DeH4R：一种解耦式混合方法用于道路网络图提取
计算机视觉与模式识别
2026-03-31 v2
摘要
从遥感影像中自动提取完整且精确的道路网络图仍是地理空间计算机视觉中的关键挑战。基于分割的方法虽然在像素级识别方面有效，但在矢量化后处理中难以保持拓扑一致性。基于图生长的方法构建更具拓扑忠实性的图，但 suffer from 计算负担沉重的迭代 ROI 裁剪。基于图生成的方法首先预测全局静态的道路网络顶点候选，然后推断顶点之间可能的边。它们实现了快速的拓扑感知推断，但限制了顶点的动态插入。为解决这些挑战，我们提出了 DeH4R，一种新型混合模型，结合图生成的效率和图生长的动态特性。这通过将任务解耦为候选顶点检测、相邻顶点预测、初始图构建和图扩展实现。这种架构创新使我们能够在保持快速推理速度的同时实现动态顶点（边）插入，并增强拓扑忠实性和空间一致性。对 CityScale 和 SpaceNet 基准进行的全面评估表明，DeH4R 实现了最先进（SOTA）性能。DeH4R 在 CityScale 上超过先前的 SOTA 图生长方法 RNGDet++ 提高了 4.62 APLS 和 10.18 IoU，同时速度约快 10 倍。该代码将在 https://github.com/7777777FAN/DeH4R 上公开。
引用
@article{arxiv.2508.13669,
title = {DeH4R: A Decoupled and Hybrid Method for Road Network Graph Extraction},
author = {Dengxian Gong and Shunping Ji},
journal= {arXiv preprint arXiv:2508.13669},
year = {2026}
}
备注
Accepted for publication in the IEEE Transactions on Geoscience and Remote Sensing (TGRS)