面向地理国情监测的道路信息半自动提取

针对目前高分辨率遥感影像道路和道路网的提取在自动化程度、效率以及精度方面的不足,结合常态化地理国情监测,提出了一种模板匹配与自适应相结合的半自动道路网提取方法。首先通过模板匹配进行初步提取,再通过人机交互精细化道路初步提取结果,最后使用自适应优化方法对提取的道路边界进行优化,得到与影像套合较好的路网半自动提取结果。     

基于道路网矢量数据的遥感影像道路损毁检测

利用面向对象方法对地震后高分辨率遥感影像上的道路进行多尺度分割和分类.通过融合地震前道路网矢量数据与地震后遥感影像,提出一种基于自适应模板的道路损毁检测方法.试验结果证明,该方法能够快速、准确地对损毁信息进行提取.     

结合矢量引导的高分辨率遥感影像道路自动提取

从高分辨率遥感影像中提取道路信息具有重要的现实意义。针对现有影像分类方法无法直接获取高精度道路网信息及自动化程度低的问题,本文提出了一种基于OSM(OpenStreetMap)矢量路网辅助的道路提取方法,实现了对高分辨率遥感影像道路快速精确的自动提取。首先,采用灰度形态学的腐蚀、膨胀及开闭操作对遥感影像进行预处理;然后通过OSM路网提供的先验信息,对模糊C均值算法进行改进,并将输入的遥感影像粗分为3类;接着以粗分类结果作为分类特征,通过OSM矢量路网自动获取道路样本,使用支持向量机进行精分类,并采用粒子群优化算法选取最优分类参数;最后对分类结果进行形态学后处理,得到精确的道路网信息。利用两组Google Earth影像进行试验,结果表明,本文算法在道路网提取精度上要优于对比算法。     

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。     

基于结构模式的道路网节点匹配方法

针对道路网交叉口的结构形态特点,提出一种基于结构模式的道路网节点匹配方法。首先识别道路网中的复杂道路和交叉口模式来统一道路结构;然后通过道路交叉口的结构化描述,提取每个道路节点的局部网络模式特征;对于待匹配的道路节点,寻找对应结构模式间的最大公共子网,并计算节点之间的形态相似性,在形态相似性的基础上进行道路节点的匹配;最后通过稳健估计的方法剔除错误的结构匹配。试验表明,该方法提取的局部网络结构模式能够有效地用于道路网的匹配,对于数据定位精度差异较大、甚至不同坐标系下的数据都能得到较好的匹配结果。     

融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例

针对城市道路网变形监测存在的高分辨率影像获取难、道路人工提取效率低、传统变形监测工作量大等难题,本文提出了一种基于融合Deep-ResUnet和PS-InSAR的城市道路网形变监测方法。主要思路为：首先对目标区的哨兵-1A(Sentinel-1A)影像数据进行伪彩色变换建立道路数据集;然后训练深度残差网络(Deep-ResUnet)模型并对道路网栅格进行提取;最后利用永久散射体干涉测量(PS-InSAR)技术获取PS点形变信息与道路网栅格融合。研究结果表明,Sentinel-1A影像经过伪彩色处理后,能提高城市道路网提取的完整性,交并比提高6%～9%,道路提取精度平均提高10%左右,得到的城市道路网形变信息专题图能为城市道路变形监测和健康状况评估提供科学依据。     

特征识别、Stroke与极化变换结合的道路网选取

随着城市大比例尺道路网数据库的建设,如何从中派生其他较小比例尺道路网数据库成为重点研究的内容之一.通过道路网的结构特征识别,能够较好地识别其特征目标;Stroke算法能够较好地提取道路网中的主要道路,即能够较好地保留道路网的框架结构;而极化交换能够较好地对离散目标进行选取.因此,把道路网空间结构识别、Stroke和极化变换等有机结合,首先进行道路网预处理,识别特征道路,然后借助Stroke进行主要道路网的识别与选取,最后对剩余较短的离散道路采用极化变换进行选取.实例证明,道路网结构特征识别、Stroke与极化变换的结合,优势互补,对道路网进行自动综合能达到更好的效果.     

基于灰度和方向一致性的遥感影像道路网提取

从遥感影像中提取道路网是一个经典课题,根据遥感影像中的道路具有灰度和方向一致性的特征,提出一种从遥感影像中提取道路网的新方法。首先根据遥感影像的灰度信息和方向方差信息建立灰度和方向一致性准则分割模型,由此可从遥感影像中提取基本的道路网轮廓,然后再针对道路区域存在非道路点:空洞和裂缝等情况,采用膨胀、腐蚀等操作去除杂乱物块,最后通过数学形态学操作提取出道路网。实验结果表明,该方法能够适用道路、建筑物、植被等多种复杂地物的城市遥感影像中提取道路网,且能获得较好地提取效果。     

基于SOM的高分辨率遥感影像道路网自动提取

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。     

城市道路网面域层次结构特征的识别与表达

层次性是道路网一个重要的空间结构特征,文中提出一种城市道路网面域层次结构特征的识别与表达方法。首先以路链为基本单元对道路网数据进行重新组织,选取连通度、接近度、中介度和长度对路链的结构特征重要性进行评价;然后以道路网眼作为表达道路网面域层次结构特征的基本单元,依据路链的属性等级、结构特征重要性以及视觉对称性原则,依次选取路链对道路网最大包络区域进行层次剖分从而获得其包含的各级层次道路网眼;最后利用二叉树模型对道路网眼之间的层次关系和邻接关系进行结构化表达。实验结果表明,所提方法能够完整提取出道路网包含的全部道路网眼并准确建立它们之间的空间关系,其结果能较好地反映道路网面域的层次结构特征。     

一种基于形状特征进行高分辨率遥感影像道路提取方法

提出一种基于局部灰度一致性的图像分割方法并结合形状特征进行道路提取的方法.该方法首先对图像进行分割,对分割结果使用形状特征进行道路段的选择,可以获取直线和曲线道路段,克服了许多方法只能提取直线道路段的缺点,然后在确定的道路段上选择种子点进行区域增长,从而实现自动选取种子点并提取道路网的过程,最后结合边缘信息和形态学方法规整化道路网.提出的方法能适用于高分辨率遥感图像中直线和曲线道路段的提取.经过实验分析和比较证明:该方法对于路面灰度均匀性较好和路面灰度均匀性较差的图片,都达到了较好的效果.     

