鄭州大學(xué)團(tuán)隊在遙感與地理計算方向取得新進(jìn)展

近日，鄭州大學(xué)地球科學(xué)與技術(shù)學(xué)院田智慧教授遙感與地理計算團(tuán)隊在道路智能提取方面取得新進(jìn)展，其成果分別以題為《Exploring Label Probability Sequence to Robustly Learn Deep Convolutional Neural Networks for Road Extraction with Noisy Datasets》（《基于標(biāo)簽后驗概率序列的高魯棒深度道路提取方法》） 和《Exploring Multiple Crowdsourced Data to Learn Deep Convolutional Neural Networks for Road Extraction》（《多源眾包數(shù)據(jù)支撐下的深度卷積神經(jīng)道路提取方法》）的學(xué)術(shù)論文，發(fā)表在遙感領(lǐng)域頂級期刊《IEEE Transactions on Geoscience and Remote Sensing》（《美國電子與電氣工程地球科學(xué)與遙感學(xué)報》）和地學(xué)領(lǐng)域頂級期刊《International Journal of Applied Earth Observation and Geoinformation》（《國際應(yīng)用地球觀測和地理信息雜志》）上。其中，鄭州大學(xué)為第一作者單位，博士生李盼樂為第一作者，赫曉慧教授為通信作者。

據(jù)了解，道路信息在城市規(guī)劃、市民出行、交通管理等方面發(fā)揮著重要作用。近年來，隨著遙感技術(shù)和深度學(xué)習(xí)技術(shù)的發(fā)展，利用深度卷積神經(jīng)網(wǎng)絡(luò)開展高分辨率遙感影像道路提取任務(wù)成為研究熱點。該成果充分利用模型后驗信息、多源眾包道路矢量數(shù)據(jù)，構(gòu)建了序列深度學(xué)習(xí)方法和多標(biāo)簽整合模型，有效提高了深度道路提取模型的標(biāo)簽噪聲魯棒性，促進(jìn)了深度學(xué)習(xí)技術(shù)在遙感影像智能化解譯中的應(yīng)用。同時，該成果選取鄭州市區(qū)作為研究區(qū)域，實驗結(jié)果表明該研究可實現(xiàn)大規(guī)模道路信息的高效、準(zhǔn)確提取，并可拓展至多個實際應(yīng)用領(lǐng)域。

該成果依托河南省重大科技專項“面向超算的黃河模擬器構(gòu)建與服務(wù)關(guān)鍵技術(shù)研究”，是鄭州大學(xué)地球科學(xué)與技術(shù)學(xué)院遙感與地理計算方向重要成果之一。