基于SOM的高分辨率遥感影像道路网自动提取

本文研究基于SOM(Self-Organizing Feature Map)神经网络学习模型的高分辨率遥感影像道路网自动提取算法。首先利用数学形态学提取遥感图像道路的初始道路区域信息,自动对原始图像进行分区并确定神经元初始权值,用SOM网络学习模型对神经元进行训练学习,经迭代获取道路网中心点位置,最后运用"中心点四邻域跟踪判别法"跟踪连接形成道路中心线。实验表明,该方法在高分辨率遥感影像道路网的提取上有较好的效果,特别在主干道路网的提取上效果更佳,对噪声干扰具有良好的鲁棒性。     

基于圆形模板的高分辨率遥感影像道路半自动提取

针对基于矩形模板匹配的道路提取方法在影像中存在较大弯曲路段提取效果不佳的问题,提出了一种基于圆形模板的半自动道路提取方法,用圆形模板取代矩形模板搜索道路中心点,省去了旋转角度计算,结合影像灰度、形态学梯度以及道路中心点之间的夹角信息,用迭代内插的方法搜索加密道路中心点,最终得到道路中心线。实验分析和比较表明,该方法在继承模板匹配的优势的同时较好的弥补了矩形模板的不足,提取效果较好。     

均值漂移与卡尔曼滤波相结合的遥感影像道路中心线追踪算法

基于模板匹配的道路追踪方法是道路提取中较实用的一类方法,但传统模板匹配方法主要以相关系数作为相似性测度,对车辆、树荫等遮挡敏感,不适用于高分辨率遥感影像道路提取。针对这一问题,本文采用一种稳健的相似性测度,设计了一种基于均值漂移的道路中心点匹配算法,克服了传统模板匹配对遮挡敏感的缺点;然后运用卡尔曼滤波,实现高分辨率遥感影像道路中心线追踪。试验表明,该方法能够准确提取高分辨率遥感影像道路中心线,对车辆、树荫等遮挡具有稳健性。     

快速提取城市道路中心线

城市道路在空间分布上具有一定的规则。我国的城市道路布局主要有方格式、扇形式等。本文针对这种布局规则的道路网,提出一种快速提取道路中心线的方法。通过对图像进行扫描,将属于一条道路的所有像素点归并到一个容器中,提取中心点并输出成道路线。同时,介绍了几种典型道路的处理方法。实验研究表明该方法可以快速、精准地提取道路中心线,具有实际应用价值。     

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.     

基于高分辨率影像的道路中心线提取技术研究

针对遥感影像道路提取问题,探索了一种基于道路条带自动检测道路中心线的方法。首先基于概率增进树算法获取道路候选点,并通过形态学运算得到光滑和完整的道路条带;然后结合细化运算自动检测道路中心线。但检测的中心线存在"毛刺"且局部曲率变化过大,不符合道路的形状特征。针对该问题,引入了测地距离理论,并用迭代方法去除"毛刺",获得初始道路中心线;再通过Dijkstra最短路径算法优化初始结果;最后根据方向一致性和道路连续性获取最终的道路中心线。采用高分辨率航空影像对上述方法的实验结果证明了该方法的有效性和可行性。     

结合Steger方法和影像分类的道路中心线提取

针对直接利用监督分类结果提取道路中心线过程过于复杂的问题,研究一种综合利用Steger方法和影像分类结果的道路中心线提取新策略。以影像分类结果从Steger方法获取的条带中心线中初步筛选出候选道路中心线段,根据道路的连续性和方向的一致性进行合理延伸、连接,即可实现道路中心线提取。实验证明,提取的道路中心线在完整率、准确率和提取质量方面精度较高,并在一定程度上解决了道路断裂问题。     

航空影像上道路中心线的半自动提取算法研究

提出了一种新的从航空影像上提取道路中心线的半自动方法。该方法利用道路地物的几何特征和辐射特征，根据用户提供的少量道路种子点，利用自适应灰度模板对道路中心线上的每个点进行调整，最后采用最小二乘算法和牛顿迭代法对调整后的道路中心线上的每个点进行拟合，以此获得趋近于道路中心线的最佳折线。试验结果证明，该算法简单易行、效率较高．具有较好的鲁棒性和实用性。     

利用LiDAR点云强度的十字剖分线法道路提取

由于道路与地面在空间上表现相近,因此,仅用空间坐标无法从LiDAR数据中直接提取道路。机载激光扫描系统在获取对象三维信息的同时,也记录了激光经由反射的强度信息,因此能从空间坐标和辐射两个方面表现地物的特性。结合这两种相对独立的信息在激光扫描数据中进行道路提取,提高了提取结果的稳定性。首先利用激光扫描数据的高程滤波去除非地面点;再通过强度信息进行阈值分割得到包含干扰的初始道路区域;然后,利用两组十字剖分线检测初始区域在4个方向的狭长性与宽度一致性,使得狭长状、区域宽度较一致的道路区域同干扰区域具有不同的权值,从而提取真正的道路区域;最终通过对道路区域的细化和平滑,得到道路中心线。实验表明,该方法能够较好地在LiDAR数据中提取出道路并得到道路中心线。     

道路中心线提取及网络建立的算法研究

提取道路中心线并建立道路网络是网络分析和地图综合中的基本问题,本文提出了利用约束Delaunay算法形成道路约束三角形网,并在此基础上提取道路中心线,形成道路中心线及建立网络。强调在提取过程中要注意的几个关键问题,并提出了解决方法。