基于GQA-AssemFormer的遥感影像道路提取方法

谢勇

您当前的位置：

首页 >

文章列表页 >

基于GQA-AssemFormer的遥感影像道路提取方法

技术热点研究 | 更新时间：2026-08-16

- 基于GQA-AssemFormer的遥感影像道路提取方法
- 基于GQA-AssemFormer的遥感影像道路提取方法
- 地理空间信息 2026年24卷第7期页码：26-32
- 作者机构：
  
  四川省交通勘察设计研究院有限公司
- 作者简介：
- 基金信息：
  
  四川省交通勘察设计研究院有限公司科研资助项目（242023009）
- DOI：
  中图分类号： P237
- 纸质出版：2026
- 稿件说明：
移动端阅览
谢勇. 基于GQA-AssemFormer的遥感影像道路提取方法[J]. 地理空间信息, 2026,24(7):26-32.

谢勇. 基于GQA-AssemFormer的遥感影像道路提取方法[J]. 2026, 24(7): 26-32.
谢勇. 基于GQA-AssemFormer的遥感影像道路提取方法[J]. 地理空间信息, 2026,24(7):26-32. DOI：

谢勇. 基于GQA-AssemFormer的遥感影像道路提取方法[J]. 2026, 24(7): 26-32. DOI：

摘要

针对当前模型提取道路结构时，受复杂地物影响存在的道路结构断裂消失、背景误提取等问题，提出了一种多尺度局部细节特征同步编码的遥感影像道路提取方法。通过分组查询—内嵌卷积视觉转换器（GQA-AssemFormer）搭建编码器网络，同步编码各尺度特征图中的细节与全局上下文特征；利用高效上采样（EUB）单元对深层特征图精细上采样，并通过混排注意力（SA）单元对采样后特征图赋权过滤；以广义骰子系数损失与自适应阈值焦点损失组合为损失函数，通过偏执学习道路样本，优化模型对复杂道路边缘的分割精度。结果表明，所构建模型在DeepGlobe Road、Massachusetts Road数据集上的F1-score分别达到90.27%与90.85%，较主流模型视觉窗口转换U型网络提高了7.14%与7.38%，能在各种复杂场景下准确提取各类道路结构，具有良好的提取精度与泛化能力。

Abstract

关键词

Keywords

references

Han Wu,Jie Bai,Junli Li,Ran Liu,Jin Zhao,Xuanlong Ma.The Relationships Between Vegetation Changes and Groundwater Table Depths for Woody Plants in the Sangong River Basin, Northwest China[J].Remote Sensing,2025.

Xiao Liu,Peng Gao,Tao Yu,Fei Wang,Ru Yue Yuan.CSWin-UNet: Transformer UNet with cross-shaped windows for medical image segmentation[J].Information Fusion,2025.

Shaoyi Mo,Yufeng Shi,Qi Yuan,Mingyue Li.A Survey of Deep Learning Road Extraction Algorithms Using High-Resolution Remote Sensing Images[J].Sensors,2024.

Sharma Palvi,Kumar Rakesh,Gupta Meenu,Nayyar Anand.A critical analysis of road network extraction using remote sensing images with deep learning[J].Spatial Information Research,2024.

Li Xuecheng,Song Jingqi,Jiao Wanzhen,Zheng Yuanjie.MINet: Multi-scale input network for fundus microvascular segmentation.[J].Computers in biology and medicine,2023.

严炳杨,冯志荣,鲍灵辉,黄智勇,唐俊,郭寅虎,张晋博,陈敏.DAR-Net：双空间注意力与边界细化的遥感影像滑坡提取网络[J].地理空间信息,2025(05).

陈涛,葛小三.融合道路特征的动态卷积遥感影像道路提取网络模型[J].地理与地理信息科学,2025(02).

陶从辉,高青山,赵梦琳.改进U-Net网络的高分辨率遥感影像建筑物提取方法[J].地理空间信息,2025(01).

张京奎,产桂洋,陈曙光,刘臻.结合超分辨率重建技术的遥感语义分割方法[J].地理空间信息,2025(01).

赵斌,王乾.基于深度特征聚合网络的高分辨率遥感图像语义分割[J].地理空间信息,2025(01).

王子明.基于注意力机制的遥感影像道路提取方法[J].地理空间信息,2025(01).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于注意力机制的遥感影像道路提取方法

一种自适应道路提取方法

面向地理国情监测的道路信息半自动提取

基于遥感影像数据的数字水印技术有效性评价研究

DAR-Net：双空间注意力与边界细化的遥感影像滑坡提取网络