郑州大学团队在遥感与地理计算方向取得新进展

近日，郑州大学地球科学与技术学院田智慧教授遥感与地理计算团队在道路智能提取方面取得新进展，其成果分别以题为《Exploring Label Probability Sequence to Robustly Learn Deep Convolutional Neural Networks for Road Extraction with Noisy Datasets》（《基于标签后验概率序列的高鲁棒深度道路提取方法》） 和《Exploring Multiple Crowdsourced Data to Learn Deep Convolutional Neural Networks for Road Extraction》（《多源众包数据支撑下的深度卷积神经道路提取方法》）的学术论文，发表在遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing》（《美国电子与电气工程地球科学与遥感学报》）和地学领域顶级期刊《International Journal of Applied Earth Observation and Geoinformation》（《国际应用地球观测和地理信息杂志》）上。其中，郑州大学为第一作者单位，博士生李盼乐为第一作者，赫晓慧教授为通信作者。

据了解，道路信息在城市规划、市民出行、交通管理等方面发挥着重要作用。近年来，随着遥感技术和深度学习技术的发展，利用深度卷积神经网络开展高分辨率遥感影像道路提取任务成为研究热点。该成果充分利用模型后验信息、多源众包道路矢量数据，构建了序列深度学习方法和多标签整合模型，有效提高了深度道路提取模型的标签噪声鲁棒性，促进了深度学习技术在遥感影像智能化解译中的应用。同时，该成果选取郑州市区作为研究区域，实验结果表明该研究可实现大规模道路信息的高效、准确提取，并可拓展至多个实际应用领域。

该成果依托河南省重大科技专项“面向超算的黄河模拟器构建与服务关键技术研究”，是郑州大学地球科学与技术学院遥感与地理计算方向重要成果之一。