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。     

基于T型模板的遥感影像道路提取方法

高分辨率遥感影像具有数据量大、波段少、地物细节纹理信息更加清晰、空间信息更加丰富等特点,因此基于高分辨率遥感影像的道路提取方法研究是当前一个研究热点.但高分辨率遥感影像提供了更丰富的地物目标细节的同时,也使得噪声信息随之增加,如道路上的车辆、道路线、邻近的行树及阴影、建筑物及阴影等,并且在光谱通道上道路与噪声之间存在更...     

基于T型模板匹配半自动提取高分辨率遥感影像带状道路

通过分析高分辨率光学遥感影像上的道路特征,提出了适用于有较多车辆遮蔽和两侧行树阴影干扰的T型模板匹配的道路提取算子。它融合了剖面匹配和模板匹配的优势,使用角度纹理特征进行初始道路点的精确定位,道路宽度、道路前进方向的精确量算,使用灰度最小二乘匹配进行最佳道路点的定位,可以很好地追踪高分辨率光学遥感影像上受车辆遮蔽和行树阴影等噪声干扰的带状道路。     

基于高分辨率城区遥感影像的道路半自动提取方法研究

遥感影像上人工地物的自动化和智能化采集一直是摄影测量与遥感技术长期探索的一个主要课题。道路是重要的基础地理信息,随着遥感影像分辨率的提高,道路特征的复杂化对道路提取方法形成了挑战。针对高分辨率城区遥感影像道路提取中存在的问题,结合多分辨率分析思想、模板匹配原理和LSB-Snake模型,综合提出了一种适用于城区高分辨率遥感影像的道路半自动提取方法。实验表明该方法可以在很大程度上弥补LSB-Snake模型的不足,同时具有良好的抗噪声能力,可作为一种有效手段应用在城区高分辨率遥感影像的道路提取中,具有很好的交互性、可靠性和高效性。     

基于P-N学习的高分遥感影像道路半自动提取方法

基于模板匹配的道路跟踪是半自动提取道路的主要方法。然而场景中地物干扰和道路宽度的变化降低了模板匹配的稳定性;另外,道路跟踪失败后缺乏重检测机制,使得道路提取过程中人机交互频繁。针对以上问题,提出了一种基于P-N（positive-negative）学习的高分遥感影像道路半自动提取方法。该方法由道路跟踪、检测和学习构成,关键是采用了P-N学习的策略迭代的训练分类器,通过纠正违反结构约束的样本分类结果来提高分类器性能。实验使用了不同场景下的城区高分遥感影像,与经典的模板匹配和在线学习的道路跟踪方法进行了比较。实验结果表明该方法在道路提取的精度和稳定性方面均有提升。     

用改进的剖面匹配算子提取高分辨率遥感影像上带状道路

剖面匹配在道路提取中得到了广泛的应用,但现有的相关文献中普遍利用数学模型模拟道路轨迹、利用最小二乘剖面匹配的结果进一步修正数学模型预测的道路点的方法,这种方法与实际的路况有较大的差别。本文中,用户初始化后获得道路的起始点、前进方向、道路的宽度和模板剖面。通过将模板剖面沿道路前进方向平移和旋转生成一系列目标剖面,求目标剖面与模板剖面的灰度差的平方和,在求平方和时给剖面的道路部分更多权重,最小的平方和对应的目标剖面的中点为最精确的道路点,迭代上述步骤追踪道路轨迹。经试验证明,改进的剖面匹配算子是一种稳健高效的道路追踪算法。     

基于形态分割的高分辨率遥感影像道路提取

基于灰度形态学,提出一种从高分辨率遥感图像提取道路网络的方法.首先利用灰度形态特征对遥感影像进行分割,进而得到基本的道路网络轮廓.然后在此基础上,利用线段特征匹配方法提取道路网络.提出的方法能适应于从道路和背景区别不很清楚的遥感图像中提取道路.实验结果也表明,本文方法能有效地从遥感影像中提取道路网络.     

高分辨率遥感影像道路提取方法综述

从高分辨率遥感影像的特点出发介绍了道路在高分辨率遥感影像上所具有的特征,介绍了道路提取的基本方法和研究现状,对现有几种代表性的道路提取方法进行了详细地分析,并对高分辨率遥感影像上道路提取的研究前景进行了展望.     

