基于图像分块和线段投票的遥感道路边缘线提取

从遥感图像中提取边缘线是一个经典的课题,不同的边缘提取算法适用于不同类型的图像。实际图像中道路的几何形状不甚规则,因受到建筑和树木遮挡导致对比度较低且噪声影响较严重,道路边缘线会发生断裂,故高分辨率遥感图像道路边缘线提取一直是一个研究热点。针对现有方法很难提取出清晰连续的道路边缘线问题,提出一种遥感图像道路边缘线提取新方法:首先通过方向模板检测边缘点,搜索出分块图像中的子线段;然后延伸子线段并进行投票,连接处于弯曲边缘线的直线段,将长度大于特定阈值的边缘线作为输出结果;最后去除毛刺和分叉,取8个方向道路的并集作为最终道路网。实验结果表明,该方法能够从高分辨率遥感图像中较好地提取带有一定曲率、对比度较低、噪声影响严重的道路边缘线。     

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.     

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。     

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。     

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。     

一种基于线特征的道路网变化检测算法

提出一种基于线特征的道路网变化检测算法。首先根据边缘的梯度信息从多时相遥感图像中提取变化的线特征;然后根据变化线特征的局部特性,检测出与道路模型相符合的变化道路段;最后通过道路网的全局约束条件,进行变化道路段的连接,实现变化道路的检测。提出的道路网变化检测算法将边缘的相位和幅度信息作为变化检测的判定依据,从而避免了道路的匹配与比较工作,降低了变化检测算法的复杂度,具有很强的实用性。将本文提出的方法用于多时相遥感图像的道路网变化检测,从实验结果可以看出该方法的有效性。     

结合遥感影像和DEM的线性体特征提取

利用遥感影像提取的线性特征具有较高定位精度,但不能保证线性特征和地质构造相关;利用DEM提取的线性特征能较好地反映地形特征,但存在边缘点定位不准、难以连接的缺点。本文提出一种结合两者优势的线性体特征提取方法。首先利用嵌入边缘的标记分水岭分割方法提取遥感影像线性特征,在保留弱边缘的同时去除伪边缘;然后利用DEM地形和水文分析提取断裂带、山脊线、山谷线;最后利用边缘点匹配保留与地质构造相关的边缘点利用数学形态学的腐蚀、膨胀方法进行结果后处理,连接相邻边缘点以获得最终结果。秦皇岛市山区的试验结果表明:该方法能快速、准确地获得连续线性体特征,较好地刻画研究区的地质构造情况。     

Pleiades高分辨率卫星影像道路提取技术

遥感影像上的道路提取是摄影测量与计算机视觉研究的一项重要内容,本文设计了一种高分辨率卫星影像道路提取方法,首先,利用Canny边缘提取算子提取左影像上的边缘,并利用霍夫变换对线特征进行检测,根据道路的几何特性检测平行直线,再基于影像匹配方法匹配立体像对上的道路;然后,利用卫星影像RPC参数前方交会原理实现道路的几何定位。利用Pleiades卫星影像开展试验,自动提取的道路与人工采集的道路几何定位误差在1个像素以内,试验结果验证了本文方法的有效性。     

基于改进Sobel算子的遥感图像道路边缘检测方法

从遥感图像中提取道路边缘可以大量简化道路网的测绘与规划工作。传统边缘检测算子由于方向和模板尺寸的局限性,易造成检测结果中边缘点散乱、不连续或过多边缘点误判。基于道路边缘完整且连续的特点,针对传统检测效果并不理想的问题,提出了一种改进的Sobel算子,即5×5的8方向模板。从Sobel算子的基本原理出发,根据Pascal三角形理论推导出各方向的最优模板。研究表明,该算子不仅能较好地检测出更多方向上的边缘,而且能有效减少误判点,检测出的边缘线条更加平滑、完整,轮廓清晰且连续性好,尤其在弯曲道路检测中表现得更为突出,优于其他算子的检测效果。     

高分辨率遥感影像的建筑物自动提取

文章结合结构图分析方法,提出一种针对高分辨率遥感影像中建筑物自动提取方法.该方法利用几何限制对线基元进行初连接,解决由于边缘检测无法完整提取建筑外边缘问题;通过构造结构图确立线基元之间连接关系,搜索结构图中闭合路径,建立高级别特征,对过于散列的线基元进行整合;在此基础上,综合考虑建筑物的几何结构、光谱特征等图像信息筛选闭合路径,实现对建筑物的提取.最后通过对天绘一号高分辨率遥感影像进行建筑物自动提取验证了该方法的有效性.     

