基于自适应阈值和双向对比学习的遥感图像道路提取方法

来源：计算机工程与应用杂志2026年第4期北京时间：

作者：高鹏飞, 田小龙, 杨辰飞, 乔龙图, 吕蒙

单位：1.郑州铁路职业技术学院，郑州 451400；2.河南省轨道交通智能安全工程技术研究中心，郑州 451450；3.郑州市先进功能材料重点实验室，郑州 451400；

摘要：随着遥感技术的迅猛发展，精准提取遥感图像中的道路信息已成为城市管理与交通规划中的关键任务。然而高质量标注的遥感图像往往稀缺且获取成本高昂，导致模型在训练过程中难以充分利用有限的标注数据。道路像素与背景像素之间的严重不平衡进一步加剧了道路提取的复杂性。针对这些问题，提出了一种创新的半监督学习方法。该方法结合自适应阈值机制与双向对比学习策略。自适应阈值机制通过动态计算不同类别的个体阈值，实现了更为精细的伪监督训练。双向对比学习则增强了特征空间中不同类别之间的可分性。实验结果表明，该方法在两个真实世界数据集上显著提升了道路提取性能，充分验证了其有效性与优势。

关键词：遥感道路,半监督学习,自适应阈值,双向对比学习

基金资助：国家自然科学基金（52175379）。