基于数学形态学和Hough变换的高分辨率遥感影像道路提取

城市交通是经济社会发展的重要推动因素和枢纽,因此道路信息的提取与更新显得尤为重要。利用遥感图像来提取道路信息已经成为近年来道路提取的主要方法,但高分辨率遥感影像的快速发展与应用,在提供丰富信息的同时使道路提取变得更加困难。针对目前基于高分辨率遥感影像提取道路存在的问题,提出一种基于数学形态学和Hough变换的道路自动化提取方法。基于Hough变换确定道路的走向,在此基础上选定线性结构元素,利用数学形态学进行道路提取。分别选择IKONOS影像和Quickbird影像验证本文提出的模型。实验结果表明,本文提出的模型能有效地提取弯曲型道路与直线型道路,取得了较好的结果。     

面向车载激光扫描数据的道路目标精细化鲁棒提取

精确的三维道路信息,对于交通运输,城市规划,道路网建设,三维道路建模等具有重要意义.车载移动测量系统作为一项高新测绘技术能快速,准确地获取三维激光点云,适用于大场景的道路提取与建模.本文提出了一种从车载激光点云中快速精细化提取三维道路及其边界的方法.该方法首先利用车载激光点云的空间特征对点云进行自适应分段,然后利用先验知识与规则提取候选的道路及其边界,并根据道路边界的线状特征,对所提取的道路边界进行跟踪及矢量化,最后得到道路的参数.为了验证本方法的有效性,试验采用了3组不同道路场景的数据进行验证,结果表明提取结果的准确度,完整度及检测质量都达到了90%以上.定量与定性的结果分析表明,本文方法对于不同复杂场景下不同点密度的数据具有很好的适应性,能快速,鲁棒地提取大场景内的道路及其边界.     

基于图文法的城市道路匹配方法

提取多源城市路网交叉口节点,每个节点都有唯一的结构模式信息,将城市道路网的节点匹配转化为图匹配中的最大公共子图问题,采用最小图编辑距离衡量两份道路网数据中道路节点的匹配程度,并且加入距离和方向统计,寻找结构形态最为相似的道路节点。实验表明,相对于传统的点线匹配方法,当两份数据存在不均匀偏移时,基于图论的匹配方法可以更完全地利用拓扑信息,使用上下文相关的拓扑分析方法帮助提高几何和语义的匹配结果,该方法不依赖于任何非空间语义信息,原则上可以应用于各种数据源,有效提高匹配准确度。     

基于本体的地球空间信息上下文建模

总结分析了典型的地球空间信息上下文,基于本体建立了而向地球空间信息服务形式化的上下文信息模型,该模型采用层次化的设计方法,并使用本体描述语言OWL描述上下文,提高了上下文表达能力.最后,设计了一个面向地球空间信息的上下文感知计算模型.     

位置服务的上下文信息模型

在位置服务领域,用户所处环境的上下文信息在分析、处理请求,以及推送相应的位置信息服务方面发挥着至关重要的作用。目前,如何存储和管理上下文位置信息缺乏统一的模型和标准,本文对此提出了一种全新的位置服务的上下文信息模型。利用User Context（< User >,< Time >,< Location >,< Surroundings >,< Demand >）5元素模型描述位置服务上下文信息中5个信息元素（用户信息、时间信息、位置信息、环境信息、用户需求信息）,这5个信息元素均是直接因素,彼此独立且获取方便,人为干预少;同时,利用数据库技术可将5元素模型抽象成5元素表形式存储于数据表中,以便高效检索。最后,通过分析5元素模型中的不同信息元素,可推理出基于搜索关键词的用户需求偏好及基于时间和位置信息的用户轨迹（用户行为、热点区域、用户兴趣）。     

空间目标匹配在“天地图·福建”道路数据融合中的应用

数据融合是"天地图·福建"建设的最重要内容之一,每年都会进行1次,其成果是"天地图·福建"电子地图等产品的主要数据源。由于道路数据来源比较多,不同来源的数据之间的变化需要人工提取,导致数据融合耗时费力。本文引入空间目标匹配来提取不同来源道路数据的变化信息,分别使用不同比例尺和相似比例尺的道路数据进行了两次实验,不同比例尺道路匹配精度达93.3%,相似比例尺道路匹配精度达99.4%。空间目标匹配能有效解决属性不一致性问题,提高道路数据融合的效率。     

