基于圆形模板的遥感影像道路半自动提取方法

目前,针对低分辨率遥感影像的道路提取研究已经很多,但是在中、高分辨率遥感影像中,丰富的场景信息以及路面车辆、交通标志线、绿化带或路边行树等噪声都会对道路提取产生影响,因而,道路提取仍是一项较为困难的工作.有鉴于此,本文提出了一种基于圆形模板的高分辨率遥感影像道路提取方法,以空间分辨率为0.8 m的高分2号影像为实验数据,利用区域增长、模板匹配方法,结合影像灰度、影像形态学梯度及道路中心点之间的夹角信息,用迭代内插的方法加密道路中心点,最终得到道路中心线.实验分析表明,本文方法省去了旋转角度的计算,同时延续模板匹配优势,算法简单,易于操作,实验效果较好.     

基于多种子点模糊连接度的SPOT影像道路提取

结合模糊连接度理论和SPOT影像上道路的表现特性提出了主干道路半自动提取的方法.首先,对原始影像进行去噪滤波处理,再人工选取能够代表道路特性的种子点,计算出各个像素点相对种子点的模糊连接度,将模糊连接度值大于一定阈值的像素点提取出来,从而得到道路线的支持区域;接着对二值道路域细化抽去得到道路中心线;实验证明,该方法可以取得较好的效果.     

低分辨率遥感影像中道路的全自动提取方法研究

从Marr视觉计算理论出发,利用低分辨率遥感影像的特点,提出了一种基于边缘线段感知编组和动态规划跟踪线段的道路信息全自动提取方法.首先分析了低分辨率影像中道路的辐射特性和几何特性,以得到道路模型.然后在底层处理阶段对影像进行边缘检测、无效线段去除等预处理;中层处理阶段采用基于上下文关联的感知线段编组法得到候选道路段,并由道路段的置信度阈值确定道路种子点;最后在高层处理阶段提出基于动态规划的道路跟踪算法得到候选道路,并且采用知识推理去除部分虚警.实验结果表明:(1)对图像中背景干扰较大的山区道路和复杂的城区道路网均有较好的识别效果;(2)识别过程全自动进行,没有人工干预,因此计算效率相比其他方法有一定的优势;(3)由不同传感器卫星获取的影像如L7,SPOT,SAR等,算法均能进行有效识别,具有很好的普适性和稳健性.     

基于形态分割的高分辨率遥感影像道路提取

基于灰度形态学,提出一种从高分辨率遥感图像提取道路网络的方法.首先利用灰度形态特征对遥感影像进行分割,进而得到基本的道路网络轮廓.然后在此基础上,利用线段特征匹配方法提取道路网络.提出的方法能适应于从道路和背景区别不很清楚的遥感图像中提取道路.实验结果也表明,本文方法能有效地从遥感影像中提取道路网络.     

基于特征点的高分辨率遥感影像城镇道路提取

根据高分辨率遥感影像中城镇道路的特点,提出了一种基于特征点的道路信息提取方法。首先,对影像进行增强处理并选取感兴趣的子区域,利用改进的分水岭分割理论和阈值选择算法,结合八邻域检测方法得到道路的特征点;然后,利用回归分析方法在一定的坐标系统下得到每条道路的回归方程,根据端点坐标信息得到道路信息图;最后,利用数学形态学算法获取道路骨架图。结果表明,本方法能够精确有效地提取高分辨率遥感影像的城镇道路信息。     

基于高分辨率遥感影像的道路网络提取算法研究

作为遥感信息分析领域的重要工作之一,高分辨率遥感影像道路提取对于地理信息建库、城市建设规划、城市地形分析与三维表达等方面具有重要的研究意义。本文提出了多种改进算法组成的遥感影像道路网络提取方法,首先使用超像素分割(Simple Linear Iterative Clustering, SLIC)算法对高分辨率遥感影像进行分割处理并使用改进K-means算法对分割后影像进行分类;其次根据绿色植被指数(Green Vegetation Index, CVI)值滤除非人工区域并使用OTSU算法分割提取得到初始道路网络;最后对提取道路网络进行优化处理得到精细化道路网络。使用广州市某地高分辨遥感影像对本文提取算法进行验证,结果表明,本文算法能够有效地提取道路信息,提高道路网络提取精度。     

