利用高分辨率影像进行道路提取研究.ppt

利用高分辨率影像进行道路提取的研究;研究内容;一、选题的目的和意义;二、课题背景; 乡村或森林地区的道路信息提取，到郊区和城市地区道路信息的提取；从简单的提取方法到复杂的方法；从单一的提取战略到混合的提取战略；从单一数据提取到多源数据融合提取；从单一方法的提取到多种方法提取结果的融合提取；从单一尺度的提取到多尺度或多分辨分析的提取；从基于像元的提取方法到基于特征或面向对象的提取方法。 2.国内外研究状况 国外道路提取方面的研究可以追溯到上个世纪70年代。国内由于遥感技术发展水平有限，起步较晚。利用遥感影像道路提取是一个多科学交叉的领域，它涉及到计算机视觉、计算机图像学、人工智能、模式识别、测绘学和数学等。国内在道路提取方面的研究从20世纪90年代开始进入一个快速发展的时期。国内外相关研究以及涉及的方面非常广，其中相关的图像处理算法上，图像的预处理算法、边缘提取算法、特征提取算法、网状模型、Snakes模型、面向对象的方法等是研究的重点。;四、研究的主要内容和方法; 1.1 基于线状特征的道路信息提取 这种方法利用道路在高分辨率遥感影像上呈现线状特征和具有区域均质性的特性,从追踪道路中心点、道路中心线和道路边缘线的角度出发,提取道路网。在该类方法中主要有Kass和Witkin提出的Snakes方法，Snake模型通过将影像的各种特征表示为能量函数，求取函数值的最小值来提取目标。 Barzohar和Cooper建立道路的宽度、边缘、中心线模型，然后对政府图像进行最大后验估计，最后使用动态估计法得到全局的最优估计。 Movaghati和Moghaddamjoo等使用扩展卡尔曼滤波来追踪道路,然后使用粒子滤波继续追踪道路的分支和障碍点,从而达到道路提取的目的。 除此之外还有使用Hough变法提取曲率较小的线装道路，模板匹配法、动态规划法等方法。;1.2 基于面状特征的道路信息提取 这种方法利用道路在高分辨率遥感影像上呈面状特征和具区域均质性的特性,从全局考虑提取面状道路。常见的方法有面向对象的方法、数学形态的方法、图像分割方法、形状特征提取法、基于知识的方法等。 本次课题研究的重点是使用图像分割法提取道路信息，下。边将做详细介绍。 根据图像分割技术的不同，可以分为阈值法、边缘检测法、统计学方法以及结合区域和边界信息法等。 1.2.1 阈值分割法 阈值分割法是图像分割方法中最简单的一种，也是使用最为广泛的一种，也是本次课题研究的重点。阈值分割不需要先验知识，算法用易且执行快速，当目标区域与背景区域相差较大时，分割效果明显。;阈值分割的基本原理如下： 设原始图像为f(x,y)，分割后的结果为g(x,y)，T为所求的阈值，其分割原理为： (1-1) 由式(1-1)可以知道，在阈值分割中，阈值T的选取是关键，也是难点。如何自动、快速、高效地选取阈值成为阈值分割法的核心内容。 最大类间方差法(Otsu法)是一种很好的单阈值分割方法。它是由日本学者大津(Nobuyuki Otsu)于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法。; Otsu法的基本思想是将图像分割成目标区和背景区两个部分，通过方差来衡量目标与背景之间的差别，使目标和背景两类的类间方差最大的灰度级即认为是最佳阈值。该方法利用图像的一维灰度直方图，算法简单易于处理，所以应用非常广泛。但是由于Otsu法考虑的信息较少，尤其是对噪声非常敏感，在目标和背景差别不大时或者噪声干扰较大时处理效果不佳。基于这一点，研究人员将一维Otsu分割扩展为二维Otsu分割法。二维阈值分割法既考虑了各个像素点的灰度值，又考虑了各像素点临域平均灰度值，这样就减小了噪声的影像。 二维阈值分割技术对信噪比的图像的分割有较好的效果并且抗噪性较好。但是提高维度的缺点就是使得计算变得复杂，实时性差。而后研究人员对其进行改进，使用多种方法改进算法的计算速度。如基于二维直方图的分布特点，将阈值搜索范围缩小在二维直方图的平面投影中与对角线平行的两条线之间，采用递归的方式构建查找表，避免了二维空间中的重复穷举迭代计算，减少了大量冗余操作。这些都在一定程度上减小了计算难度。;1.2.2 其他阈值分割方法 其他的典型的阈值分割方法有最大熵阈值分割法、迭代法、统计法、基于分水岭分割方法、K均值聚类分割方法以及近几年出现的模糊聚类阈值分割法、基于遗传算法的阈值分割等。 最大熵分割方法目前使用较多的是二维最大熵分割法，相对于一维最大熵分割，二维最大熵分割法利用了点灰度特征和区域灰度特征，从而较好的