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。     

一种自适应道路提取方法

对自适应道路提取方法进行研究,使用道路矢量线作为先验知识进行自适应区域扩充。与人工提取和易康自动提取结果进行比较,矢量参与的自适应道路提取方法精度较高,接近于人工解译的结果。当输入道路网矢量数据时,无需输入参数、无需人工干预,即可自适应地提取道路网面状矢量,算法的鲁棒性较好,无论是公路、城市道路还是乡村道路均有较好的适应性。     

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。     

基于角度纹理特征和岔路口探测模型自动提取遥感影像道路网

针对已有的高分辨率遥感影像道路提取算法在自动化和连贯性方面的不足,提出了一种改进的道路网智能提取方法。使用传统的模板匹配等方法进行道路追踪提取时,无法识别岔路口,需要用户进行交互操作才能让追踪朝各支路方向继续进行。针对此问题,本文提出一种岔路口探测模型,用于识别岔路并通过获取到的岔路口信息自动指导各个支路的后续追踪。将该岔路模型有机结合到已有角度纹理特征匹配算法中,使相互连通的道路仅通过一次初始点设定便能全部追踪提取出来,极大地增强了提取的自动化程度。试验表明本算法是一种稳健的道路准自动提取算法。     

基于遥感影像的地图道路网数据变化检测研究

在遥感影像和地图道路网数据精确配准的基础上,提出了利用缓冲区约束下的、基于知识判断的多尺度模板匹配方法检测变化的道路,对旧地图中的道路变化情况自动检测;采用自动赋初值的LSB-Snake模型半自动检测新增道路.实验表明,所提出的方法可以有效地检测道路变化,达到较高的自动化程度.     

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.     

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.     

TM影像与GIS矢量数据的自动配准

介绍了一种新的基于信息融合的TM影像和GIS矢量数据自动配准方法。首先建立TM影像和GIS矢量数据的近似变换关系,在此基础上以矢量地图上的信息(水系、道路网等)为先验知识,利用多尺度模板匹配法对TM影像中的线状信息进行自动提取。把自动提取的结果作为像方观测,矢量地图数据作为地面观测,通过广义点摄影测量原理和方法,解算出TM影像的外参数,实现新的TM影像和旧的GIS矢量数据的自动配准。实验结果表明,一般情况下,本文方法达到了像素级精度,且大大提高了工作效率。     

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。     

曲折道路遥感影像圆投影匹配改进追踪法

道路提取是遥感信息提取的重点和难点。曲折道路（如盘山公路等）方向突变现象严重,当道路的宽度有变化或受到阴影、杂物遮挡等干扰时,其提取难度进一步增大。针对该问题,本文提出一种基于改进圆投影匹配的曲折道路自动追踪方法。首先,对标准圆投影匹配进行改进,包括：（1）提出圆投影向量近似度参数,实现对圆投影模板离散近似程度和计算量的控制;提出圆投影模板最优半径确定方法,以保证获得最大道路特征条件下,减少模板匹配计算量;（2）引入干扰校正算法,在一定程度上克服了由于光照、噪声等因素造成匹配困难的问题;其次,提出基于改进圆投影匹配的道路追踪方法,并在模板匹配过程中加入自适应机制,即将已匹配道路按照一定的权重参与后续模板匹配,一定程度上克服道路形态的变化和干扰。最后,以曲折道路特征突出的山区遥感影像SPOT-5和GeoEye-1进行道路提取实验。实验结果表明,采用提出的基于改进圆投影匹配的道路追踪算法具有方向无关的特点,适用于曲折道路遥感提取。对道路中心线的提取误差约2~5m,提取准确率高于80%。     

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。     

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。     

航空影像上道路中心线的半自动提取算法研究

提出了一种新的从航空影像上提取道路中心线的半自动方法。该方法利用道路地物的几何特征和辐射特征,根据用户提供的少量道路种子点,利用自适应灰度模板对道路中心线上的每个点进行调整,最后采用最小二乘算法和牛顿迭代法对调整后的道路中心线上的每个点进行拟合,以此获得趋近于道路中心线的最佳折线。试验结果证明,该算法简单易行、效率较高．具有较好的鲁棒性和实用性。     

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.     

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。     

多特征、多方法融合的高分辨率影像道路网提取

高分辨率影像上道路表现为宽度近似不变的条带状同质区域。根据此特征,提出了一种融合多特征、多方法的高分辨率影像道路网自动提取方法。该算法首先采用均值漂移聚类对图像稳态点图进行分类;然后运用Gabor滤波及张量编码,以线性显著性最大为准则识别道路中心点类;最后,运用张量投票和连通成分分析完成道路段连接及道路网组网。试验结果表明该方法能够准确、完整地提取高分辨率影像上道路网,提取的完备性和准确度优于对比算法。     

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。