基于面积比分割的面状水域提取方法研究

针对目前遥感影像中面状水域提取算法的自动化程度不高的问题,本文提出了一种基于面积比分割的面状水域提取算法。首先,利用矢量数据提供的面积作为先验信息,对待提取的遥感影像进行图像分割,经过去噪、边缘检测等环节实现面状水域的初步提取;然后将初步提取的面状水域带入到主动轮廓模型中,作为初始边界对面状水域进行精确提取;最后,以天绘影像对上述算法进行验证,结果表明:该算法能够有效提取面状水域,提高现有算法的自动化程度。     

基于多重信息融合的高分辨率遥感影像道路信息提取

在高分辨率遥感影像上进行道路提取一直被认为是一项具有重要意义但很困难的工作。尤其一些与道路光谱相近的地物,分类后与道路相互连接,难以区分。基于面状道路和边缘相互验证和辅助的思想,提出一种高分辨率遥感影像上提纯道路信息的方法。该方法首先在面状和边缘两个方面同时提高提取精度,然后由他们之间的逻辑互运算分割道路与非道路对象,并应用有效的形状指数（如：极惯性矩和狭长度指数）刻画和区分道路与非道路面状目标（如楼房等）,最终达到提纯道路的目的。实验结果表明了本文方法在去除非道路目标,提纯道路网络方面的有效性。     

地形图要素辅助下的影像面状地物提取

针对遥感影像与地形图变化检测中影像面状地物的提取问题,该文提出了一种地形图要素辅助下的影像面状地物提取方法。该方法首先利用配准后落在影像面状地物内的地形图面状要素中心进行区域生长,然后以人工选取的各类地物的初始样本和上述区域生长出影像上的各类地物作为训练样区进行监督分类,最终实现影像面状地物提取。实验结果表明,该方法能够有效地提取影像面状地物,并且自动化程度较高。     

轨迹延续性与影像特征相似性结合的城市道路提取

城市道路区域检测是城市土地管理、交通规划等领域的迫切需求,而传统城市道路区域检测多使用轨迹提取、遥感解译、人工采集等单独方式,在自动化程度或提取质量上存在一定的局限性。本文结合GNSS轨迹点与高分遥感影像各自的数据优势,提出一种基于轨迹延续性与影像特征相似性的遥感影像道路区域检测方法。该方法以出租车GNSS轨迹点构建轨迹特征栅格,基于轨迹延续性在平均方向特征栅格中划分路段对象,利用道路对象的光谱特征向轨迹无法覆盖的小区内部进行拓展,以获得提取区域内较为完整的道路信息。试验证明：本文方法可以有效降低道路的同物异谱现象及阴影、树木遮挡的影响,高效地提取高分遥感影像中的道路区域。与传统的遥感影像分类方法相比,具有更高的精度与自动化程度,相较于深度学习模型具有更广的适应性。     

基于高分辨率城区遥感影像的道路半自动提取方法研究

遥感影像上人工地物的自动化和智能化采集一直是摄影测量与遥感技术长期探索的一个主要课题。道路是重要的基础地理信息,随着遥感影像分辨率的提高,道路特征的复杂化对道路提取方法形成了挑战。针对高分辨率城区遥感影像道路提取中存在的问题,结合多分辨率分析思想、模板匹配原理和LSB-Snake模型,综合提出了一种适用于城区高分辨率遥感影像的道路半自动提取方法。实验表明该方法可以在很大程度上弥补LSB-Snake模型的不足,同时具有良好的抗噪声能力,可作为一种有效手段应用在城区高分辨率遥感影像的道路提取中,具有很好的交互性、可靠性和高效性。     

面向地理国情监测的道路信息半自动提取

针对目前高分辨率遥感影像道路和道路网的提取在自动化程度、效率以及精度方面的不足,结合常态化地理国情监测,提出了一种模板匹配与自适应相结合的半自动道路网提取方法。首先通过模板匹配进行初步提取,再通过人机交互精细化道路初步提取结果,最后使用自适应优化方法对提取的道路边界进行优化,得到与影像套合较好的路网半自动提取结果。     

结合矢量引导的高分辨率遥感影像道路自动提取

从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。     

利用增量式马尔科夫随机场分割提取高空间分辨率遥感影像道路

利用遥感影像进行道路提取,能够及时提供道路更新数据。高空间分辨率遥感影像中的道路成面状,且具有复杂的道路特征。其中,车流、道路线和行人等其他非道路因素的干扰会使道路的特征变化变得复杂,对道路提取造成困难。为此,利用高斯混合模型与马尔科夫随机场模型进行前景、背景模型估计与路面区域分割,以克服路面干扰因素的影响。由于道路贯穿于遥感影像,远离道路区域的影像对道路提取并无用处,故利用局部增量式分割方法确定道路提取有效区域,在其内部进行更精确的路面提取。实验结果表明,该方法效果明显有效。     

