为了获得更好的性能,本文采用了数据增广、数据预处理等技术.本文选取马萨诸塞州道路数据集进行道路提取实验,结果表明,所提出的网络在遥感图像道路提取中的性能优于其他U形网络,可以实现遥感影像道路的精确提取.

关键词：深度学习、遥感图像、道路提取

所属期刊栏目：1

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：49-56