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.     

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.     

GIS与面向对象结合的遥感影像震后损毁道路快速提取

地震是破坏性极强的自然灾害之一,2013年4月20日的雅安芦山地震导致大范围的道路损毁,一度使得宝兴县城成为孤岛,救援很难开展.造成道路损毁的一个主要原因是地震诱发的次生灾害堵塞道路.针对宝兴县道路损毁的现状,本文提出了一种面向对象与GIS空间分析相结合的遥感影像提取方法,在震后短时间内快速提取因次生灾害造成的损毁道路情况,快速及时地确定损毁道路的位置及范围.试验证明,本方法能快速提取次生灾害造成的损毁道路的位置与范围,其与目视解译结果吻合,大大减少了震后影像解译时间,提高了地震应急的效率,可为抗震应急救灾提供决策支持.     

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GIS的道路几何网络数据模型及其应用

道路网络是道路网络分析的空间地理对象,在进行道路网络分析前需要花费大量的时间进行空间网络拓扑关系的建立.从提高数据处理效率、节约存储空间的角度出发,提出基于GIS的道路几何网络矢量数据模型.利用几何网络拓扑关系,提出实现道路网络的自动生成的算法,并把该数据结构模型及算法应用于道路网络分析软件中.     

基于链码优化的SAR影像城市道路网络提取

针对传统的基于局部比率的道路提取算子存在道路展宽与定位精确性差的缺点,通过加入一个修剪窗口进行改进,有助于去除河流、树木等的影响,且得到了细化和定位更加准确的道路图谱.首次将链码用于道路连接表示,定义了链码能量网络,并将道路的先验知识引入,然后在对模拟道路图像线段连接概率分析的基础上得到了链码优化算法.由于该方法采用了分线运算,每次迭代不需要搜索整个道路片段,提高了运算效率.最后将该算法应用于真实SAR影像巾道路网络的提取,证明了它的有效性.     

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.     

POI辅助下的道路选取

针对已有的道路选取方法主要考虑道路的几何和拓扑信息,而未考虑道路邻接的设施点对道路的重要性影响,该文利用POI数据,提出一种顾及道路的几何、拓扑和邻接设施点信息的道路选取方法.该方法借助德尔菲法为不同类型POI打分构建道路上下文特征指标,将其与描述道路结构特征的指标整合求得道路重要性值,进而按照方根模型选取排名在前的道路组成选取后的路网.实验结果表明本文方法选取的路网在保持了原始路网的整体结构、密度分布及连通性的同时,较好地顾及了道路上下文设施对道路重要性的影响.     

Mapinfo中道路拓扑与最优路径的研究

空间数据拓扑关系的建立是Mapinfo平台的薄弱之处,但对于任何GIS来说又是必不可少的.在道路最优路径分析过程中,通过进行道路预处理、道路自动断链、建立拓扑关系等一系列工作,在Mapinfo平台上成功地建立了空间数据的拓扑关系,取得了一些具体的经验.     

一种用于道路网综合的拓扑处理方法

道路数据拓扑化是进行道路自动综合和其他分析、操作的基础.总结了6种实用的线与线之间的空间关系,阐述了道路数据拓扑化的必要性,提出了一种道路数据拓扑化描述的方法,介绍了这种适用于道路网综合的拓扑化处理的基本步骤,并对其中的自动断链技术、结点匹配技术和构建多边形技术进行了详细说明,最后通过实验系统对该方法进行实现,通过实验验证了该方法在理论上是正确的,在实践上是可行的.     

道路特征提取研究进展

道路信息不仅是一种重要的基础地理信息,而且可以作为提取其他地物目标的线索和参考系,从影像中提取道路是一个研究热点,具有很强的现实意义。首先阐述了道路提取的基本思想以及与道路提取有关的背景知识,然后介绍了国内外比较成熟的理论与技术,最后总结并展望了道路提取的发展趋势。     

航拍图像跨数据域特征迁移道路提取方法

针对传统道路提取方法应用于新数据泛化能力不足的问题,研究了通过特征迁移和编解码网络实现跨数据域的道路提取方法。首先,构建了基于编解码网络的道路提取基本模型,用于实现单一数据来源的道路提取任务。然后,基于道路提取网络结构和循环一致性原则,提出了用于跨数据域图像特征迁移的循环生成对抗网络,使目标域图像映射入源域特征空间。使用预训练的道路提取模型处理特征迁移后的目标域图像,即可实现跨数据域道路提取任务。试验结果表明,本文所提方法能够拓展道路提取网络的泛化能力,准确有效地提取跨数据域图像中的道路目标。相较于未特征迁移的结果,本文所提方法大幅改善了道路提取指标,使得F1提升了50%以上。本文方法不需要目标域的标注信息,也不需要对道路提取网络进行微调训练,而只需训练由目标域向源域的特征迁移模型,所耗时间和人力成本较低,因而具有良好的应用价值。     

