项目解决的问题或方向

现有的方法无法有效地对道路自身的结构特点和其相应的多种上下文特征进行自适应建模，导致提取结果中仍然存在一些难以消除的非道路像素、道路部分区域断裂或所提道路的边缘无法和真实的道路边缘完全匹配的问题，从而需要依赖后处理来提高道路提取精度。在高分辨率遥感影像中，相比于其他地物，道路有独特的特点：道路网往往是连通的，而且每条道路都有一定的方向信息。通常情况下，道路中的部分区域会存在车辆和树木遮挡，且由于高楼的存在，部分道路区域会处在阴影中。因此，如何对上述信息进行有效的自适应建模从而避免额外的复杂的后处理是亟需解决的问题。

团队简介

本团队在2018年，获批建设成立“西安市大数据与视觉智能关键技术重点实验室”，并聘请了以中国工程院王恩东院士为学术委员会主任，国家杰青、长江学者、优青等为主的学术委员会，此外，本团队在2018年获批“三好三有研究生导学文化示范基地”。主要致力于研究计算机视觉、机器学习、大数据智能分析与挖掘和视觉大数据智能分析与场景理解，同时研究网络智能与编码等。团队近些年，在IEEE/TNNLS/TIP/TEC/TIST/TIE/TVCG、ICCV、AAAI、IJCAI、软件学报、计算机学报、电子学报、光学学报等国内外重要学术期刊、国际会议上发表SCI/EI收录论文200余篇，并拥有100余项发明专利。此外，团队积极承办国际和国内学术会议，促进国内外相关领域专家学者的深入交流与合作，主持国家重点研发计划课题3项、“核高基”国家重大科技专项课题、国家自然科学基金25项、国防预研研究项目10余项等，近年来到款经费2400余万元。

项目介绍

随着越来越多的高分辨率遥感卫星的发射，可以获得越来越多的高分辨率遥感影像。如何从这些海量影像数据中自动、精确和高效地提取道路并对其加以利用，则成为必须解决的重大问题。针对现有方法在遮挡和阴影条件下提取效果不佳以及无法有效地对道路的结构特征和多上下文特征进行自适应建模等问题，开展基于深度特征融合的道路提取研究。包括：1）提出面向道路网结构和语义信息的混合深度神经网络模型；2）建立基于多上下文联合优化的道路提取模型，充分利用多种多样的上下文信息和相互语义关系信息，从而在保持道路提取精确度的同时减少后处理步骤。本项目研究的模型和方法具有较强的通用性，可以适用于不同应用场景的高分辨率遥感影像。该项目的实施可为高分辨率遥感影像与深度学习的交叉发展提供依据。

产业模式及市场分析、成果形式（专利，软著，系统、产品等）

遥感大数据和人工智能的发展密不可分。遥感大数据是基础，可以提供人工智能学习的多源卫星遥感数据、地物光谱和样本数据、动态监测数据等，支撑人工智能算法的研究与优化。利用人工智能算法从遥感大数据中挖掘出高价值信息，实现地学信息和图像内容的挖掘，逐步地从遥感大数据走向智能信息提取与应用服务。

（1）在国内外高水平期刊和会议上发表体现本项目内容的学术论文3～4篇，其中SCI期刊论文2～3篇；

（2）在学术交流方面，参加6～8次国内外学术交流会议；

（3）根据研究所获得的技术成果向国家专利局申报国家发明专利2～3项；