A novel mathematical morphology based algorithm for shoreline extraction from satellite images

Abstract

Shoreline extraction is fundamental and inevitable for several studies. Ascertaining the precise spatial location of the shoreline is crucial. Recently, the need for using remote sensing data to accomplish the complex task of automatic extraction of features, such as shoreline, has considerably increased. Automated feature extraction can drastically minimize the time and cost of data acquisition and database updating. Effective and fast approaches are essential to monitor coastline retreat and update shoreline maps. Here, we present a flexible mathematical morphology-driven approach for shoreline extraction algorithm from satellite imageries. The salient features of this work are the preservation of actual size and shape of the shorelines, run-time structuring element definition, semi-automation, faster processing, and single band adaptability. The proposed approach is tested with various sensor-driven images with low to high resolutions. Accuracy of the developed methodology has been assessed with manually prepared ground truths of the study area and compared with an existing shoreline classification approach. The proposed approach is found successful in shoreline extraction from the wide variety of satellite images based on the results drawn from visual and quantitative assessments.     

基于数学形态学和相位编组SAR影像道路自动提取

由于SAR图像中固有的斑点噪声的强烈影响,某些对于光学图像有很好效果的边缘检测算子,但是对于SAR图像来说,效果很差,本文应用一种改进的基于图像统计信息的局部线特征检测方法,首先利用图像统计信息对图像进行局部特征检测,然后利用数学形态学去除内部空隙并细化得到道路段,将道路段进行相位编组,进而自动提取出道路。     

采用PPI算法改进的一种数学形态学端元提取方法

自动形态学端元提取(automated morphological endmember extraction,AMEE)算法将结构元素内最纯像元与混合度最大的像元之间的光谱角距离定义为形态学离心率指数(morphological eccentricity index,MEI)来定量化地表示像元的纯净度。然而作为参考标准的混合度最大的像元在不同的结构元素内也是不同的,尤其是当结构元素内的纯净像元占大多数时,像元的均值光谱将更接近纯像元,此时像元的MEI越高,纯度反而越低。针对这一问题,本文提出一种像元纯度指数(pure pixel index,PPI)算法与AMEE算法相结合的端元提取算法PPI-AMEE。在结构元素内,利用PPI指数代替AMEE算法中的MEI指数来寻找最纯像元。变换结构元素时,只有最纯净的像元始终能够投影到随机生成的直线的两端,其PPI值会不断累计增大,而其他像元的PPI值则无法持续增大。累计记录每个像元的PPI值,直至满足迭代终止条件,最终形成一幅PPI图像,端元将在PPI值较大的像元中选取。PPI-AMEE算法只在相对较小的结构元素内运行PPI算法,然后再结合数学形态学中的膨胀操作对整幅图像进行处理,其同时兼顾了图像的光谱信息和空间信息。最后,采用模拟数据及美国内华达州Cuprite地区的机载可见光/红外成像光谱仪(airborne visible infrared imaging spectrometer,AVIRIS)高光谱数据对提出的PPI-AMEE算法进行试验验证。试验结果表明,PPI-AMEE算法的端元提取精度总体上优于AMEE算法和PPI算法。     

利用既有知识渐近数学形态学提取LiDAR数据中道路信息方法研究

为了避免由于内插和构网或是局限于局部分析所带来的地形失真,本文根据道路先验知识的获取只需对实验道路进行统计学分析,无论从技术上,还是仪器设备上都简单、方便、快捷;在各种LIDAR数据滤波与分类方法的基础上,提出了一种在原始离散点集中提取道路信息的基于既有知识数学形态学分类方法。实验结果显示,为探索LIDAR数据在交通工程中的应用,加快道路的信息化建设,提供了一种可供借鉴的方法。     

数学形态学在遥感影像云层识别中的应用

针对传统遥感影像质量评价中云层覆盖量无法定量评价的问题,文章提出采用利用边缘信息的阈值分割结合数学形态学方法来提取遥感影像云层覆盖范围。利用边缘信息的阈值分割方法能够有效利用影像自身信息来改善分割结果,再结合形态学方法,进而能消除道路、房屋等大部分噪声信息,最终实现遥感影像上不同特征云层覆盖范围的自动提取。基于浙江全省高分辨率遥感影像的实验结果表明:该方法能够快速有效地识别出遥感影像上云层覆盖范围,研究结果对于遥感影像云层覆盖的自动评价具有参考价值。     