基于纹理特征融合与核模糊聚类的道路提取

根据高分辨率遥感影像中道路方向上的纹理一致性,提出了一种基于纹理特征融合与核模糊C均值聚类的高分辨率遥感影像道路提取新算法。该算法改进了角度纹理特征的计算方式,首先与Gabor纹理特征进行融合;再利用结合空间信息的核模糊C均值聚类算法对融合特征进行聚类,从而提取高分辨率遥感影像中的道路。实验结果表明,该算法可较高精度地从高分辨率遥感影像中提取具有一定纹理的道路。     

基于IKONOS的道路信息提取方法研究

道路作为现代交通体系的主体,是遥感测绘工作中获取的重要地理信息。基于高分辨率遥感影像,对其特征信息进行准确并有效的提取,具有重要的意义。在分析道路的光谱和形状特征基础上,基于IKONOS高分辨率遥感影像,利用NDVI和NDBI两种方法,探究针对高分辨率遥感数据类别特征的较为有效的道路提取方法。结果表明,NDVI方法能够较有效地提高在高分辨率遥感影像上提取道路信息的精度。     

基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取

提出了一种基于角度纹理特征及剖面匹配相结合的高分辨率遥感影像带状道路半自动提取方法.该方法由用户输入道路起点、初始方向及宽度,使用角度纹理特征模型预测初始的道路中线点,以抛物线方程参数构建道路中线轨迹参数模型.使用计算曲率变化的方法验证道路轨迹点,对验证失败的中线点位使用剖面匹配算法进行重新预测并确定,最终提取出该道路中线轨迹.本文使用Visual C 构建了原型系统,对QuickBird及IKONOS影像中具有一定宽度的带状道路进行了提取试验,并与经典的基于剖面匹配的半自动道路提取算法和基于Snakes的半自动道路提取算法进行了对比试验.经试验验证,本算法取得了较为理想的结果.     

出租车GPS轨迹集聚和精细化路网提取

针对利用GPS数据提取双向路网和交叉路口转向信息精度低的不足,本文提出一种顾及位置与行驶方向的轨迹集聚和精细化路网提取方法,实现了精细化路网提取。为提高交叉路口路网的提取精度,首先剔除原始轨迹中的离散和异常轨迹点,并按一定的步长对轨迹段进行加密;然后引入行驶方向角来表达车辆在轨迹点处的行驶方向,顾及位置和行驶方向获取每个轨迹点的相似轨迹点集合;接着依次计算每个轨迹点的偏移距离,通过对轨迹点的迭代偏移完成轨迹集聚;最后剔除未成功集聚的轨迹点,将完成集聚的轨迹点连成轨迹线并作缓冲区,运用栅格数据数字化方法提取得到能够反映道路精细转向关系的道路网。以福州市出租车GPS数据进行轨迹集聚和路网提取试验,结果表明:本文方法能有效地将GPS轨迹按车辆行驶方向分别进行集聚,提取的道路网为双向道路并且能反映交叉路口处道路的精细转向关系。     

矢量数据辅助的高分辨率遥感影像道路自动提取

高分辨率遥感影像上细节信息繁杂、干扰物普遍存在,对其进行自动化道路识别与提取的相关研究仍处在探索阶段。在道路提取过程中引入矢量数据辅助,可解决初始信息获取的困难,得到可靠性较强的训练样本。为此,提出一种矢量数据辅助下的道路提取方法,能够筛选出矢量数据中包含的有效信息,引导实现对高分辨率遥感影像的道路自动提取。利用Mean-shift滤波对图像进行预处理后,首先从矢量数据获取候选种子点,并通过提炼同质区域的形状特征剔除错误候选点;然后,自动获取负样本点以进行朴素贝叶斯分类,并采用邻域质心投票算法从分类影像提取道路中心线;最后,结合像素跟踪与方向判断矢量化道路中心线,并提出一种基于矢量几何分析的断线连接与毛刺剔除方法,对提取结果进行信息修复与规整、优化。实验结果显示,该算法的提取质量达到80%以上,且具备较强的稳健性,能够适应具有不同道路辐射和分布特征的高分辨率遥感影像。     