利用动态规划半自动提取高分辨率遥感影像道路中心线

传统的基于动态规划的道路提取算法都是直接在图像域内根据道路的光谱等特征定义代价函数,当道路光谱特征发生变化时,需要重新定义新的代价函数,具有很大局限,不适用于道路特征复杂多样的高分辨率遥感影像。针对这一问题,提出了一种基于动态规划的道路中心线半自动提取算法:首先,利用阈值分割和核密度估计生成道路概率分布图;然后,根据道路概率分布图上的道路特征定义代价函数;最后,运用动态规划求解代价函数最大值来提取道路中心线。试验表明,提出的算法能够在高分辨率影像上提取各种不同光谱特征的道路中心线,取得了良好的效果。     

自适应圆形模板及显著图的高分辨遥感图像道路提取

针对现有基于圆形模板匹配算法需要人工设定模板尺寸的问题,提出一种自适应圆形模板的高分辨遥感图像道路提取算法。首先引入一种改进的局部形态学梯度图,基于形态学梯度图设计了一种自动生成模板尺寸的算法;接着借助改进的道路显著图,按迭代内插的方式搜索起始点与终止点之间其他道路点,搜索过程综合利用了显著图信息和几何夹角信息,使得算法具有更好的识别效果。试验结果表明,本文算法可适用于多种不同条件的遥感图像,能更加有效地从高分辨遥感图像中提取道路信息。     

基于面向对象方法的高分辨率遥感影像道路提取方法研究

随着遥感影像分辨率的不断提高,基于高分辨率遥感影像的目标自动提取逐步成为研究热点。本文采用面向对象的图像分析方法,基于Ecognition遥感图像处理平台,对IKONOS影像进行道路提取实验,重点对图像分割方案、道路提取规则、后处理方法等进行探讨。     

一种基于卷积运算的遥感影像道路提取方法

根据遥感影像道路特征,提出一种基于卷积运算和数学形态学的道路提取方法。首先通过拉普拉斯算子对图像行锐化处理;再用卷积运算获得线特征加强系数,在加强道路线特征的同时,背景灰度恒定区域被弱化;然后去除短线和块状噪声,适当地加入人工干预进行道路修剪;最后用数学形态学细化处理得到道路网。实验结果表明,该方法能有地从遥感影像中提取出道路。     

基于最优尺度的高分辨率遥感影像道路提取

遥感影像道路提取一直是遥感应用的重点研究方向之一.传统的基于像素级的道路提取方法侧重于考虑影像的像素信息,并没有考虑到地物目标之间的空间依赖性.本文针对高分辨率遥感影像,提出了一种新的面向对象的道路提取方法,其基本思想是利用道路的多尺度特性,将不同尺度的道路提取结果进行集成,得到最终的道路提取结果.方法的主要过程是首先建立不同的图像尺度层,根据道路对象内部的同质性和道路与背景间的异质性给出道路提取的最优尺度层;其次,在道路的最优尺度上提取道路的主干道;最后依次在各小尺度层上通过道路生长的方法实现道路的完整提取.试验结果表明本文所提方法能明显提高道路的提取精度.     

改进的Hough变换在复杂场景下高分辨率遥感影像道路提取

Hough变换方法是高分辨率遥感影像中提取直线道路的鲁棒性较好的方法。本文采用基于连通域的图像分割技术优化Hough算法,在Matlab环境中进行复杂场景下道路提取实验,实验证明:改进算法能有效进行复杂场景下道路边缘的提取,降低参数数量,提高运算速率,改善道路提取效果。     

一种顾及形状特征的遥感图像道路提取方法

依照单类分类和主动学习的基本原理,利用光谱信息和道路几何信息共同实现道路提取。首先人工标记部分道路与非道路样本,用SVDD训练筛选出初始道路与非道路样本点代入SVM得到初始分类图,路径开运算处理之后进行直线匹配获取二值道路图。接下来是一个主动学习过程,根据样本点离超平面的距离及与二值道路图的匹配结果选取最终样本。将留下的样本点代入SVM中并赋以一定权值迭代训练,迭代固定次数之后选取正确率最高的SVM模型。最后利用路径开运算处理获取初始道路,经过形态学后处理得到最终的道路。实验结果表明,该方法可以有效地从高光谱遥感影像中提取道路。     

多特征融合的LSSVM遥感影像道路提取

针对高分辨率遥感影像上道路与相邻近地物的光谱信息相似导致提取道路不理想问题,提出多特征融合的最小二乘支持向量机(least squares support vector machine,LSSVM)遥感影像道路提取方法.该方法首先对原始影像进行色彩变换(HIS)提取光谱饱和度(Saturation,S)分量;然后,采用...