Face aux deux difficultés d'extraction des routes caractérisées par des propriétés multi-échelles et multi-directions ainsi que la perte d'informations détaillées, un réseau d'extraction des routes à partir d'images de télédétection basé sur un renforcement adaptatif des détails et une guidance par des caractéristiques superficielles est proposé. Tout d'abord, grâce à la convolution en bande, au mécanisme d'attention et à la stratégie de guidage par des caractéristiques superficielles, un module d'attention guidée par des caractéristiques superficielles est proposé pour améliorer la capacité de reconstruction des détails spatiaux du réseau ; ensuite, basé sur la convolution de Gabor, le pooling local et le pooling directionnel global, un module de fusion des caractéristiques multi-échelles et multi-directions est conçu pour améliorer la représentation des caractéristiques des routes de différentes échelles et directions ; enfin, basé sur le filtrage gaussien, les opérations de différenciation, la convolution en forme de serpent et la convolution standard, un module de renforcement adaptatif des détails est construit pour réaliser un renforcement adaptatif de l'information détaillée. Le réseau proposé atteint des scores F1 et IoU de 74,62%, 62,38% et 77,86%, 65,17% sur les deux ensembles de données publics courants CHN6-CUG et Massachusetts, obtenant les meilleurs scores F1 et IoU par rapport à huit méthodes comparatives, avec une amélioration d'au moins 1,41%, 1,32% et 1,04%, 0,88% respectivement. Par rapport à d'autres méthodes avancées, notre modèle montre de meilleures performances dans la tâche d'extraction des routes, tout en maintenant une haute précision d'extraction avec un nombre réduit de paramètres, démontrant un bon équilibre entre performance et efficacité.

images de télédétection; extraction des routes; multi-échelles; attention; convolution multidirectionnelle