基于面向对象算法的道路信息提取研究

道路作为重要的基础设施,其信息的快速提取对于地面空间数据库的更新具有重要的理论与现实意义。本文将面向对象的思想引入影像道路分析提取中,按照局部区域与相邻区域的"异质"特征对高分辨率影像进行多尺度分割,产生"同质"像素集,得到最优尺度参数;然后通过探究最优特征组合及最邻近分类提取,面向对象道路提取用户精度可以达到96.5%。通过多次实验对比分析,旨在探索基于面向对象算法道路信息提取的最佳方法。     

多特征约束的高分辨率光学遥感影像道路提取

针对复杂场景中的遥感影像道路提取问题,论文提出了一种多特征约束的影像道路提取方法,并开展了论文方法可行性论证。该方法首先,根据道路宽度的先验知识以及道路的几何特征,提出一种改进的线段二次提取模型,利用线段长度和道路宽度确定候选道路种子点集;其次,输入道路结构信息,基于道路辐射特征对候选道路种子点进行整体匹配评价;再次,当候选道路种子无法符合辐射特征要求时,提出一种浅色机动车检测模型,以此将浅色机动车结果作为道路上下文特征,利用道路上下文特征对候选道路种子点进行分析;然后,构建道路拓扑分析模型,依据道路拓扑特征对候选道路种子点进行最终验证;最后,对提取道路种子点进行优化处理,并提出道路跟踪及拟合方法。通过不同复杂场景、不同分辨率高分辨率遥感影像下开展的不同方法实验结果对比分析表明,相对于其他商用软件ECognition和Erdas的方法,本方法自动化程度更高,运行效率高,适用于解决道路类型多样化、几何光谱噪声大的复杂场景道路提取问题。     

遥感影像中城市道路的提取

阐述了城市遥感影像中道路提取的特点,以及当今道路特征提取的一些研究成果。根据城市道路的特点,设计了根据植被指数先提取道路两旁的植被方法,通过面积阈值和形状指数阈值剔除图斑,以及应用数学形态学,对图像进行细化,可以提取道路目标。实验结果证明这一方法的正确性。     

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。     

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。     

一种高分辨率彩色遥感影像的道路检测方法

提出了一种采用FLD特征抽取分类和形状特征相结合的道路检测方法。首先,对标记的样本进行颜色信息的抽取;其次,利用Fisher线性判别对抽取的信息进行遥感影像特征分类,将影像分为道路和非道路两类;然后根据分类结果进行阈值分割检测初步道路网;最后利用道路的形状特征和形态学处理去除误提的信息优化检测结果。实验证明,该方法可以实现具有颜色信息的遥感影像主干道路的检测。     

改进全卷积网络方法的高分二号影像农村道路提取

针对目前利用高分遥感数据提取农村道路的研究与应用少,提取结果精准度不够的问题,提出了结合空洞卷积和ASPP（Atrous Spatial Pyramid Pooling）结构的改进全卷积农村道路提取网络模型DC-Net（Dilated Convolution Network）。该模型基于全卷积的编解码结构来提取道路深度特征信息,同时针对农村道路细长的特点,在解编码层之间加入了以空洞卷积为基础的ASPP（Atrous Spatial Pyramid Pooling）结构来提取道路的多尺度特征信息,在不牺牲特征空间分辨率的同时扩大了特征感受野FOV（Field-of-View）,从而提高细窄农村道路的识别率。以长株潭城市群郊区部分区域为试验对象,以高分二号国产卫星遥感影像为实验数据,将本文提出的方法与经典的几种全卷积网络方法进行实验结果对比分析。实验结果表明：（1）本文所提出的道路提取模型DC-Net在农村道路的提取上具有可行性,整体提取平均精度达到98.72%,具有较高的提取精度;（2）对比几种经典的全卷积网络模型在农村道路提取上的效果,DC-Net在农村道路提取的精度和连结性、以及树木和阴影的遮挡方面,均表现出了较好的提取结果;（3）本文提出的改进全卷积网络道路提取模型能够有效地提取高分辨率遥感影像中农村道路的特征信息,总体提取效果较好,为提高基于国产高分影像的农村道路提取精度提供了一种新的思路和方法。     

一种改进的融合不同尺度特征的遥感影像道路提取新方法

针对高分辨率遥感影像中细小道路纹理特征不明显、信息提取困难的问题,本文提出并实现了一种融合不同尺度特征的深度学习道路提取新方法。首先引入CoT模块构建残差网络,以充分利用局部与全局上下文信息提取不同尺度道路特征;然后构建特征金字塔注意力模块,融合不同层级道路特征信息;最后使用全局注意力上采样模块结合全局背景对道路细节进行恢复。试验结果表明,该方法的召回率、交并比均优于已有方法,能够较完整准确地提取遥感影像中的道路信息,提升道路提取效率。