遙感影像道路提取方法研究

《遙感影像道路提取方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、遙感影像道路提取方法研究一般可以分為成4個(gè)步驟：1.路影像特征增強(qiáng)；2.確定道路的種子點(diǎn)；3.跟蹤和擴(kuò)展種子點(diǎn)，形成道路段；4.連接道路段，形成道路網(wǎng)。目前道路半自動(dòng)提取取得了較好的效果。(1)基于道路與背景分割模型的道路提取遙感影像道路提取中，較為直觀的方法是將影像像素分割為“道路"和“背景”，從而獲得基本道路輪廓，在此基礎(chǔ)上，再引入另一種道路提取算法。分類處理方法通常有二值化、邊緣檢測(cè)、形態(tài)學(xué)算子、統(tǒng)計(jì)分類等文獻(xiàn)用灰度形態(tài)特征對(duì)遙感影像進(jìn)行分割，二值化后得到基本的道路網(wǎng)絡(luò)輪廓，再利用線段特征匹配方法

2、提取道路網(wǎng)絡(luò)。文獻(xiàn)n，先對(duì)圖像閾值分割，再用數(shù)學(xué)形態(tài)學(xué)進(jìn)行細(xì)化，從而提取出道路中心信息。文獻(xiàn)H1用紋理漸進(jìn)分析法，獲得二值分割圖，用數(shù)學(xué)形態(tài)學(xué)對(duì)二值圖進(jìn)行矢量化，再用幾何拓?fù)溥M(jìn)行校正，實(shí)現(xiàn)道路提取。這些方法在圖像分割處理過(guò)程中，受道路上的標(biāo)志物、汽車、陰影等噪聲影響，會(huì)產(chǎn)生道路網(wǎng)斷點(diǎn)，文獻(xiàn)提出用模糊連接度對(duì)斷點(diǎn)進(jìn)行連接。該方法對(duì)于道路灰度值均勻的影像提取效果較好，但實(shí)際上，由于道路上存在復(fù)雜噪聲，在圖像分割過(guò)程中沒(méi)有加入上下文信息、先驗(yàn)知識(shí)，因此分割結(jié)果是比較粗略的，這種分割結(jié)果的后續(xù)處理，如中心線、道

3、路邊緣線的提取依然比較復(fù)雜。在圖像分割基礎(chǔ)上再加入上下文信息和道路模型的研究有待進(jìn)一步展開(kāi)。(2)基于類及模糊集方法的道路提取分類過(guò)程中常常假設(shè)概率密度函數(shù)形式已知，并在此條件下進(jìn)行監(jiān)督分類。聚類的目的就是用非監(jiān)督的方式把某一數(shù)據(jù)集按數(shù)據(jù)之間的相似性分割為一些子集。通過(guò)分類和聚類獲得道路段的基礎(chǔ)上，需對(duì)各道路段給出連接條件，利用模糊集理論給出連接的權(quán)函數(shù)，實(shí)現(xiàn)道路網(wǎng)提取。文獻(xiàn)引入模糊數(shù)學(xué)的概念，提出了基于模糊算子理論的道路半自動(dòng)提取算法，該方法提取低分辨影像上的道路效果較好。文獻(xiàn)H1用遺傳算法進(jìn)行道路提

4、取。先利用模糊C均值聚類法對(duì)SAR圖像進(jìn)行無(wú)監(jiān)督聚類，將道路類像素從圖像中分離出來(lái)，然后根據(jù)道路像素灰度值的均勻特性來(lái)建立具體的道路模型，最后用遺傳算法搜索全局最優(yōu)道路。文獻(xiàn)陰3基于模糊聚類和最短路徑提取算法。文獻(xiàn)叭m1在獲得道路段的基礎(chǔ)上，給出連接的權(quán)函數(shù)，實(shí)現(xiàn)道路網(wǎng)提取。(3)基于最d'-乘B樣條曲線的道路提取文獻(xiàn)?3采用了基于最d'-乘B樣條曲線的道路提取算法在道路提取中，一種研究較多的方法就是基于最小二乘B樣條曲線的道路識(shí)別方法。其基本方法是：首先人工給定道路曲線上的一些初始種子點(diǎn)：然后由這些點(diǎn)

5、用最d'-乘法構(gòu)造B樣條曲線，并設(shè)定適當(dāng)?shù)膶挾龋玫接幸欢▽挾鹊膸畛跏嫉缆罚浩浯?，進(jìn)行影像匹配、活動(dòng)控制模板匹配等方法得到道路曲線；最后，得到道路的中心線。(4)基于“snakes一模型的道路提取用“snakes’’模型進(jìn)行道路提取，需給出初始的輪廓，然后進(jìn)行迭代，使輪廓沿能量降低的方向靠近，最后得到一個(gè)最優(yōu)化的邊界，實(shí)現(xiàn)道路提取。應(yīng)用“snakes"算法往往需要進(jìn)行多次的交互工作。特別當(dāng)目標(biāo)比較復(fù)雜，與其它物體靠得較近時(shí)，初始的輪廓不易確定，而迭代的結(jié)果往往不能達(dá)到要求。文獻(xiàn)n21對(duì)傳統(tǒng)“snake

6、s"模型進(jìn)行改進(jìn)，得“Ziplock"snakes模型、Ribbonsnakes模型。文獻(xiàn)n31使用LSBSnakes提取預(yù)處理圖像質(zhì)量改善階段，這部分內(nèi)容主要是圖像校正、圖像增強(qiáng)、條帶噪聲去除。著重對(duì)條帶噪聲展開(kāi)研究，提出了用插值法、傅里葉變換法去除條帶噪聲(1)探討了現(xiàn)有邊緣檢測(cè)算子，在獲得道路邊緣特征的基礎(chǔ)上，再用曲線擬合方法對(duì)道路邊緣進(jìn)行擬合，實(shí)現(xiàn)道路提取。(2)在圖像分割獲得道路輪廓的基礎(chǔ)上，提出了用方向模板來(lái)檢測(cè)道路。該方法需人工給出道路起始點(diǎn)和終止點(diǎn)，算出兩點(diǎn)連線構(gòu)成的方向角，根據(jù)方向角大

7、小選擇對(duì)應(yīng)的方向模板，并從起始點(diǎn)逐步檢測(cè)到終止點(diǎn)，實(shí)現(xiàn)了道路提取。(3)研究了用圖像卷積運(yùn)算獲得線特征加強(qiáng)系數(shù)，該系數(shù)能加強(qiáng)道路線特征，同時(shí)也能弱化背景灰度恒定區(qū)域。去除短線段和塊狀噪聲，人工判讀進(jìn)行道路修剪，最后用數(shù)學(xué)形態(tài)學(xué)細(xì)化處理得到道路骨架，實(shí)現(xiàn)了道路提取。(4)在圖像分割獲得基本道路網(wǎng)輪廓的基礎(chǔ)上，研究了用Hough變換檢測(cè)道路所在直線，再進(jìn)行道路判斷、道路修剪、道路連接，并最終形成道路網(wǎng)，實(shí)現(xiàn)了城市直線道路提取。預(yù)處理