В связи с двумя сложностями извлечения дорог — многошкальным и многовекторным характером и утратой детальной информации — предложена сеть извлечения дорог с дистанционного зондирования на основе адаптивного усиления деталей и направляющих поверхностных признаков. Во-первых, с помощью полосовой свёртки, механизма внимания и стратегии направляющих поверхностных признаков предложен модуль внимания с направляющими поверхностными признаками для усиления реконструкции пространственных деталей сетью; затем, на основе свёртки Габора, локального пула и глобального направленного пула, разработан модуль слияния многошкальных многовекторных признаков, повышающий способность сети к представлению признаков дорог различных масштабов и направлений; наконец, на основе гауссова фильтра, операций разности, змейной свёртки и стандартной свёртки создан модуль адаптивного усиления деталей для автоподстройки усиления деталей. Предложенная сеть достигла значений F1 и IoU на наборах данных CHN6-CUG и Massachusetts в размере 74.62%, 62.38% и 77.86%, 65.17% соответственно, что является наивысшими результатами среди восьми сравнительных методов, с улучшением F1 и IoU минимум на 1.41%, 1.32% и 1.04%, 0.88% соответственно. В сравнении с другими передовыми методами, наша модель показывает лучшие результаты в задаче извлечения дорог, обеспечивая высокую точность при меньшем количестве параметров, демонстрируя баланс между производительностью и эффективностью.

изображения дистанционного зондирования; извлечение дорог; многошкальный; внимание; многовекторная свёртка