Para abordar dos dificultades en la extracción de carreteras debido a las características multiescalares y multidireccionales de las vías y la fácil pérdida de información detallada, se propone una red de extracción de carreteras en imágenes de teledetección basada en un refuerzo adaptativo de detalles y una guía basada en características superficiales. Primero, con la ayuda de convoluciones en forma de barra, mecanismos de atención y una estrategia de guía de características superficiales, se propone un módulo de atención guiado por características superficiales para mejorar la capacidad de reconstrucción de detalles espaciales de la red; luego, basado en la convolución de Gabor, agrupamientos locales y agrupamientos direccionales globales, se diseña un módulo de fusión de características multiescalares y multidireccionales para mejorar la representación de la red de características de carreteras en diferentes escalas y direcciones; finalmente, basado en filtrado gaussiano, operaciones de diferencia, convolución serpentina y convolución estándar, se construye un módulo de refuerzo adaptativo de detalles para lograr un aumento adaptativo de la información detallada. La red propuesta obtuvo puntuaciones F1 e IoU de 74.62%, 62.38% y 77.86%, 65.17% en los dos conjuntos de datos públicos comunes CHN6-CUG y Massachusetts, alcanzando las puntuaciones más altas de F1 e IoU en comparación con ocho métodos de referencia, con una mejora mínima de 1.41%, 1.32% y 1.04%, 0.88% respectivamente. En comparación con otros métodos avanzados, nuestro modelo muestra un mejor rendimiento en la tarea de extracción de carreteras, manteniendo una alta precisión de extracción con una cantidad menor de parámetros, demostrando un buen equilibrio entre rendimiento y eficiencia.

imágenes de teledetección; extracción de carreteras; multiescala; atención; convolución multidireccional