Road Segmentation based on Hybrid Convolutional Network for High-resolution Visible Remote Sensing Image
Road Segmentation based on Hybrid Convolutional Network for High-resolution Visible Remote Sensing Image
复制标题
基于混合卷积网络的高分辨率可见光遥感图像道路分割
DOI：
10.1109/lgrs.2018.2878771
复制
发表时间：
2019-04
影响因子：
4.8
通讯作者：
Shan Jin
中科院分区：
文献类型：
--
作者：
Ye Li;Lili Guo;Jun Rao;Lele Xu;Shan Jin
道路分段在智能交通系统、城市规划等方面有着重要的应用。针对可见光遥感图像，人们提出了多种道路分割方法，其中以基于卷积神经网络的方法最为流行。然而，由于高分辨率可见光遥感图像背景复杂，道路具有多尺度性，高精度的道路分割仍然是一个具有挑战性的问题。为了解决这个问题，本文提出了一种融合多个子网络的混合卷积网络（HCN）。HCN包含一个全卷积网络，一个修改的U-Net和一个VGG子网络;这些子网络获得粗粒度，中粒度和细粒度的道路分割图。此外，HCN使用浅卷积子网络来融合这些多粒度分割图以进行最终道路分割。受益于多粒度分割，我们的HCN显示了令人印象深刻的结果，在处理多尺度道路和复杂的背景。在两个测试数据集上计算了像素准确度、平均准确度、平均区域交集（IU）和频率加权IU四个测试指标，对提出的HCN进行了评价。与五种最先进的道路分割方法相比，我们的HCN具有更高的分割精度。
Road segmentation plays an important role in many applications, such as intelligent transportation system and urban planning. Various road segmentation methods have been proposed for visible remote sensing images, especially the popular convolutional neural network-based methods. However, high-accuracy road segmentation from high-resolution visible remote sensing images is still a challenging problem due to complex background and multiscale roads in these images. To handle this problem, a hybrid convolutional network (HCN), fusing multiple subnetworks, is proposed in this letter. The HCN contains a fully convolutional network, a modified U-Net, and a VGG subnetwork; these subnetworks obtain a coarse-grained, a medium-grained, and a fine-grained road segmentation map. Moreover, the HCN uses a shallow convolutional subnetwork to fuse these multi-grained segmentation maps for final road segmentation. Benefitting from multi-grained segmentation, our HCN shows impressing results in processing both multiscale roads and complex background. Four testing indicators, including pixel accuracy, mean accuracy, mean region intersection over union (IU), and frequency weighted IU, are computed to evaluate the proposed HCN on two testing data sets. Compared with five state-of-the-art road segmentation methods, our HCN has higher segmentation accuracy than them.
登录
查看更多内容
影响因子：
4.8
作者：
Scott, Grant J.;Marcum, Richard A.;Nivin, Tyler W.
通讯作者：
Nivin, Tyler W.
DOI：
10.1109/tgrs.2017.2719738
发表时间：
2017-11-01
影响因子：
8.2
作者：
Kaiser, Pascal;Wegner, Jan Dirk;Schindler, Konrad
通讯作者：
Schindler, Konrad
DOI：
10.1109/jurse.2017.7924538
发表时间：
2017-03
期刊：
2017 Joint Urban Remote Sensing Event (JURSE)
影响因子：
--
作者：
M. Papadomanolaki;M. Vakalopoulou;K. Karantzalos
通讯作者：
M. Papadomanolaki;M. Vakalopoulou;K. Karantzalos
DOI：
10.1109/tpami.2016.2572683
发表时间：
2017-04-01
影响因子：
23.6
作者：
Shelhamer, Evan;Long, Jonathan;Darrell, Trevor
通讯作者：
Darrell, Trevor
影响因子：
4.8
作者：
Scott, Grant J.;England, Matthew R.;Davis, Curt H.
通讯作者：
Davis, Curt H.