小比例尺道路网眼约束下的多尺度道路网自动匹配

针对道路网多尺度匹配的问题,提出了一种在小比例尺数据道路网眼约束下的多尺度道路匹配方法。首先,构建两幅不同比例尺数据的道路网眼;其次,在小比例尺道路网眼的约束下,提取出大比例尺道路中由若干道路网眼构成的复合网眼,并完成与小比例尺道路网眼具有多对一和一对一关系的网眼匹配;然后,实现不同比例尺道路网眼的多对多匹配;最后,由复合网眼与小比例尺道路网眼的匹配关系转化为多比例尺道路网眼边界道路之间的匹配和内部道路之间的匹配,完成整个道路网的匹配。试验结果证明,本方法能较好地实现多尺度道路网的匹配。     

结合尺度空间的面向对象高分辨率影像城市道路提取

基于遥感影像的城市道路提取对于城市建设、规划和地图更新等有重要意义。针对高分辨率遥感影像城市道路网的复杂性,结合尺度空间思想提出一种面向对象的城市道路自动提取算法。在此基础上,使用Canny算子获取像元簇梯度图,并进行标记分水岭分割得到区域对象;建立城市道路与几何、光谱特征相关的道路规则,从分割结果中筛选出道路区域对象;使用形态学方法提取道路区域的骨架,并对骨架进行连接、光滑等后处理,最后输出道路网提取结果。实验结果表明,该方法用于复杂城市道路的高精度自动提取,对城市道路网更新有一定参考意义。     

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.     

基于贝叶斯网络的高分辨率遥感影像城区道路检测方法

针对高分辨率遥感影像中的道路网检测的效果不甚理想的现状,提出一种基于贝叶斯网络的道路网检测方法。首先在已有GIS数据的引导下对遥感影像中的道路进行提取,得到大部分未变化的道路边缘信息及疑似道路边缘信息。接着利用贝叶斯网络对道路边缘信息进行判断与推理,从而提取出遥感影像中的道路网,同时得到道路网的变化信息。     

道路密度分区及其在道路选取质量评价中的应用

道路密度信息广泛应用于景观分析、路网规划、城市边界提取与道路网综合等领域。提出了一种道路密度分区方法,该方法首先生成道路交叉点和端点的Voronoi图,然后运用G*i提取局部的Voronoi单元面积的高值聚集区与低值聚集区,最后将95%置信度下的高值区域和低值区域对应的相邻Voronoi单元合并。对Google地图上14级、13级和12级香港的道路网进行了实证研究,结果表明,该方法生成的密度分区大致反映了道路网的疏密,并较好地反映了选取前后各区域道路密度的对比规律。将本文方法与网格密度法进行对比,结果表明本文方法优于网格密度法。     

基于自适应图像分割自动提取道路中心线

道路是城区地理空间信息中最重要的基础设施之一,从高分辨影像中自动、快速的提取道路特征,是快速更新城市道路网信息的重要途径。文中在分析道路基本特征的基础上,选择基于自适应结构元素的形态分析算法提取初始道路区域;引入面积和长宽比等形状指数,得到较精确的道路信息;最后,采用Hilditch细化算法,并进行优化处理。实验证明,该道路提取过程中无需人工设置参数,且能够得到具有较高完整性和正确性的道路中心线。     

基于特征基元的高分辨率遥感影像道路网自动提取技术

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。     

加权网页排序算法在道路网自动选取中的应用

针对现有算法在计算道路网节点重要度时忽略节点间的相互影响以及道路密度引起的重要度异常等问题,提出了一种基于加权网页排序算法的道路网自动提取方法。首先将道路连接成路段,以路段为网络节点,道路交叉作为节点连线,路段长度作为边的权重,将道路网抽象成有向有权图;然后利用加权网页排序算法计算有向有权图节点的重要度,并利用链接作弊检测的方法修正由道路密度引起的节点重要度异常,得到道路节点的最终重要度排序,从而完成道路网的提取。通过真实路网数据进行实验分析,结果表明,相对基于网络中心性的方法,该算法的提取结果能够更好地保留原始路网的密度差异和整体结构。     

SLIC算法和OTSU算法结合的道路提取方法

针对基于像素的道路提取方法的不足,使用一种基于超像素分割算法(Simple Linear Iterative Clustering,SLIC)和自适应阈值分割算法(OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法)相结合的道路提取方法,可以较好地解决在遥感图像中分辨率较高所造成的非道路地物对目标的噪声影响.该方法使用SLIC超像素分割算法对影像进行分割处理,再用改进的K-means聚类算法对分割后的超像素影像进行非监督分类,根据GVI值对分类后的影像中的植被及水体信息进行过滤,对过滤后的影像进行基于OTSU的分割,最后对分割影像进行后处理获得完整道路网.经过定性和定量分析后得出,此方法在道路提取上有较好的表现.