高分辨率遥感影像中道路提取方法的研究-计算机应用技术专业论文.docxVIP

西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 PAGE PAGE 10 PAGE PAGE 17 1.2 遥感影像道路网络提取国内外研究现状 国际上首 次针对遥感影像中提取道路网络的研究大约是在 三十 多年前，现今 遥感影像道路特征提取己成为非常活跃的研究领域，众多学者从不同的角度、不 同的领域应用不同方法对 这一难题进行了深入研究 [13]，汇聚了多学科知识的精华， 提出了许多有价值的模 型和方法[例 。国内外也成立了许多专门从事这一领域的研 究机构和研究项目 ，如美国 的 MCkeown 实验室、瑞士的Amobe项 目和 ETH 、德 国的波恩大学 、加拿大的约克大学 、法国 的地理院 (IGN) 和瑞士的苏黎世联邦工 学院等 ，我国国内也加大了在这方面的研究工作 ，如武汉大 学、清华大学、国防 科技大学、以及中国科学院等机构或学校在这方面都做了许多的 工作，研究出了 有一定实际应用价值的成果 。 目前出现的多种道路提取方法和l棋型实质上是对影像从不同角度(影像分辨 率、道路区域、道路类型)进行分析在各个 层次采取不同措施而 产生的，它反映了 测绘学科与计算机图形学、模式识别、人工智能、数学等学科的结合 。常见的方 法很多 ，我们根据提取的自动化程度这一方面将道路提取方法 分为两大类 : 自?)iJ 特征提取方法和 半自动特征提取方法 。下面是对这 些提取方法的详细 介绍。 1.2.1 半自?)iJ 道路特征提取 采取半自动特征提取方法的步骤是首先用人 工交互方式选取道路提取初始种 子点 ，再根据道路相关特征由计算机设计最 优算法提取道路信息。下面 介绍具有 代表性的几种 半自动道路提取方法 : 1. 基于道路特征的相关性对道路进行边缘检测及追踪 该方法人工给出起始点、初始方向和l道路宽度，自动进行边缘跟踪，算法终 止于无边缘处作为新的起点 。以 Wolf-Die ter Groch 等人提出来的方法为例闷，先局 部检测再追踪检测道路中钱 。在此基础上其他学者又引进新模型或者将算法延伸， 得到许多新的方法。 Quam[71由垂直于道路方 向截丽的相关峰值得到道路棋型匹配 的最佳位置，即下一个种子点 。R.Nevat凶 手n K.R.Babu(8) 以提取道路边缘梯度方向 处相对平行的地方，再根据确定的梯度幅度阔值确定近似方向的种子点，将这些 点连接成线，最后得到相对平行的线对 。 2 基于像索与背最的算子模型计算方法 [9.13) 该方法根据影像中道路和l背最各自不同的特征 ，结合种子点及其周围 邻域以 及种子初始方 向进行种子扩散 ，最后将判别为道路的像索进行连接形成道路网 。 Barzohar and Cooper(13]首先利用道路的中心线、灰度和 l边缘这几个影像因 子建立提 取模型，然后利用相关算法对整幅闺中得到的每个目标窗口作最大后验估计运算， 最后来用动态规划法从候选数据中得到全局的最优估计，即需要提取的道路线。 FA meri ，AM Mobarak i[14]利用道路部分与道路相邻区域的灰皮 差异性 ，采用聚类 方法对阁像像索进行均值划分，再使用形态 学滤波对通 过 C 均值聚类方法获得道 路中心节点进行滤波，提取出目标道路中 心线向盐。 3. Snakes 和 Active Contour(主动轮廓)棋型算法 (15) ?此算法采用能 iA 函数表征遥感影像 的灰皮梯度并结合影像的连续性、平滑性 等特性求得能够满足自‘klJì 函数的极值点 ，这些极值点的连线就是要获取 的道路 目 标。 Trinderl l6 17)使用计算机视觉中的 snake 或 ActiveContour 棋型对 经边缘检测后 的道路图像进行建棋，然后再进行曲线滤波，求取道路线。 Xutong Niu(18)也是基于 ActiveContour 棋型，对在影像道路区域中 人工选取的种子点进行区域生长 ，逐渐 将道路轮廓扩展至边缘线，获得要提取的道路线。 ? 4. 最小二乘 B 样条 Snakes(LSB-Snakes)棋型算法或动态规划法 根据人工选取 的种子点初始位置使用最 小二乘法构造 B 样条曲线，再结合 Sn akes 方法对道路特征进行判 断，最终获得要提取的道路中心线 。Gruen[19，20)对人 工选取 的有限个初始利s子点采用动 态规划法和最小 二乘 B 样条曲线方法来自动获 取道路的线性特征。此方法对低分辨率遥感影像的道路提取有较好的效果。 5 基于棋板匹配和神经网络研究算 法 [21] 该方法在选取初始利子点后，力 u入了人工神经网络来确定最优匹配种子点。 M.Mokh larzade 和