遥感影像道路提取方法研究

《遥感影像道路提取方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、遥感影像道路提取方法研究一般可以分为成4个步骤：1.路影像特征增强；2.确定道路的种子点；3.跟踪和扩展种子点，形成道路段；4.连接道路段，形成道路网。目前道路半自动提取取得了较好的效果。(1)基于道路与背景分割模型的道路提取遥感影像道路提取中，较为直观的方法是将影像像素分割为“道路"和“背景”，从而获得基本道路轮廓，在此基础上，再引入另一种道路提取算法。分类处理方法通常有二值化、边缘检测、形态学算子、统计分类等文献用灰度形态特征对遥感影像进行分割，二值化后得到基本的道路网络轮廓，再利用线段特征匹配方法

2、提取道路网络。文献n，先对图像阈值分割，再用数学形态学进行细化，从而提取出道路中心信息。文献H1用纹理渐进分析法，获得二值分割图，用数学形态学对二值图进行矢量化，再用几何拓扑进行校正，实现道路提取。这些方法在图像分割处理过程中，受道路上的标志物、汽车、阴影等噪声影响，会产生道路网断点，文献提出用模糊连接度对断点进行连接。该方法对于道路灰度值均匀的影像提取效果较好，但实际上，由于道路上存在复杂噪声，在图像分割过程中没有加入上下文信息、先验知识，因此分割结果是比较粗略的，这种分割结果的后续处理，如中心线、道

3、路边缘线的提取依然比较复杂。在图像分割基础上再加入上下文信息和道路模型的研究有待进一步展开。(2)基于类及模糊集方法的道路提取分类过程中常常假设概率密度函数形式已知，并在此条件下进行监督分类。聚类的目的就是用非监督的方式把某一数据集按数据之间的相似性分割为一些子集。通过分类和聚类获得道路段的基础上，需对各道路段给出连接条件，利用模糊集理论给出连接的权函数，实现道路网提取。文献引入模糊数学的概念，提出了基于模糊算子理论的道路半自动提取算法，该方法提取低分辨影像上的道路效果较好。文献H1用遗传算法进行道路提

4、取。先利用模糊C均值聚类法对SAR图像进行无监督聚类，将道路类像素从图像中分离出来，然后根据道路像素灰度值的均匀特性来建立具体的道路模型，最后用遗传算法搜索全局最优道路。文献阴3基于模糊聚类和最短路径提取算法。文献叭m1在获得道路段的基础上，给出连接的权函数，实现道路网提取。(3)基于最d'-乘B样条曲线的道路提取文献⋯3采用了基于最d'-乘B样条曲线的道路提取算法在道路提取中，一种研究较多的方法就是基于最小二乘B样条曲线的道路识别方法。其基本方法是：首先人工给定道路曲线上的一些初始种子点：然后由这些点

5、用最d'-乘法构造B样条曲线，并设定适当的宽度，得到有一定宽度的带状初始道路：其次，进行影像匹配、活动控制模板匹配等方法得到道路曲线；最后，得到道路的中心线。(4)基于“snakes一模型的道路提取用“snakes’’模型进行道路提取，需给出初始的轮廓，然后进行迭代，使轮廓沿能量降低的方向靠近，最后得到一个最优化的边界，实现道路提取。应用“snakes"算法往往需要进行多次的交互工作。特别当目标比较复杂，与其它物体靠得较近时，初始的轮廓不易确定，而迭代的结果往往不能达到要求。文献n21对传统“snake

6、s"模型进行改进，得“Ziplock"snakes模型、Ribbonsnakes模型。文献n31使用LSBSnakes提取预处理图像质量改善阶段，这部分内容主要是图像校正、图像增强、条带噪声去除。着重对条带噪声展开研究，提出了用插值法、傅里叶变换法去除条带噪声(1)探讨了现有边缘检测算子，在获得道路边缘特征的基础上，再用曲线拟合方法对道路边缘进行拟合，实现道路提取。(2)在图像分割获得道路轮廓的基础上，提出了用方向模板来检测道路。该方法需人工给出道路起始点和终止点，算出两点连线构成的方向角，根据方向角大

7、小选择对应的方向模板，并从起始点逐步检测到终止点，实现了道路提取。(3)研究了用图像卷积运算获得线特征加强系数，该系数能加强道路线特征，同时也能弱化背景灰度恒定区域。去除短线段和块状噪声，人工判读进行道路修剪，最后用数学形态学细化处理得到道路骨架，实现了道路提取。(4)在图像分割获得基本道路网轮廓的基础上，研究了用Hough变换检测道路所在直线，再进行道路判断、道路修剪、道路连接，并最终形成道路网，实现了城市直线道路提取。预处理