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。     

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.     

一种带有方向的边缘检测算子在道路边缘提取中的应用研究

提出了一种带有方向的边缘检测算子,以高分辨率遥感影像为例,进行了道路边缘提取实验。研究结果表明,与经典的LOG算子相比,该算子提取的道路边缘,断线少、噪声低,在线状地物的提取中有较明显的优势。     

运用图论进行道路网网格模式提取

提出了一种基于图论的网格模式提取方法。该方法根据道路之间的关系生成关系图,运用交、联、提取连通分量和极大完全子图等图论算子完成模式的提取。实验结果表明,该方法能有效地进行网格模式的提取。     

基于星载SAR影像的苏北地区海岸线提取研究

介绍了K-means聚类分割法和形态学处理,并对比了几种边缘算子;针对Prewitt算子和Roberts算子在像素点邻近区域内受噪声影响较大、边缘检测效果不佳的问题,选用Canny算子提取海岸线.首先对SAR影像进行K-means算法、形态学处理,再采用Canny算子提取海岸线.与其他边缘提取算法相比,该方法提取的海岸...     

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.     

一种基于知识的航空影像中道路半自动提取方法

利用线特征算子和多种线状地物跟踪方法建立了一种基于知识的航空影像中道路半自动提取方法。该算法计算量小,判断速度快,准确率较高,并且有较好的适应性。试验表明这是一种良好的道路提取方法。     

一种基于知识的航空影像中道路半自动提取方法

利用线特征算子和多种线状地物跟踪方法建立了一种基于知识的航空影像中道路半自动提取方法。该算法计算量小 ,判断速度快 ,准确率较高 ,并且有较好的适应性。试验表明这是一种良好的道路提取方法。     

基于对比度增强和形态学的遥感影像道路提取

提出了一种基于对比度增强和形态学的遥感影像道路边界与特征点提取的方法。先对遥感影像进行对比度变换增强,通过对比分析直方图均衡化和对比度分段线性增强两种方法获取的增强影像,选取区分度大的分段线性增强方法进行影像增强,然后运用数学形态法进行影像分割,实现道路和其他图像信息的有效分离。利用Krisch算子进行边缘检测提取道路的边缘信息,并基于边缘特征利用改进的Harris算子提取特征点,将提取的特征点进行拟合并用函数模型描述图像道路信息,用于后期制图中道路信息的矢量化。     

空洞卷积U-Net的遥感影像道路提取方法

针对从遥感影像上提取道路出现的细节特征丢失、提取结果模糊的问题,该文提出了一种基于空洞卷积U-Net的遥感影像道路提取算法:①以U-Net为基础网络,将低层细节特征与高层语义特征进行多特征融合,更好地还原道路目标细节;②为了进一步提高网络对道路细节特征的识别能力,在U-Net中引入空洞卷积模块,学习更多的语义信息来改善提取结果出现的模糊问题.在Massachusetts roads和高分辨率城市道路影像Cheng roads dataset数据集下的实验结果表明,在召回率、精度和F1-score指标分别达到了82.5％、86.7％、84.5％;93.2％、92.1％、92.6％.与基础的U-Net相比,该算法在解决细节特征丢失和提取结果模糊问题方面更具有应用价值.