基于低频出租车轨迹的城市路网交叉口提取研究

出租车GPS轨迹数据获取成本低、周期短,且覆盖面广,具有实时性及大规模性,同时其包含大量的行车记录信息,对提取数字道路信息具有巨大贡献,适用于大范围城市交通路网信息的获取和快速更新。基于GPS轨迹数据进行交叉口提取是目前的研究热点,但现有研究方法大多适用于高频GPS数据,不能很好地提取稀疏区域的交叉口,难以适应出租车轨迹点采样频率低、定位精度低、噪声点多、数据分布不均匀的特性。因此,本文聚焦于城市路网的交叉口识别,为尽可能准确、全面地提取道路交叉口信息,兼顾密集与稀疏区域,提出了一种集成识别策略,分别在矢量空间和栅格空间,采用密度峰值聚类和数学形态学处理方法提取交叉口,并设计了一种融合机制探测交叉口,最后结合主成分分析法判断交叉口的真伪性,识别真实交叉口,并去除伪交叉口,从而得到基于低频出租车轨迹的城市道路交叉口。与已有的研究方法相比,本方法提取了更多的交叉口,并与遥感图像显示一致。本文提取结果准确率为92.23%、召回率为77.26%、F值为84.08%,很好地保证了交叉口的完整性和准确性,在智能交通系统中具有一定的应用价值。     

顾及上下文信息的城区机载LiDAR建筑物自动化提取方法研究

针对从Li DAR点云数据中提取建筑物难的问题,提出一种顾及上下文信息的机载点云建筑物自动化提取方法。首先,以点为分类基元提取视觉分类特征,构建描述点云场景的视觉空间,并利用随机森林分类器初步分类场景。然后基于条件随机场模型将空间上下文信息引入点云分类中,使得分类结果满足局部连续和全局最优的特点。实验结果表明,建筑物可以有效地被分离出来,分离正确率超过96%,将为后续建筑物的自动矢量化提供理论支撑。     

基于亮度补偿的遥感影像阴影遮挡道路提取方法

在基于高分辨率遥感影像的道路提取中,阴影遮挡是导致提取的部分或整段道路缺失的重要因素,严重制约了道路提取的自动化过程,因此探索适用性强的阴影情况下道路提取方法对地图数据生产和地理大数据研究具有重要意义。本文针对传统的阴影系数修正方法难以消除植被、建筑上的阴影对道路提取带来的干扰,选用路面颜色不一、地物干扰少的郊区影像与地物丰富、路面地物阴影干扰严重的市区影像开展研究,提出了基于亮度补偿的阴影遮挡道路的提取方法。首先,在图像预处理的基础上,利用HSI阈值分割获取阴影区域;其次,在削弱蓝色分量信息后采用亮度补偿方法实现像素点空间域增强以及阴影区信息的恢复,在增大道路面阴影与周围环境差异的基础上,借助高效的分割算法实现阴影道路提取;最后,通过和由K-means聚类分割获取的非阴影道路进行合并,经细化处理最终实现阴影遮挡道路的完整提取。实验结果表明,此方法提取郊区与市区影像中阴影道路的正确率在80%以上,该方法能有效地提取阴影遮挡道路,消除其他阴影的干扰,降低阴影道路提取时的斑块破碎度,较好的保留道路的主体。     

面向对象的高空间分辨率遥感影像道路信息的提取

遥感影像的道路信息提取是构建及更新地理空间数据库的一个重要组成部分。针对高空间分辨率遥感影像丰富的地物细节信息和突出的结构、纹理信息的特点,采用一种面向对象技术,实现了高空间分辨率影像道路信息提取。首先,利用面向对象的影像分割技术得到道路均值对象,然后挖掘高空间分辨率遥感影像中描述道路的光谱特征、几何特征及纹理特征,构建道路对象的知识库,实现了城郊重要道路信息的提取。与最大似然法相比,提取结果充分利用道路形状和纹理信息,能克服光谱特征的噪声现象,提取道路准确率高,为高空间分辨率遥感影像道路信息提取提供了一种新的途径。