改进支持向量机的高分遥感影像道路提取

针对支持向量机受分类数的限制在高分辨率遥感影像中无法直接获取高精度道路网信息的问题,该文提出一种新的混合的基于支持向量机的方法:首先,利用模糊C均值聚类方法将输入的遥感影像分为3类,以减少支持向量机的错分现象;其次,运用支持向量机将不同类别的像素分为道路类和非道路类;最后,应用马尔科夫随机场对分类结果进行噪声去除,并采用形态学进行后处理,进而得到精确道路网信息。实验结果表明:该算法不仅能够从高分辨率遥感影像中提取出道路网,而且精度优于直接使用支持向量机算法以及对比算法。     

数学形态学与拓扑约束支持的单条河流骨架线提取

为解决当前遥感手段提取河流骨架线自动化程度不高、精度有限、易发生断裂等问题,提出一种基于数学形态学与拓扑约束理论的完整单条河流骨架线自动化提取方法。该法综合利用归一化水体指数(NDWI)和数学形态学方法提取遥感影像中的河流及河流初始骨架线;从河流初始骨架线二值图中获取断点,并自动计算膨胀系数,利用局部膨胀细化法进行连接;结合拓扑约束,利用初始骨架线对连接线进行去伪操作。结果表明,该方法能有效解决细小、易发生断裂的单条河流的完整骨架线自动提取的难题。     

Traffic safety prediction model for identifying spatial degrees of exposure to the risk of road accidents based on fuzzy logic approach

This article, we propose a traffic accident prediction system based on fuzzy logic which allows to identify ‘the degree of exposure to road accidents’ risk’ and to analyse the level of complexity of the factors involved. We focus our study on the possible influence of a series of local criteria observed and selected for each kilometre per segment of the road network studied. The study was conducted on a road network within the rural area of the Wilaya of Mascara in the north-western region of Algeria. A Geographic Information System was integrated into the analysis process to enable a spatial visualization of the degrees of exposure to road accidents’ risk, providing a cartographically measurable solution to establish and attenuate accident risk. Results show that the developed system can be effectively applied as an useful Road Safety tool capable of identifying risk factors related to the characteristics of the road.     

遥感影像中城市道路的提取

阐述了城市遥感影像中道路提取的特点,以及当今道路特征提取的一些研究成果。根据城市道路的特点,设计了根据植被指数先提取道路两旁的植被方法,通过面积阈值和形状指数阈值剔除图斑,以及应用数学形态学,对图像进行细化,可以提取道路目标。实验结果证明这一方法的正确性。     

高分辨率SAR与光学遥感影像中道路提取方法的研究

高分辨率影像能够提供丰富的地表细节信息,从高分辨率遥感影像中进行高精度的道路提取是目前遥感信息处理的研究热点。分别以高分辨光学IKONOS影像和COSMO-Skymed SAR影像为数据源,对北京市某区域进行了道路信息自动提取方法的研究。高分辨率光学影像中采用最大似然分类进行道路信息提取,在SAR影像中则采用Otsu阈...     

基于分水岭算法的高分遥感图像道路提取优化方法

针对高分辨率遥感图像城市道路提取中存在的问题,在面向对象方法和数学形态学等理论基础上,提出了一种基于改进的分水岭分割算法的道路提取方法.在图像预处理基础上,首先使用改进的分水岭算法分割影像,提取基本的道路信息;然后利用面向对象方法提取道路基元,完善道路信息;最后将道路信息二值化,并采用数学形态学等方法进行优化,去除和修补不完善的道路.结果表明,该方法能有效地提取出城市地区的道路信息,对较复杂的道路环境也有较好的效果.     

结合笔画宽度变换与均值漂移的遥感影像道路提取

针对在高分辨率遥感影像进行道路提取时,笔画宽度变换算法受周围地物的影响较大,无法直接获取高精度道路信息的问题,提出一种结合笔画宽度变换与均值漂移的道路提取方法:首先,利用均值漂移算法对遥感影像进行分割,以减少笔画宽度变换的错提取现象;其次,运用笔画宽度变换将不同类别的像素分为道路类和非道路类;最后,为进一步提高道路提取精度,减小斑点和非道路区域干扰,采用数学形态学方法进行提取后处理。实验结果表明:该方法可以从遥感影像中准确完整地提取出道路信息,且比直接使用笔画宽度变换算法和均值漂移算法的提取精度更高。     

利用空间连续性进行高分辨率遥感影像道路提取

常规道路提取方法需要初始信息,对窄道路提取效果不佳。针对这一问题,提出了基于空间连续性提取道路的算法模型（RESC）。该方法根据遥感影像道路连续分布的特点,利用邻近像元空间自相关的先验信息提取道路,不要求预先提供种子点,自动化程度较高。实验分析和比较证明,该方法对于高分辨率遥感多光谱影像和全色影像,都达到了较好的效果。     