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.     

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。     

利用模板匹配和BSnake算法准自动提取遥感影像面状道路

针对已有的遥感影像面状道路提取策略在自动化程度、效率及精度方面的不足,提出了一种新的快速有效的准自动提取方法。遥感影像上各种面状道路的提取实验证明了算法的有效性,在自动化程度、速度和精度上均有明显成效。     

一种基于小波变换的遥感影像道路自动提取方法

遥感影像上道路的自动提取是摄影测量与遥感、计算机视觉等领域的重要课题。本文通过对图像小波系数的分析,完成道路节点的提取。随后利用基于小波变换的边缘提取算子,对道路进行边缘提取。边缘提取出来之后,以道路节点为种子点,对道路进行Snake跟踪。为保证提取效果,对图像进行了预处理。实验表明,利用本文提出的理论与方法能为道路网的自动提取与识别提供一个可靠的依据,同时也对其他地物（如建筑物）的自动提取提供一个有价值的参考。     

Automatic Road Extraction from High Resolution Satellite Image using Adaptive Global Thresholding and Morphological Operations

Road network extraction from high resolution satellite images is one of the most important aspects. In the present paper, research experimentation is carried out in order to extract the roads from the high resolution satellite image using image segmentation methods. The segmentation technique is implemented using adaptive global thresholding and morphological operations. Global thresholding segments the image to fix the boundaries. To compute the appropriate threshold values several problems are also analyzed, for instance, the illumination conditions, the different type of pavement material, the presence of objects such as vegetation, vehicles, buildings etc. Image segmentation is performed using morphological approach implemented through dilation of similar boundaries and erosion of dissimilar and irrelevant boundaries decided on the basis of pixel characteristics. The roads are clearly identifiable in the final processed image, which is obtained by superimposing the segmented image over the original enhanced image. The experimental results proved that proposed approach can be used in reliable way for automatic detection of roads from high resolution satellite image. The results can be used in automated map preparation, detection of network in trajectory planning for unmanned aerial vehicles. It also has wide applications in navigation, computer vision as a predictor-corrector algorithm for estimating the road position to simulate dynamic process of road extraction. Although an expert can label road pixels from a given satellite image but this operation is prone to errors. Therefore, an automated system is required to detect the road network in a high resolution satellite image in a robust manner.     

Automatic road extraction using high resolution satellite image based on texture progressive analysis and normalized cut method

In this paper the approach for automatic road extraction for an urban region using structural, spectral and geometric characteristics of roads has been presented. Roads have been extracted based on two levels: Pre-processing and road extraction methods. Initially, the image is pre-processed to improve the tolerance by reducing the clutter (that mostly represents the buildings, parking lots, vegetation regions and other open spaces). The road segments are then extracted using Texture Progressive Analysis (TPA) and Normalized cut algorithm. The TPA technique uses binary segmentation based on three levels of texture statistical evaluation to extract road segments where as, Normalized cut method for road extraction is a graph based method that generates optimal partition of road segments. The performance evaluation (quality measures) for road extraction using TPA and normalized cut method is compared. Thus the experimental result show that normalized cut method is efficient in extracting road segments in urban region from high resolution satellite image.     

