遥感图像道路边缘检测与路面提取方法分析

《遥感图像道路边缘检测与路面提取方法分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、学校代码10530学号201230111724分类号TP79密级公开硕士学位论文遥感图像道路边缘检测与路面提取方法研究学位申请人谭媛指导教师徐建闽、黄辉先教授学院名称信息工程学院学科专业控制科学与工程研究方向智能控制与智能交通二〇一五年五月二十日RoadedgedetectionandextractionbyremotesensingimagesCandidateTanYuanSupervisorProf.XuJianmin,Prof.HuangHuixianCollegeTheCollegeofInformationEngineerin

2、gProgramControlScienceandEngineeringSpecializationIntelligentControlandIntelligentTrafficDegreeMasterofEngineeringUniversityXiangtanUniversitythDateMay20,2015湘潭大学硕士学位论文I湘潭大学硕士学位论文摘要道路信息作为地理信息的重要组成，一方面为其他地物目标提供参考，另一方面是交通的主体，因此在社会生活中占有重要地位。传统的道路网信息获取方法主要为人工测量或评估，需投入大量的人力物力，

3、且该方法因覆盖范围小，采集周期长及精度不高等缺点，很难满足现阶段道路交通迅猛发展的要求。而近年来，遥感测绘的发展为道路信息采集的难题提供了新的方法。遥感图像拥有高覆盖面、高精度及高实时性等优点，因此有望在地理信息更新、国土资源勘探、城市观测规划等领域得到广泛应用。本研究旨在探索遥感图像中的道路边缘检测及路面提取的方法。首先，对实验图片进行预处理，分离道路及周围地物。针对道路与周边地物对比度较低的特点，采用图像增强的方法，突出作为感兴趣区域的道路区域；针对成像过程中不可避免的传感器本身或大气层等干扰引起的噪声，采用高斯滤波进行平滑；针对由道

4、路中车辆，车道线、标志牌等引起的二值图像中的小孔洞和孤立点等，采用形态学的方法进行处理。预处理之后得到道路的大致区域。其次，为了提高道路边缘提取的精确度，本研究采用了一种改进的Sobel算子，即55的八方向模板，且通过Pascal三角形理论推导出各方向的最优参数。基于理论分析及实验仿真结果，该算子被证明不仅解决了传统边缘检测算子在方向上的局限性，而且具有更好的去噪能力。另外，提取出来的道路边缘较为完整，轮廓线清晰且连续性好，尤其在弯曲道路检测中表现更为突出。最后，针对检测后仍存在部分非道路区域边缘的情况（主要为建筑物及噪声边缘），本研究

5、分析了典型道路与非道路区域的几何特征，并选取面积（边缘包含的像素点）及像素块最小外接矩形长宽比两个参数，设定阈值，用于剔除不符合道路几何特征的区域，提取出符合实际且边缘较为平滑的道路。关键词：遥感图像；道路提取；边缘检测；Sobel算子；八方向II湘潭大学硕士学位论文AbstractAsanessentialpartofgeographicinformation，roadinformationplaysanimportantroleinhuman'sdailylifebecauseitnotonlyprovideslocativerefe

6、rencesfornavigationalobjects,butalsofacilitatestheurbantrafficplanning.Traditionalroadinformationextractionmainlyreliesonmanualoperationwheremassiveresourcesareinneedwhiletheprecisionofextractingresultcanhardlymeetthedemandoftrafficplanninginnowadays.Recentyears,withthede

7、velopmentoftheremotesensingtechnology,theremotesensingimage,whichhavealotmeritssuchashighprecision,realtimeupdate,andetc.,givesanewmethodforroadextraction.Therefore,extractingroadinformationbyremotesensingimageisapromisingthemeforlandadministrationandtrafficplanning.Thepu

8、rposeofthisresearchistoexploretheroadextractingapproachbyremotesensingimage.Firstofall,theremote