结合空间特征融合与特征增强的遥感道路提取OA
传统道路提取方法在利用数据信息以及处理不同类型、不同尺度的道路图像时表现不稳定,一个重要原因是这些方法未能有效整合局部特征与全局特征,从而导致对道路细节和语义信息的提取能力较弱.为了解决这一问题,本文提出了一种新的道路提取方法,采用空间特征融合和空间特征增强的策略.其中,空间特征融合模块利用图卷积和局部特征提取模块,有效地将全局和局部特征融合起来.而空间特征增强模块则使用了注意力机制,分别在空间和通道维度上对特征进行加权,增强了模型对特征的感知能力,从而更好地适应不同尺度的道路图像.本文在多个数据集上对该方法进行实验验证,并与现有方法进行比较.实验结果表明,该方法在道路分割任务中显著提升了性能,具有较高的鲁棒性和通用性,适用于不同类型和尺度的道路图像数据集.
谢子阳;高岩
华东师范大学计算机科学与技术学院,上海200062华东师范大学计算机科学与技术学院,上海200062
信息技术与安全科学
空间特征融合注意力机制图卷积图像处理
《华东师范大学学报(自然科学版)》 2026 (4)
P.112-122,11
国家自然科学基金(62072183)。
评论