高分辨率遥感影像主干道路提取的感知编组方法

针对高分辨率遥感影像的道路提取受"同物异谱、同谱异物"干扰的问题,该文提出一种基于感知编组的高分辨率遥感影像主干道路自动提取方法:首先,使用Line Segment Detector算法提取影像中直线段信息。然后,利用高分辨率遥感影像上的道路几何特征对直线段进行感知编组;最后,经过长度约束得到道路信息。使用两景影像进行了主干道路提取实验。实验结果表明,两个实验中主干道路提取的完整率、正确率和检测质量都在96%以上。     

Automatic main road extraction from high resolution satellite imageries by means of particle swarm optimization applied to a fuzzy-based mean calculation approach

Manual extraction of road network by human operator is an expensive and time-consuming procedure. Alternatively, automation of the extraction process would be a great advancement. For this purpose, an automatic method is proposed to extract roads from high resolution satellite images. In this study, using few samples from road surface, a particle swarm optimization is applied to a fuzzy-based mean calculation system to obtain road mean values in each band of high resolution satellite colour images. Then, the images are segmented using the calculated mean values from the fuzzy system. Optimizing the fuzzy cost function by particle swarm optimization enables the fuzzy approach to be the best mean value of road with sub-grey level precision. Initially, this method was applied to simulated images where the calculated mean values are consistent with the hypothetic mean values. Application of the method to IKONOS satellite images has shown a prospective outcome for automatic road extraction. Mathematical morphology is subsequently used to extract an initial main road centreline from the segmented image. Then, small redundant segments are automatically removed. The quality of the extracted road centreline indicates the effectiveness of the proposed approach.     

改进全卷积网络方法的高分二号影像农村道路提取

针对目前利用高分遥感数据提取农村道路的研究与应用少,提取结果精准度不够的问题,提出了结合空洞卷积和ASPP（Atrous Spatial Pyramid Pooling）结构的改进全卷积农村道路提取网络模型DC-Net（Dilated Convolution Network）。该模型基于全卷积的编解码结构来提取道路深度特征信息,同时针对农村道路细长的特点,在解编码层之间加入了以空洞卷积为基础的ASPP（Atrous Spatial Pyramid Pooling）结构来提取道路的多尺度特征信息,在不牺牲特征空间分辨率的同时扩大了特征感受野FOV（Field-of-View）,从而提高细窄农村道路的识别率。以长株潭城市群郊区部分区域为试验对象,以高分二号国产卫星遥感影像为实验数据,将本文提出的方法与经典的几种全卷积网络方法进行实验结果对比分析。实验结果表明：（1）本文所提出的道路提取模型DC-Net在农村道路的提取上具有可行性,整体提取平均精度达到98.72%,具有较高的提取精度;（2）对比几种经典的全卷积网络模型在农村道路提取上的效果,DC-Net在农村道路提取的精度和连结性、以及树木和阴影的遮挡方面,均表现出了较好的提取结果;（3）本文提出的改进全卷积网络道路提取模型能够有效地提取高分辨率遥感影像中农村道路的特征信息,总体提取效果较好,为提高基于国产高分影像的农村道路提取精度提供了一种新的思路和方法。     

An Integrated Multistage Framework for Automatic Road Extraction from High Resolution Satellite Imagery

Automated procedures to rapidly identify road networks from high-resolution satellite imagery are necessary for modern applications in GIS. In this paper, we propose an approach for automatic road extraction by integrating a set of appropriate modules in a unified framework, to solve this complex problem. The two main properties of roads used are: (1) spectral contrast with respect to background and (2) locally linear path. Support Vector Machine is used to discriminate between road and non-road segments. We propose a Dominant singular Measure (DSM) for the task of detecting linear (locally) road boundaries. This pair of information of road segments, obtained using Probabilistic SVM (PSVM) and DSM, is integrated using a modified Constraint Satisfaction Neural Network. Results of this integration are not satisfactory due to occlusion of roads, variation of road material, and curvilinear pattern. Suitable post-processing modules (segment linking and region part segmentation) have been designed to address these issues. The proposed non-model based approach is verified with extensive experimentations and performance compared with two state-of-the-art techniques and a GIS based tool, using multi-spectral satellite images. The proposed methodology is robust and shows superior performance (completeness and correctness are used as measures) in automating the process of road network extraction.