自适应圆形模板及显著图的高分辨遥感图像道路提取

针对现有基于圆形模板匹配算法需要人工设定模板尺寸的问题,提出一种自适应圆形模板的高分辨遥感图像道路提取算法。首先引入一种改进的局部形态学梯度图,基于形态学梯度图设计了一种自动生成模板尺寸的算法;接着借助改进的道路显著图,按迭代内插的方式搜索起始点与终止点之间其他道路点,搜索过程综合利用了显著图信息和几何夹角信息,使得算法具有更好的识别效果。试验结果表明,本文算法可适用于多种不同条件的遥感图像,能更加有效地从高分辨遥感图像中提取道路信息。     

曲折道路遥感影像圆投影匹配改进追踪法

道路提取是遥感信息提取的重点和难点。曲折道路（如盘山公路等）方向突变现象严重,当道路的宽度有变化或受到阴影、杂物遮挡等干扰时,其提取难度进一步增大。针对该问题,本文提出一种基于改进圆投影匹配的曲折道路自动追踪方法。首先,对标准圆投影匹配进行改进,包括：（1）提出圆投影向量近似度参数,实现对圆投影模板离散近似程度和计算量的控制;提出圆投影模板最优半径确定方法,以保证获得最大道路特征条件下,减少模板匹配计算量;（2）引入干扰校正算法,在一定程度上克服了由于光照、噪声等因素造成匹配困难的问题;其次,提出基于改进圆投影匹配的道路追踪方法,并在模板匹配过程中加入自适应机制,即将已匹配道路按照一定的权重参与后续模板匹配,一定程度上克服道路形态的变化和干扰。最后,以曲折道路特征突出的山区遥感影像SPOT-5和GeoEye-1进行道路提取实验。实验结果表明,采用提出的基于改进圆投影匹配的道路追踪算法具有方向无关的特点,适用于曲折道路遥感提取。对道路中心线的提取误差约2~5m,提取准确率高于80%。     

Semi-automated extraction and delineation of 3D roads of street scene from mobile laser scanning point clouds

Accurate 3D road information is important for applications such as road maintenance and virtual 3D modeling. Mobile laser scanning (MLS) is an efficient technique for capturing dense point clouds that can be used to construct detailed road models for large areas. This paper presents a method for extracting and delineating roads from large-scale MLS point clouds. The proposed method partitions MLS point clouds into a set of consecutive “scanning lines”, which each consists of a road cross section. A moving window operator is used to filter out non-ground points line by line, and curb points are detected based on curb patterns. The detected curb points are tracked and refined so that they are both globally consistent and locally similar. To evaluate the validity of the proposed method, experiments were conducted using two types of street-scene point clouds captured by Optech’s Lynx Mobile Mapper System. The completeness, correctness, and quality of the extracted roads are over 94.42%, 91.13%, and 91.3%, respectively, which proves the proposed method is a promising solution for extracting 3D roads from MLS point clouds.     

基于车载激光点云数据的道路模型重建

在SSW车载激光扫描点云数据的基础上,研究了提取道路边线点集的方法,并对道路边线点进行均匀抽稀,最后按照道路纵断面shape构建道路模型。试验表明该方法能成功地提取出道路边线点,建立道路模型。     

基于LiDAR数据的城市道路提取与重建

本文借助于GIS强大的空间数据管理和分析功能,以Lidar点云数据为数据源,对交通信息系统基础空间数据进行快速采集和更新。文章并且在前人工作的基础上,提出了一种新的基于四维Hough变换的Lidar数据的提取和分类方法,对提取的道路信息进行重构。实践证明,此方法较之传统Lidar数据分类和提取方法,能够有效地解决其计算量过大、噪声过于敏感、道路边缘方向不平行等问题,实现道路的自动提取。     

Road Detection from Optical Remote Sensing Imagery Using Circular Projection Matching and Tracking Strategy

A road detection method based on Circular Projection (CP) matching and tracking strategy is proposed in this paper. The CP matching is a template matching-based algorithm with rotation invariant and low computation characteristics. This advantage is beneficial for twisty roads detection. Take the good use of the advantage, we improve the CP matching to make it more applicable for road detection, including: optimal template radius selection, approximation control parameter, and anti-interference correction for suppressing brightness and random noise affects. The overall road detection is using a dual-directional tracking strategy. In road tracking, we use a fan-shaped scope to limit the direction of template matching to prevent backtracking. In tracking procedure, we propose an adaptive template matching algorithm, overcoming changes between the selected template and targets. Finally, SPOT-5 and GeoEye-1 remote sensing images are used for experiment. The experimental result shows that the proposed method is rotation invariant, flexible and fast, which is applicable to the twisty road detection. The experiment results also show that road detection error is about 2?~?5 m, and detection accuracy is higher than 80 %.