基于贝叶斯网络的高分辨率遥感影像城区道路检测方法

针对高分辨率遥感影像中的道路网检测的效果不甚理想的现状,提出一种基于贝叶斯网络的道路网检测方法。首先在已有GIS数据的引导下对遥感影像中的道路进行提取,得到大部分未变化的道路边缘信息及疑似道路边缘信息。接着利用贝叶斯网络对道路边缘信息进行判断与推理,从而提取出遥感影像中的道路网,同时得到道路网的变化信息。     

基于不同分辨率的道路半自动跟踪

从不同分辨率航空影像道路的不同特征出发,根据影像道路特征,采用不同提取方法提取道路特征线,并对提取结果进行处理,最后利用人工判读和人工干预的方法对影像道路进行半自动跟踪.试验结果表明,该方法能很好地提取跟踪航空影像上的道路特征线.     

面向对象的高分辨率影像的道路提取

基于eCognition软件采用面向对象的分类方法来提取道路,实验过程中选用多尺度分割以及光谱优化分割作为分割方法.选取worldview-2高分影像作为实验数据,试验区域选用连云港一处村镇道路,并根据实验区和实验对象选取特征进而分类,针对提取结果进行数学形态学计算得到大致的道路骨架,继而对道路进行追踪和细化操作.结果表明在高分辨率的遥感影像中的城乡主要道路可以利用多尺度分割和隶属度函数比较清晰地提取出来,经过细化后道路形态更加规整.     

一种基于多特征及BP神经网络的高分辨率遥感影像道路提取方法

高分辨率遥感影像的道路提取能够广泛应用于自动驾驶及地图导航的研究,现有道路自动提取方法精度较低。随着人工智能技术的发展,人工神经网络算法得到推广,将其应用于高分辨率遥感影像的道路提取也在探索研究之中。提出一种基于图像分割及神经网络的高分辨率遥感影像道路提取方法,以减少大量的人工预处理工作,提高道路识别提取效率。针对传统方法用于复杂影像分析的参数难以确定的问题,首先采用影像分割技术获得影像对象,然后对影像对象进行纹理特征、形状特征、光谱特征的计算,并使用BP神经网络进行训练,形成分类模型。基于得到的分类模型进行道路的自动提取,在仿真实验中获得了较好的精度,识别准确率达到87.6%。     

基于边界特性改进直方图门限法的道路提取

针对经典边缘检测算子在提取道路边缘时，易于受到房屋边界、地类界等线性目标的干扰，使得检测出道路边缘的同时混有其它非道路线现象，提出一种基于边界特性改进直方图门限算法提取道路边缘像素，利用边缘像素改善直方图检测道路像素的方法。该算法首先获取道路边缘像素，然后通过形态学运算得到初始道路段，细化获取道路中心线，最后对其进行判断编组连接得到道路网络。     

一种面向高空间分辨率遥感影像的路口自动定位新方法

在系统归纳和分析现有的路口遥感信息提取方法的基础上,提出一种面向高空间分辨率遥感影像的路口自动定位新方法。该方法首先通过低梯度运算获取同质区域;然后设定阈值去除同质区内的水体、阴影以及小面元干扰物;再利用Hough变换检测二值图像中的直线,并根据直线参数出现的频率排序,保留参数出现频率较高且相互间夹角较大的直线;最后用该组直线交点的平均值定位路口。以福州市城区局部QuickBird全色影像为数据源定位四岔路口与三岔路口的实证研究表明,在同物异谱与异物同谱现象严重情况下,本文算法所定位的路口仍然准确有效。     

一种从SAR图像中提取城市道路网络的方法

提出一种从高分辨率SAR图像中提取城市道路网络的算法.在高分辨率SAR图像中,道路在空间结构上表现为一细长的且宽度基本恒定不变的均匀区域.利用模糊C均值聚类方法对高分辨率SAR图像进行聚类分析,将道路类像素从原始图像中分离出来.为突出道路形状特征,减少冗余信息,对聚类结果进行细化,同时利用跟踪算子消除短线段;以提取道路中心线二值图的像素值作为图像能量,应用Snakes模型检测道路网络.通过实际SAR图像验证,该算法可以准确提取复杂的城市道路网络.     

