无人机航拍图像有高分辨率和数据易获得性等特点,但航拍图像中存在着道路复杂性和类别多样性等多种问题,利用生成对抗网络在目标检测上的强大特征表达能力,研究如何在无人机航拍图像上准确检测道路已成为重要研究方向之一。近年来,在无人机航拍图像上进行道路信息检测已经有了许多研究,但由于道路的不同部分在宽度和形状上不尽相同,如村道和山路等;不同类型道路具有不同颜色和纹理特征,如街道和土路等;同时,道路区域拍摄时被建筑、树木等诸多物体遮挡,使得道路信息的准确检测仍然是航拍图像检测领域的研究难点。本文利用条件生成对抗网络方法构建了一种航拍图像道路信息检测模型。具体研究内容如下:(1)研究和改进用于提取无人机航拍图像道路信息的生成对抗网络模型。针对航拍图像道路提取结果精度问题以及网络规模太大难以应用的缺陷,提出了一种基于U-Net思想改进生成器网络结构的道路检测模型,主要分为三点:一是在网络结构下采样中引入残差思想,通过跳远连接能够使得特征信息直接到达更深层次的卷积网络,获取细节特征;二是在下采样的底层引入一种全局金字塔池化模块,其能通过聚合上下文信息,提高分割精度;三是为防止在下采样过程中道路信息的丢失,在搭建网络结构时设置下采样特征图最小尺寸为32×32像素。(2)条件生成对抗网络是生成器与判别器的循环对抗过程,生成器通过判别器来优化自身参数,在此基础上提出了一种将条件生成对抗网络的目标函数与传统损失函数相结合的方法优化生成器模型,提高模型的鲁棒性,优化后的模型在无人机航拍图像上能够实现较为准确的道路检测。(3)在标准的城市数据集和PASCAL-VOC2012数据集上作对比实验,验证模型的有效性。对无人机航拍图像进行道路检测实验,实验表明本文模型具有良好的鲁棒性,道路检测效果理想。