共查询到20条相似文献,搜索用时 14 毫秒
1.
基于特征基元的高分辨率遥感影像道路网自动提取技术 总被引:1,自引:0,他引:1
高分辨率遥感道路网络的自动提取在城市信息更新等方面具有非常重要的意义。在综述国内外道路信息提取进展的基础上,本文提出一套基于特征基元的道路网提取方法体系。即采取自下而上的研究路线("影像像元—特征基元—道路单元—道路网络"):首先通过影像大尺度的区域划分获取道路区域,在此基础上进行小尺度分割,提取出特征基元;然后根据基元的形态、走向、亮度、纹理等特征对基元进行模式分类,识别出道路单元;最后根据道路网语义规则将道路单元进行形态学处理及拓扑连接,形成道路网络。 相似文献
2.
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。 相似文献
3.
基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动提取 总被引:4,自引:1,他引:4
提出了一种基于角度纹理特征及剖面匹配相结合的高分辨率遥感影像带状道路半自动提取方法.该方法由用户输入道路起点、初始方向及宽度,使用角度纹理特征模型预测初始的道路中线点,以抛物线方程参数构建道路中线轨迹参数模型.使用计算曲率变化的方法验证道路轨迹点,对验证失败的中线点位使用剖面匹配算法进行重新预测并确定,最终提取出该道路中线轨迹.本文使用Visual C 构建了原型系统,对QuickBird及IKONOS影像中具有一定宽度的带状道路进行了提取试验,并与经典的基于剖面匹配的半自动道路提取算法和基于Snakes的半自动道路提取算法进行了对比试验.经试验验证,本算法取得了较为理想的结果. 相似文献
4.
5.
影像分类技术是遥感影像分析与解译的重要基础。纹理特征是影像的重要特征,本文主要实现基于纹理特征的遥感影像监督分类。首先对地物样本进行提取,通过样本训练统计各类地物纹理特征向量,建立纹理特征库;然后以各类地物的特征向量作为基准,采用最短距离分类器对影像进行分类;最后采用混淆矩阵对分类结果进行精度评定,并与ERDAS专业软件分类结果进行对比分析。实验证明,本分方法取得了与ERDAS软件相当的分类效果,从而验证本文方法的可靠性。 相似文献
6.
7.
8.
利用新疆伊犁河谷的伊宁县SPOT5遥感影像,在ERDAS IMAGINE 9.2软件平台下,通过二次变异分析算法和三次非对称分析算法提取纹理信息。基于图像的光谱特征和纹理特征进行监督分类,然后根据地物的空间分布进行"分区分类处理"。结果表明,伊宁县的总体分类精度提高了19.34%,Kappa系数提高了0.247。利用霍城县遥感图像进行分类方法验证,同样取得了较好的效果,表明该方法可在伊犁河谷土地利用分类中进行推广应用。 相似文献
9.
10.
11.
12.
13.
改进角度纹理特征提取高分辨率遥感影像带状道路 总被引:2,自引:0,他引:2
针对目前高分辨率遥感影像的道路自动提取算法研究中的不足,该文提出了一种基于并行角度纹理特征的半自动道路提取算法:用户输入完成道路中心线上的起始点、道路方向、道路宽度等初始化工作,利用并行角度纹理特征获取道路前进方向,用抛物线参数方程构建道路轨迹模型来预测道路轨迹点,使用角度纹理特征值构建的紧质度系数和抛物线的曲率变化来约束道路轨迹点,验证失败则转入手工跟踪;往复执行以提取道路中心线。试验证明,本算法是一种稳健的道路半自动提取算法。 相似文献
14.
基于小波变换特征的遥感地貌影像纹理分析和分类 总被引:21,自引:1,他引:21
本文基于图像的正交小波变换特征,研究了遥感地貌纹理影像的特征提取和分类方法,并对25幅地貌影像进行了分类。结果表明,所述方法不仅对同一分辨率的影像有较高的分类正确率,而且对不同分辨率的影像也有较高的分类正确率,同时对训练样本和考试样本来自不同母体的影像也有较高的分类正确率。 相似文献
15.
16.
结合高分辨率SAR影像统计特性和道路形状特征,提出一种新的道路网提取方法。首先引入窗口均值改进二值分割,以降低SAR影像固有斑点的噪声影响,针对高分辨率影像中道路呈现为面特征并存在宽度变化的情况,引入VC系数自适应调整窗口大小,从而有效提取可能的道路区域;然后利用道路的形状特征约束,去除非道路区域;最后通过空洞填充、腐蚀和膨胀等数学形态学运算,以及骨骼化和去除多余分支等处理,提取道路网络。实验证实了本文方法的有效性。 相似文献
17.
18.
19.
20.
辅以纹理特征的遥感影像神经网络分类 总被引:3,自引:0,他引:3
将由变差函数提取出的纹理信息与光谱信息相结合,运用神经网络方法进行分类和地物识别,并与最大似然法的分类结果进行对比分析,结果表明该方法明显提高了遥感影像的分类精度. 相似文献