Devido às duas dificuldades na extração de estradas relacionadas às características multiescalares e multidirecionais da estrada e à fácil perda de informações detalhadas, propõe-se uma rede de extração de estradas em imagens de sensoriamento remoto baseada em reforço adaptativo de detalhes e orientação por características rasas. Primeiramente, com auxílio de convolução em barra, mecanismo de atenção e estratégia de orientação por características rasas, propõe-se um módulo de atenção orientado por características rasas para melhorar a capacidade da rede de reconstrução de informações detalhadas espaciais; em seguida, baseado em convolução de Gabor, pooling local e pooling direcional global, projeta-se um módulo de fusão de características multiescalares e multidirecionais para aprimorar a representação das características de estradas em diferentes escalas e direções pela rede; finalmente, baseado em filtragem gaussiana, operações de diferenciação, convolução em forma de serpente e convolução padrão, constrói-se um módulo de reforço adaptativo de detalhes para realizar o reforço adaptativo das informações detalhadas. A rede proposta alcançou escores F1 e IoU de 74,62%, 62,38% e 77,86%, 65,17% nos dois conjuntos de dados públicos comuns CHN6-CUG e Massachusetts, obtendo os maiores escores F1 e IoU em comparação com oito métodos de referência, com aumento mínimo nos escores F1 e IoU de 1,41%, 1,32% e 1,04%, 0,88%, respectivamente. Em comparação com outros métodos avançados, nosso modelo apresenta melhor desempenho na tarefa de extração de estradas, mantendo alta precisão de extração com menor quantidade de parâmetros, mostrando um bom equilíbrio entre desempenho e eficiência.

imagens de sensoriamento remoto; extração de estradas; multiescala; atenção; convolução multidirecional