基于启发式图搜索的遥感影像道路半自动提取

启发式图搜索法用于线状目标识别的原理是：用图结构表示边缘点和边缘段，根据启发函数计算顶点权值，在图的路径上建立相应的代价函数，通过在图中搜索对应的最小代价的通道以找到最优路径。图搜索法是一种全局最优方法，它在受噪声影响较大时效果仍然较好。文中使用了启发式图搜索法（A*算法）实现了道路的半自动跟踪。它的基本思路是：首先利用自适应平滑滤波算子进行道路信息增强，然后对传统的道路数学模型进行了进一步的扩展，突出了对道路几何特性和辐射特性的描述，并依此构建图搜索的代价函数，实现了基于启发式图搜索法A*算法的道路半自动跟踪。经实验证明，该方法进行遥感影像的道路半自动提取效果较好。     

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...     

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。     

遥感影像上基于特征的道路提取方法

从遥感影像上提取道路信息是当前遥感技术应用研究的主要方向之一。文中在详细分析航空遥感影像上道路特征及目前国内外关于道路提取技术的前提下,综合考虑各种实际情况,提出了一种新的基于特征的道路提取模型。在算法实现过程中,采用了自适应分块边缘检测、多尺度侦测道路中心点、自适应对比度调整、道路中心点综合判断准则等技术手段,保证了提取结果的稳健性、准确性。实验表明该算法能够快速、稳健地从航空遥感影像上提取道路中心骨架线。     

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。     

基于形状先验和图割的高分辨率遥感影像道路提取

给出一种从高分辨率遥感影像中提取道路的方法。先对遥感影像进行滤波预处理获取纹理特征;再以图割解算经典能量函数获取道路图斑,其中利用高斯混合模型构建T链;接着利用直线匹配法获得初始道路段;最后用图割解算融合了两种形状先验的能量函数,结合动态外推的思路连接道路段。对不同遥感影像的实验证明了算法的有效性。     

遥感影像上基于特征的道路提取方法

从遥感影像上提取道路信息是当前遥感技术应用研究的主要方向之一.文中在详细分析航空遥感影像上道路特征及目前国内外关于道路提取技术的前提下,综合考虑各种实际情况,提出了一种新的基于特征的道路提取模型.在算法实现过程中,采用了自适应分块边缘检测、多尺度侦测道路中心点、自适应对比度调整、道路中心点综合判断准则等技术手段,保证了提取结果的稳健性、准确性.实验表明该算法能够快速、稳健地从航空遥感影像上提取道路中心骨架线.     

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。     

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。     

航空遥感影像中道路的半自动提取

为了达到各种信息融合的目的,针对不同的情况,提出了多种信息约束下的道路提取方法。为了对提出的方法进行检验,给出了航空影像中不同类型的道路提取的例子。     

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

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.     

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Sentinel-2卫星影像的面向对象城市水体提取

以新发射的哨兵2号多光谱卫星影像为基础数据源,对城市水体信息进行了面向对象的提取研究。融合大气校正后的哨兵2号卫星10 m分辨率的可见近红外影像和20 m分辨率的短波影像,在多尺度分割的基础上,分析了影像对象的光谱和空间信息,建立了知识规则集;手动调节阈值,实现了水体信息的半自动提取。选取了城区和郊区两个研究区进行实验,总体精度均在95%以上,Kappa系数在0.75以上。结果表明,本文的水体提取方法取得了较好的效果,且城市主城区的水体提取精度高于郊区。     

基于Hough变换的建筑物半自动提取

提出了一种基于Hough变换的建筑物半自动提取方法。该方法针对由人工给定建筑物的初始角点并通过统计屋顶主方向对Hough变换的搜索范围和搜索角度进行限制,从而稳定快速地提取出屋顶的边缘。然后利用最小二乘的方法对提取出的屋顶边缘进行精确对中,实现了对平顶直角建筑物以及人字形建筑物的有效提取。     

基于Hough变换的建筑物半自动提取

提出了一种基于Hough变换的建筑物半自动提取方法.该方法针对由人工给定建筑物的初始角点并通过统计屋顶主方向对Hough变换的搜索范围和搜索角度进行限制,从而稳定快速地提取出屋顶的边缘.然后利用最小二乘的方法对提取出的屋顶边缘进行精确对中,实现了对平顶直角建筑物以及人字形建筑物的有效提取.     

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。     

基于整体变分模型的影像阴影检测算法研究

将影像上普遍存在的阴影视为图像退化的一种特殊形式，以整体变分模型为基础，以影像上阴影区域亮度普遍较暗且较均匀、阴影区域和非阴影区域之间的反差普遍较大的特点为约束，导出了整体变分模型用于影像上阴影检测的基本算法。通过对若干幅实际影像的阴影检测实验表明，本文算法对灰度影像和彩色影像上阴影区域的检测是有效的。