分析基于遥感图像基础上城市道路自动测绘方法.docVIP

分析基于遥感图像基础上城市道路自动测绘方法 　　摘要：按照构建对象网络、对象概率标记、空间平滑纠正、矢量标绘测量四个步骤分别对利用遥感图像测绘城市道路的方法进行了研究，同时对其研究结果进行了阐述，并对此方法的广泛应用和继续挖掘提出了期望。 　　关键词：遥感图像；城市道路自动测绘方法；分析 　　Abstract: according to the network, constructing object object space smooth correct probability mark, which, vector and measuring four steps of remote sensing image respectively on surveying and mapping city road the methods of study, at the same time for the research results were introduced, and the wide application of this method and continue to dig gives expectations. 　　Keywords: remote sensing image; City road to be automatic surveying and mapping method; analysis 　　中图分类号：P627文献标识码： A 文章编号： 　　城市道路规划建设环境复杂，因此在使用遥感图像对城市道路测绘时就遇到了诸多困难，比如背景噪音较多，目标边界模糊，以及道路周边建筑物、树木以及车辆的阴影遮挡等都会导致导致测绘中断，因此在实际中经常出现GIS数字地图与实际道路情况不符，所以，要有效地完成遥感图像在城市道路测绘中的应用，必须基于遥感图像创建一种新的方法。 　　一、分析遥感图像的测绘方法的研究方法 　　研究基于遥感图像的城市道路自动测绘方法的方法，即完成构建对象网络、对象概率标记、空间平滑纠正、矢量标绘测量4部分，找到处理好每一个步骤的方法，即可达到遥感图像对城市道路测绘的要求，具体研究方法如下： 　　1、构建对象网络 　　构建对象网络是利用遥感图像测绘城市道路的首要步骤，其步骤处理的好坏直接影响整个测绘过程，其目的即为了实现遥感图像结构的完整和清晰。一般情况下，遥感图像中道路目标的内部区域分布均匀，矛盾大都集中在边缘部分，比如存在干扰噪音或建筑、树木等造成的特征差异明显等情况，这直接影响了图像处理的精度。 　　鉴于此，为改变边缘地区图像与内部区域特征差异明显的情况，可对遥感图像进行多尺度的划分，并对对象进行间空间关系的分析，以此来构建对象网络，进而达到可完整表达图像层次结构???目的，为后续工作打下良好的基础。 　　多尺度划分，即是对每一尺度进行分割、再分割的过程，而且每个尺度划分都代表对图像的一次分割，而在此基础上的下级尺度划分即是对其上级尺度的再分割。当所有划分的尺度合并归总，即得到了精度较高、描述准确的区域图像，而且区域间的空间关系也一并清晰地展现出来。 　　在具体的多尺度分割过程中，笔者建议使用Pyramid-cut算法进行。因为，此算法在传统Normalized-cut算法的基础上增设了多尺度序列，将图像表达设置成了金字塔式结构，较大地提高了分割效率。具体结构即金字塔塔尖为图像的整体，塔底层为图像所需的各种像素，中间众多层（假设有L层）的尺度序列以尺度因子r自上而下逐层递减。因为，尺度越小精度越高，代表性也就越强，因此，在分割中，应按照递减顺序逐层实现图像的最优划分，进而实现图像整体的最优化，即从第一层开始分割，然后对该图层采用Normalized-cut 算法进行再分割，形成若干个小对象，进而将这些小对象组成下一层的图层，以此类推逐层处理。如此，分割算法便对图像实现了最优化处理，基本消除了背景复杂、边界模糊的情况，有效地降低了周围噪声的干扰，同时也保证了小尺度对象始终位于高层次的大尺度对象范围内，避免了小边界重叠或交叉情况的出现，从而达到了道路目标对象与非目标对象良好区分的目的。 　　应注意的是，在对中间部门的某层（X层）进行分割时，应将分割算法与尺度因子进行关联，并通过相应的公式=a·公式进行计算，其中X=2,3，……，X；表示第X层的分割对象数，可由待处理图像的长、宽像素通过上取整高斯函数方法获得。 　　除此之外，为了构建完整的对象网络，还应对各层次对象间的空间关系进行必要的分析，即根据同层对象间的相对位置，建立与之对应的相邻或包含等方式的拓扑关系，在上下相邻的图层间，建立父对象与子对象间的、一对多的继承关系，如此所有对象即可有效的关联在一起，形成