%A 袁伟, 许文波, 周甜 %T 一种深度学习分割遥感影像道路的损失函数 %0 Journal Article %D 2021 %J 中国空间科学技术 %R 10.16708/j.cnki.1000-758X.2021.0060 %P 134-141 %V 41 %N 4 %U {http://journal26.magtechjournal.com/kjkxjs/CN/abstract/article_11300.shtml} %8 2021-08-25 %X 传统的根据光谱特征或形态学算法来分割道路,存在精度低、阈值难确定等缺点,而深度学习中已有的方法并未考虑道路的特性,只是利用通用方法来分割道路。针对上述不足,提出了一种针对道路特有形态的深度学习损失函数——形态损失函数。首先使用连通性算法将预测结果划分为若干个相互分离的连通区域,分别计算这些区域的面积与外接圆面积的比值,然后取平均值作为此批训练数据的形态损失函数,最后将形态损失函数按一定的比例与交叉熵损失函数求和,得到最终的损失函数。通过在公开的遥感数据集上使用深度学习网络进行对比试验,附加了形态损失函数后平均交并比(MIoU)、准确度(ACC)及F1Score均有提高。从预测的图形来看,附加了形态损失函数后,预测的道路更为连续。所提出的形态损失函数可用于提高光学遥感影像道路分割的精度。