道路提取 文献翻译.docVIP

高分辨率遥感影像的道路半自动提取：回顾与展望 沈阳航空工业学院 沈阳，中国 ly; xulili1215@; shenyi831122@163.com 摘要：道路提取是高分辨率遥感信息提取中的最活跃的研究领域之一，遥感图像不仅具有重大的理论价值，而且应用前景广阔 。本文介绍了一般的半自动道路提取方法，最新的研究工作和来自世界各地的典型方法，并分析其特点，最后对半自动道路提取研究的研究领域提出建议 关键词：高分辨率、遥感影像、 道路提取;回顾;前景 I．介绍 随着计算机技术和通信技术的飞速发展，快速获取和更新地理信息系统的要求越来越迫切。道路是非常重要的基础地理信息，道路提取对地理信息系统的发展产生了很大的影响。同时，随着传感器技术的发展，商业的空间高分辨率的卫星图像（IKONOS卫星，快鸟）已被广泛使用。这对遥感图像信息提取提供了更大的可能性和更高的精度。道路提取是遥感图像信息提取的重要组成部分，对GIS数据更新，图像匹配，目标检测 ，数字制图自动化等具有重要意义。从目前的研究状况看，道路自动提取非常困难。目前的技术尚未提供完整性和有效性都令人满意的结果，通常需要后处理手段。自动提取被限制在一定的范围内，无规律的输入，往往会导致错误的结果[1]。因此，研究人工干预的半自动方法快速，准确地提取道路，是一个更实际的选择。这使得从遥感影像上半自动提取道路成为一个主要的研究重点。 本文从遥感影像的道路特点，给出了有关目前道路半自动提取方法的基本思路和方法的讨论。它也分析和总结了近年来的半自动提取的研究结果，并分析了道路提取进一步的发展前景。 II．道路检测 影像特征是由于景物的物理与几何特性使影像中局部区域的灰度产生明显变化而形成的。因而特征的存在意味着在该局部区域中有较大的信息量， 而在影像中没有特征的区域， 应当只有较小的信息量。 A．道路的基本特征如下： 几何特征：在高分辨率影像上， 道路呈长条状， 其长度远大于其宽度， 道路的宽度变化比较小，曲率有一定的限制； 辐射特征：有两条明显的边缘线，内部灰度变化比较均匀、与相邻区域灰度反差较大； 拓扑特征：道路是相连的，并不会突然中断，从而形成网络状； 上下文特性：上下文特征指的是道路相关的特征与信息，如道路旁的建筑物和行道树，还包含如是城市道路还是乡村道路的全局上下文信息。 道路提取结果不仅依赖于所采用的策略和方法， 而且与图像的类型有关。在高分辨率遥感影像，由于路边树木，房屋，汽车等影响因素的存在，道路表面形式的复杂，使得精确地提取道路这个过程增加了一个难度。因此，在高分辨率遥感影像，应结合道路特征进行道路提取。 B．道路提取的基本过程 影像特征的提取，即从影像中提取有用的信息和视觉特征。按照Marr 视觉理论，视觉从最初的原始数据(2维影像数据) 到最终对3维环境的表达经历了3 个层次: 要素图：它包含图像边缘点、线段、顶点、纹理等基本几何特征组成，这个层次称为低层次处理。 2.5维图：它是要素图与3维图像模型之间中间表示层次，包含物体表面的局部内在特征，这个层次称为中层次处理。 3 维图：以物体为中心的3 维描述，它是由要素图与2.5维图得到的。它包含对物体的理解、识别等，这个层次称为高层次处理。 与其他特征提取一样，道路特征提取同样遵循Marr视觉理论。道路特征提取应该在低、中、高三个层次上进行。道路特征提取一般方法主要分以下阶段， 如图1 所示。 图1一般道路提取阶段 从不同的角度分析图像，并采取适当的算法，每个级别可以得到不同的特征提取方法。根据自动化程度，可分为自动提取和半自动提取。本文侧重于人工干预的半自动道路提取方法。 III.半自动道路提取研究 半自动道路特征提取即利用人机交互的形式进行特征提取和识别。道路提取的常用方法包括：根据道路的特征进行道路中心线提取和道路区域特征提取。道路中心线提取的基本思想是：用户提供初始道路点(种子点)，有时还提供初始方向，然后再由计算机进行处理识别， 同时适当进行人机交互。道路区域特征提取是基于图像频谱和线性特征结合分类和数学模式提取道路的一种方法。半自动道路提取的研究已经取得了很多的好成绩。 A．道路中心线提取 道路中心线，可以被看作是周围亮度模式的线性特性。这种线性特征消失在路的交叉口，有时它可以涵盖大型建筑物，车辆或其他障碍物的阴影。此外，道路中心线的亮度模式将保持相似。我们可以看到，道路中心线是由许多短直线链接而成的曲线，因为大多数的道路是平坦的，方向不能突然改变。然后，我们将道路中心线提取转换成直线提取，降低了难度。中心线提取可分为两类：一类是通过跟踪给定的初始点和方向取得[3-12]。这种方法有模板匹配法[3-8]主动测试模式的方法[9-12]。另一种提取中心线是给予一系列种子点[14-25]。