基于模糊算子理论的道路半自动提取

提出了一种基于模糊算子理论的道路半自动提取方法。该方法在对小比例尺影像进行Sobel边缘检测的基础上，定义了12种模糊算子表示2维道路的各种可能的结构，然后在给定道路种子点附近形成的一定范围内进行搜索，提取出道路的中心线。实验结果表明，该算法速度较快并且具有较强的鲁棒性。     

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。     

改进角度纹理特征提取高分辨率遥感影像带状道路

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。     

基于模糊算子理论的道路半自动提取

提出了一种基于模糊算子理论的道路半自动提取方法.该方法在对小比例尺影像进行Sobel边缘检测的基础上,定义了12种模糊算子表示2维道路的各种可能的结构,然后在给定道路种子点附近形成的一定范围内进行搜索,提取出道路的中心线.实验结果表明,该算法速度较快并且具有较强的鲁棒性.     

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.     

一种基于知识的航空影像中道路半自动提取方法

利用线特征算子和多种线状地物跟踪方法建立了一种基于知识的航空影像中道路半自动提取方法。该算法计算量小 ,判断速度快 ,准确率较高 ,并且有较好的适应性。试验表明这是一种良好的道路提取方法。     

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...     

自动赋初值的LSB-Snake模型的道路半自动提取方法研究

LSB-Snake模型是一个半自动提取线状地物的有效方法,但是在提取道路时需要人工输入道路特征（与背景相比道路的亮暗、宽度）作为初始值,在初始种子点稀少的时候不够稳健,且降低了LSB-Snake模型的效率。因此,本文提出了自动赋初值的LSB-Snake模型,采用自适应模板匹配方法为LSB-Snake模型提供初始特征,同时在初始种子点的基础上自动生成可靠、密集的点,共同作为LSB-Snake模型的种子点参与道路提取。对IKONOS和QuickBird进行道路提取的试验证明：在给定同样数目的初始种子点的情况下,提出的自动赋初值LSB-Snake模型比LSB-Snake模型更加稳健;由于无需人工输入道路特征,自动化程度更高;在道路附近地物阴影、遮挡较多的情况下,抗干扰能力更强。     

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...     

一种SAR影像带状道路半自动提取方法

文章提出了一种结合极化的相干最优信息的SAR影像带状道路半自动提取方法.该方法由用户输入种子点确定初始矩形模板,用傅立叶函数构建道路轨迹模型作为全局的控制条件,将矩形模板的角度信息结合极化相干最优信息作为局部的控制条件,根据两种条件控制模板的前进方向,实现道路的边缘线提取.通过与人工提取结果对比,证明本文的方法能够取得较理想的效果.     

从遥感影像提取道路特征的方法综述与展望

从遥感影像中提取道路特征已有许多研究，但仍存在许多问题有待解决。本文探讨了道路特征提取的基本思路，对道路特征提取的基本方法和现状进行了较全面的综述，介绍了具有代表性的特征提取方法，并对各个方法的特点进行了分析，最后对道路特征提取的研究前景进行了展望。     

基于拓扑关系的面状地形要素提取方法

针对地形要素提取工作量大的问题,提出一种基于空间拓扑关系的面状地形要素自动提取方法。通过对比分析AutoCAD数据与GIS数据的差异,对地形要素提取中的关键问题进行了分析;运用多要素组合拓扑构面的方法完成图形的快速构建,利用独立符号或文字注记与图形的包含关系完成图形的检查,建立图形与分类编码的映射关系实现分类信息的自动识别。实验表明,该方法对于面状地形要素的提取快速、准确,目前已在多个港区的空间数据建库中得到验证,提高了数据生产的工作效率。     

从高分辨率遥感影像中提取道路信息的方法综述及展望

道路作为城市的重要组成部分,是衡量城市发展的重要标准之一,研究基于高分辨率遥感影像的道路信息提取具有重要的现实意义。一直以来,从高分辨率遥感影像中提取道路特征信息都是研究的热点和难点。本文首先阐述了道路信息提取的思想和基本方法,列举并分析了几种比较有代表性的道路特征提取方法,并指出了其中所存在的问题,最后对高分辨率遥感影像中道路信息的提取研究前景进行了展望。     

膨胀系数可调的Balloon Snake方法在道路轮廓提取中的应用

以条带检测的结果初始化道路轮廓,利用balloon snake方法提取道路轮廓.在初始道路轮廓存在缺失的情况下,balloon snake的膨胀作用可以找回丢失的道路片段,提高道路提取的完整性.基于图像梯度和轮廓曲率调节膨胀系数,降低道路提取效果对膨胀系数的敏感,并加快道路轮廓的扩张,减少迭代次数.通过多幅道路图像的试...     

GVF Snake与显著特征相结合的高分辨率遥感图像道路提取

高分辨率遥感图像中的道路信息,对地理信息系统数据库的更新具有重要的意义。本文通过分析道路在遥感图像中所呈现的特性,提出了一种基于显著特征和GVF Snake的高分辨率遥感图像道路提取方法。该方法根据视觉认知理论将道路的几何特性和辐射特征作为显著特性。首先,通过融合颜色对比度和空间统计特征计算显著性图,并以输出的显著图的最大值作为GVF Snake的初始种子点;再利用区域生长法求出道路的初始边界,通过梯度矢量流模型的迭代求解,并最小化能量函数,实现道路信息的自动提取。试验结果表明,本文所提出的方法提高了不仅可以提高计算效率,还具有较好的检测精度。     

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。     

一种利用结构特征的高分辨率遥感影像种植园自动提取方法

卫星遥感在土地监测中发挥了重要作用,而数据处理技术应具有良好的适用性和较高的精度水平以满足应用需求。针对目前种植园提取算法适用性较差、数据依赖性高、自动化程度低、算法复杂及特征冗余等问题,本文提出了一种新型种植园结构特征,多尺度多方向结构指数,通过对其进行阈值化并结合形态学处理实现了种植园的自动提取。对多种植模式、背景植被化程度和结构复杂度各不相同的全色和多光谱种植园影像分别设计了3组试验,结果证明,与传统方法相比,本文方法适用性更强,对多方向、多尺度、基元变形、种植线变形、种植模式规律性差、背景高度植被化等诸多复杂的种植园等均能进行有效提取,整体精度达到90%以上。此外,试验结果中,全色影像与多光谱影像精度相当,表明本文方法具有较低的光谱依赖性,因此在数据选择和应用上具有更大的灵活性。     

道路综合特征下高分辨率遥感影像的提取

针对在高分辨率遥感影像中如何提高道路信息提取的准确度和信息量这一问题,通过对影像光谱和纹理特征的分析,将影像特征按照2种光谱特征和3种纹理特征进行分类,进而改善传统的图像分割方法,选择灰度级数和像素对的相对方向、距离和窗口大小作为参数,再通过灰度共生矩阵运算获取影像的纹理信息,通过对这些纹理特征的综合比较分析,最后确定角二阶矩、熵和对比度作为道路纹理特征统计量;再通过对图像像元分析比较,将图像像元标准差和灰度均值作为道路信息提取的光谱特征;在对道路综合特征分析基础上,再通过对遥感图像几何特征分析,最后利用数学形态学的开运算、闭运算、腐蚀、细化等模型算法对遥感图像进行精细化处理,得到道路提取较好的结果。该方法可用于复杂路况的道路信息提取。