近日，地球科学和遥感领域顶级期刊《IEEE Transactions on Geoscience and Remote Sensing（IEEE TGRS）》在线刊发了我校计算机学院“地学+人工智能遥感”学科交叉研究论文——NIGAN：A Framework for Mountain Road Extraction Integrating Remote Sensing Road-Scene Neighborhood Probability Enhancements and Improved Conditional Generative Adversarial Network。论文第一作者为计算机学院陈伟涛教授，通讯作者为王力哲教授。
道路信息在国土空间规划、导航、通行评估等领域具有重要的应用价值。因此，如何快速地通过遥感影像进行道路信息解译是当前热门的研究方向之一。然而在道路解译，特别是以山区为代表的复杂地理环境下的道路信息智能解译过程中仍存在尚待解决的技术难题，例如对于山区中类不平衡的道路特征提取技术，对形态各异、局部遮挡等的道路特征表达技术。
针对上述问题，该论文提出了一个从场景尺度到像素尺度的渐进式道路提取模式，构建了一个场景领域增强的改进条件生成对抗神经网络（NIGAN）。首先，针对山区区域中存在严重的类不平衡问题，设计了结合邻域信息和生成对抗网络的场景提取模型，在区域尺度下利用分类的方法先行提取出包含道路的场景影像，避免了后续道路路网提取中的类不平衡问题；然后针对山区区域地物复杂多变，构建了基于空洞卷积和生成对抗网络的遥感道路路网提取模型，扩大感受野，提升网络对于全区信息的关注。论文在该团队构建的复杂环境山区道路数据集上进行了实验，相对于最新主流的算法，NIGAN模型表现最佳，说明NIGAN在山区道路提取上的有效性。该团队构建的数据集能够作为复杂环境下道路提取研究的基准。
论文提出的NIGAN 网络架构图
IEEE TGRS是地球科学和遥感领域的顶级期刊之一，是IEEE地球科学与遥感技术协会（GRSS）会刊，在遥感技术和地球科学领域具有较高影响力，最新影响因子为8.125。
该研究得到国家自然科学基金项目（U1803117, 41925007, 42071430）和湖北省自然资源厅项目科研项目（ZRZY2021KJ04）的联合资助。
论文信息：Title: S NIGAN A Framework for Mountain Road Extraction Integrating Remote Sensing Road-Scene Neighborhood Probability Enhancements and Improved Conditional Generative Adversarial Network
Authors: Weitao Chen， Gaodian Zhou, Zhuoyue Liu, Xianju Li, Xiongwei Zheng, Lizhe Wang*
Source: IEEE Transactions on Geoscience and Remote Sensing
DOI: 10.1109/TGRS.2022.3188908
Available online: 06 July 2022
论文链接: https://ieeexplore.ieee.org/document/9816040
论文代码链接: https://github.com/cug103/NIGAN
数据集链接: https://drive.google.com/drive/folders/1Hk9eOP_b4gfwQ2NHvNcFRMc95EimhfuG?usp=sharing