基于数学形态学的第四系地层遥感影像分割

利用数学形态学的方法对遥感影像的第四系地层进行了影像分割实验。经实验结果得出,利用数学形态学的基本运算组合成的各种算子:高、低帽变换、滤波与阈值截取相结合的增强方法,通过选择合适的结构元素,对图像进行预处理后,就可以用形态学方法对第四系地层进行影像分割。经过处理的遥感影像,能够更有效地提取影像的目标。实验结果表明了本文所提的方法的有效性。最后,对形态学方法的不足之处和将来的研究方向展开了讨论。     

基于数学形态学细化算子的改进Canny算法研究

边缘检测是图像处理领域研究的一个重要内容。本文基于数学形态学改进现有Canny算子。该方法首先用Canny算子进行滤波,然后采用非极大抑制技术,将强边缘图像和弱边缘图像的边缘进行连接,再对提取的边缘利用形态学细化算子细化。针对不同图像采用不同门限比例,可取得不同的边缘提取效果。本文采用峰值信噪比、均方误差、平均绝对误差三个评价指标对边缘检测算法的优越性进行度量。实验分析表明,本文算法优于Sobel算子、Roberts算子、Log算子及传统Canny算法。     

基于LIDAR回波信息的道路提取

机载激光扫描系统在采集三维坐标的同时,也提供回波信息(回波次数、回波强度).本文提出了一种利用回波信息提取道路的方法:逐层加密,TIN提取数字地形模型(DTM),根据点云的回波信息从DTM中提取道路信息,通过搜索孤立点的滤波算法删除其中的噪声点.最后用实测数据对提取的道路信息进行精度分析,验证了该提取方法的有效性.     

多特征约束的高分辨率光学遥感影像道路提取

针对复杂场景中的遥感影像道路提取问题,论文提出了一种多特征约束的影像道路提取方法,并开展了论文方法可行性论证。该方法首先,根据道路宽度的先验知识以及道路的几何特征,提出一种改进的线段二次提取模型,利用线段长度和道路宽度确定候选道路种子点集;其次,输入道路结构信息,基于道路辐射特征对候选道路种子点进行整体匹配评价;再次,当候选道路种子无法符合辐射特征要求时,提出一种浅色机动车检测模型,以此将浅色机动车结果作为道路上下文特征,利用道路上下文特征对候选道路种子点进行分析;然后,构建道路拓扑分析模型,依据道路拓扑特征对候选道路种子点进行最终验证;最后,对提取道路种子点进行优化处理,并提出道路跟踪及拟合方法。通过不同复杂场景、不同分辨率高分辨率遥感影像下开展的不同方法实验结果对比分析表明,相对于其他商用软件ECognition和Erdas的方法,本方法自动化程度更高,运行效率高,适用于解决道路类型多样化、几何光谱噪声大的复杂场景道路提取问题。     

基于 GVF 和 Snake 模型的高分辨率遥感图像四元数空间道路提取

基于Snake模型的优势及缺陷,提出一种高分辨率多光谱图像道路提取方法。通过建立多光谱图像信息的四元数表达式,解决Snake模型应用于多光谱图像的局限性;通过多光谱图像四元数空间标记分水岭分割,获取道路初始轮廓,解决道路初始边界设置问题;通过梯度矢量流模型迭代求解,解决道路凹陷位置逼近问题,最终实现道路提取。用QuickBird 高分辨率多光谱遥感数据验证方法的可行性,与直接采用Snake 模型进行道路提取结果相比,本文所提出的方法对于高分辨率影像上的高等级道路提取具有较好的精度。     

利用数学形态学提取骨架线的改进算法

地图数字化生产和数字地图编绘中都需要用到提取骨架线算法,如矢量化和等级变换等。提取骨架线的算法较多,基于栅格数据的算法通常采用数学形态学方法,对于矢量数据目前较有代表性的是利用约束Delau-nay三角网提取骨架线。本文给出一种利用数学形态学提取骨架线的改进算法,适用于栅格和矢量数据,并能在矢量化时建立高质量的拓扑关系,还较好地克服了数学形态学方法的缺点——节点畸变和端点内缩。实验表明该算法稳定且行之有效。     

基于机载LiDAR点云数据的城区道路提取

对于利用机载LiDAR点云数据提取城区道路提出一种新的思路。首先利用机载LiDAR点云数据的高程和强度属性对城区道路进行初始提取,获得初始道路点云;其次采用距离分割法和基于RANSAC算法的分割方法精化初始道路点云,有效剔除停车场等与道路相似的区域;最后采用数学形态学细化方法提取道路中心线。实验结果表明,该方法可以较正确和完整地提取城区道路。