运用约束Delaunay三角网从众源轨迹线提取道路边界

运用众源车辆轨迹数据提取道路信息需要解决轨迹点采样稀疏、高噪音、密度差异大等问题。为此,本文提出一种运用约束Delaunay三角网从车辆轨迹线集中提取道路边界的方法。首先,通过三角形边长度和Voronoi面积等几何特征表达轨迹点分布的聚集性差异,并将这两种不同几何维数的控制条件集成建立道路边界识别模型,运用"种子点"区域扩展方法实现道路边界的精确提取。最后,运用北京市出租车GPS轨迹进行试验,结果表明该方法适于车辆分布频率悬殊、时间跨度不同、道路网结构复杂的轨迹线数据处理。     

在高分辨率遥感影像中提取无清晰连续边缘线的道路

现有的许多道路提取算法均利用道路的外边缘线信息来实现道路的提取,当边缘线清晰连续时,采用这些方法都可以取得很好的提取效果.不过,在高分辨率的城市遥感影像中,常常会存在一些低对比度区域,处于其中的道路边缘线非常之弱,以致难以直接检测出单个的边缘点.如果受到树木、房屋及车辆的干扰,这些原本就很弱的边缘还会发生断裂.通过现有方法提取具有如此边缘线的道路难度很大.本文给出一种旨在解决这一问题的新方法.首先借鉴相位编组原理形成边缘线支持区并对其进行连接;然后利用动态规划方法从支持区中检测出边缘线并对这些线进行平滑;最后连接由边缘线构成的道路段,得出道路提取结果.实验表明,本方法可以较好地提取出无清晰连续边缘线的道路,对于边缘对比度较大的道路则可取得更为令人满意的结果.     

基于复杂网络的城市道路重要度评价及路网自动综合方法

利用复杂网络理论,构建城市复杂路网模型,基于该模型从道路的结构和功能特征角度,以连接度、介中心和接近度为度量指标定义道路重要度评价模型,并顾及路网的整体形态及路网的拓扑连通性,提出基于复杂网络理论的路网综合算法。为检验方法有效性,针对成都市道路网络进行实验分析。实验结果表明,该道路重要度评价模型较好地反映道路在整个路网结构和功能上的重要程度,复杂路网综合算法能较好地保持原始路网的整体形态结构特征。     

城市道路的多特征多核SVM提取方法

针对高分辨率遥感影像中城市道路提取的复杂性及SVM的分类性能,提出了一种城市道路的多特征多核SVM提取方法。首先利用FCM算法将原始影像粗分为建成区和非建成区两类,剔除非建成区;然后根据分水岭分割算法分割建成区并提取分割对象的光谱特征与空间特征,以全局核函数和局部核函数加权组合的方式构建多核SVM对建成区进行二次分类,去除建成区中的建筑物等非道路信息;最后利用数学形态学处理,获得最终的道路提取结果。试验结果表明：文中所提方法能够较精确地提取城市道路信息,分类精度高于单核SVM提取及其他对比方法。     

基于灰度和方向一致性的遥感影像道路网提取

从遥感影像中提取道路网是一个经典课题,根据遥感影像中的道路具有灰度和方向一致性的特征,提出一种从遥感影像中提取道路网的新方法。首先根据遥感影像的灰度信息和方向方差信息建立灰度和方向一致性准则分割模型,由此可从遥感影像中提取基本的道路网轮廓,然后再针对道路区域存在非道路点:空洞和裂缝等情况,采用膨胀、腐蚀等操作去除杂乱物块,最后通过数学形态学操作提取出道路网。实验结果表明,该方法能够适用道路、建筑物、植被等多种复杂地物的城市遥感影像中提取道路网,且能获得较好地提取效果。     

基于链码优化的SAR影像城市道路网络提取

针对传统的基于局部比率的道路提取算子存在道路展宽与定位精确性差的缺点,通过加入一个修剪窗口进行改进,有助于去除河流、树木等的影响,且得到了细化和定位更加准确的道路图谱.首次将链码用于道路连接表示,定义了链码能量网络,并将道路的先验知识引入,然后在对模拟道路图像线段连接概率分析的基础上得到了链码优化算法.由于该方法采用了分线运算,每次迭代不需要搜索整个道路片段,提高了运算效率.最后将该算法应用于真实SAR影像巾道路网络的提取,证明了它的有效性.     

基于模糊算子理论的道路半自动提取

提出了一种基于模糊算子理论的道路半自动提取方法。该方法在对小比例尺影像进行Sobel边缘检测的基础上，定义了12种模糊算子表示2维道路的各种可能的结构，然后在给定道路种子点附近形成的一定范围内进行搜索，提取出道路的中心线。实验结果表明，该算法速度较快并且具有较强的鲁棒性。