資源描述：
《從遙感影像提取道路信息的方法評(píng)述》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第28卷第1期武漢大學(xué)學(xué)報(bào)信息科學(xué)版Vol28No.12003年2月GeomaticsandInformationScienceofWuhanUniversityFeb.2003文章編號(hào):1671_8860(2003)01_0090_04文獻(xiàn)標(biāo)識(shí)碼:A從遙感影像提取道路信息的方法評(píng)述12林宗堅(jiān)劉政榮(1中國(guó)測(cè)繪科學(xué)研究院,北京市北太平路16號(hào),100039)(2武漢大學(xué)空間信息與數(shù)字工程研究中心,武漢市珞喻路129號(hào),430079)摘要:介紹了國(guó)內(nèi)外比較成功的幾種從遙感影像提取道路信息的技術(shù)方法,歸納其方法原理,評(píng)述其優(yōu)缺點(diǎn),提出存在問(wèn)題及繼續(xù)研究的建
2、議。關(guān)鍵詞:提取;線(xiàn)狀地物和結(jié)構(gòu);遙感影像中圖法分類(lèi)號(hào):TP751利用計(jì)算機(jī)從遙感數(shù)字影像中自動(dòng)提取道路[4]拓?fù)涮卣鲃t屬于影像域。之類(lèi)的線(xiàn)性地物信息,是人們多年的愿望。國(guó)內(nèi)影像特征的提取,即從影像視覺(jué)特征中提取外在這方面的研究大概有20多年的歷史,發(fā)表的有用的信息。按照Marr視覺(jué)理論,視覺(jué)從最初文章難以計(jì)數(shù),但是,至今還沒(méi)有一套功能完善的的原始數(shù)據(jù)(2維影像數(shù)據(jù))到最終對(duì)3維環(huán)境的系統(tǒng)能實(shí)現(xiàn)此愿望。粗看起來(lái),影像上的道路比表達(dá)經(jīng)歷了3個(gè)層次:要素圖2.5維圖3維其他地物更突出,而且道路成網(wǎng),關(guān)系明晰,但實(shí)圖。以物體為中心的3維描述是由要素圖與2.5現(xiàn)起
3、來(lái)卻很困難。究其原因,主要是目前計(jì)算機(jī)維圖得到的,它包含對(duì)物體的理解、識(shí)別等,這個(gè)人工智能還遠(yuǎn)未達(dá)到能全自動(dòng)化地從數(shù)字影像中[1]層次稱(chēng)為高層次處理。理解與提取地物信息的水平。但是,20多年國(guó)內(nèi)道路特征提取可以遵循Marr視覺(jué)理論,在[1]外在此領(lǐng)域的研究,匯聚了多學(xué)科知識(shí)的精華,出低、中、高三個(gè)層次上進(jìn)行?，F(xiàn)了許多理論與技術(shù)的創(chuàng)新。如果不僅僅局限在目前出現(xiàn)的多種提取方法,實(shí)質(zhì)上是對(duì)影像全自動(dòng)化上,現(xiàn)有的研究成果對(duì)半自動(dòng)化系統(tǒng)仍從不同角度進(jìn)行分析,在各個(gè)層次采取不同措施然是很有價(jià)值的。而產(chǎn)生的,它反映了測(cè)繪學(xué)科與計(jì)算機(jī)圖形學(xué)、模本文意在學(xué)習(xí)國(guó)內(nèi)外同行的研究經(jīng)驗(yàn),略
4、加型識(shí)別、人工智能、數(shù)學(xué)等學(xué)科的結(jié)合。歸納分析,與同學(xué)者研討繼續(xù)努力之路徑。目前時(shí)興的人機(jī)交互半自動(dòng)化方法,本質(zhì)上可以看成是利用人工目視方法進(jìn)行屬性識(shí)別和利1線(xiàn)狀地物遙感影像的視覺(jué)特征用計(jì)算機(jī)自動(dòng)處理進(jìn)行量測(cè)與描繪。從遙感影像提取信息首先必須明確所要提取2從遙感影像提取道路信息的現(xiàn)有的目標(biāo)的內(nèi)容及其特征。線(xiàn)狀地物的一切能量特方法征按曲線(xiàn)型幾何分布展開(kāi)。以道路信息為例,Vosselman和Knecht將其描述為幾何(geoma道路特征自動(dòng)提取包括道路特征的自動(dòng)識(shí)別tric)、光度或輻射度(photometric)、拓?fù)?topolo和幾何特征的自動(dòng)定位,
5、道路影像特征提取已有g(shù)oc)、功能(functional)、關(guān)聯(lián)或上下文(contextual)各種各樣的方法,有局部的、全局的,有人工智能、的特性。這里進(jìn)一步將其描述為景物域和影像域計(jì)算機(jī)視覺(jué)、模型識(shí)別、數(shù)學(xué)模型等,已經(jīng)能夠做的特征,并且把這些特征用知識(shí)的形式表達(dá)。道到把道路影像從其他地物影像中分割出來(lái)甚至能路的功能和上下文特征是其在景物域和物方空間區(qū)分道路類(lèi)型。已有的道路提取算法大多都針的知識(shí),偏重于語(yǔ)義描述;而道路的光度、幾何與對(duì)不同的影像類(lèi)別,即航空影像或衛(wèi)星遙感影像,收稿日期:2002_10_13。第1期林宗堅(jiān)等:從遙感影像提取
6、道路信息的方法評(píng)述91不同的比例尺(影像分辨率),不同區(qū)域的影像(如息、幾何線(xiàn)索及道路局部的上下文關(guān)系集成于道城區(qū)、鄉(xiāng)村或郊區(qū))和不同的道路類(lèi)型,如鄉(xiāng)村路、路的模型中。該方法分為兩步,第一是從多分辨街道、高速公路、高等級(jí)公路等,若干有代表性的率的影像上提取基元(邊緣、線(xiàn)等),第二是根據(jù)道方法介紹如下。路的輻射度和幾何約束,將可能的道路部分由相[5]1)BarzoharandCooper對(duì)道路的中心線(xiàn)、鄰的基元(elements)跨過(guò)斷裂反復(fù)編組成段(seg寬度、灰度、邊緣和背景灰度級(jí)建立模型,將整幅ment)。對(duì)于不符合輻射度約束的位
7、置,提取的局圖中的每個(gè)小窗口進(jìn)行最大后驗(yàn)估計(jì),然后用動(dòng)部的上下文(localcontext)信息,對(duì)道路段的連接態(tài)規(guī)劃法從這些候選者中得到全局的最優(yōu)估計(jì)。給以約束。隨著交叉點(diǎn)的提取,道路網(wǎng)也提取出[4]2)Vosslman和Knecht提出了一個(gè)與上述來(lái)了。這種方法能較好地在影像清晰、道路稀疏類(lèi)似的方法并做了一些改進(jìn)。道路的位置由灰度且有少數(shù)地方壓蓋的遙感影像中提取鄉(xiāng)村道路斷面和表面模型的最小二乘匹配(LSM)計(jì)算出網(wǎng)。[10]來(lái),并用卡爾曼濾波更新路徑的參數(shù)。該方法并8)文貢堅(jiān)等提出了一種從城市航空影像未給出實(shí)驗(yàn)結(jié)果,此外它假定道路的曲率固定不自動(dòng)提取比較直的主
8、干道路網(wǎng)的
