高分辨率遥感影像城区道路提取方法分析-土壤学专业论文.docxVIP

华中科技大学硕士学位论文 华 中 科 技 大 学 硕 士 学 位 论 文 PAGE 1 PAGE 1 1 绪 论 1.1 研究背景和意义 遥感技术是一门综合性的对地观测技术,由于通过遥感技术获取的影像具有信息 量大、地域覆盖范围广等特点,因而被广泛应用于国民经济的诸多领域。随着航空航 天技术以及通信技术等相关领域的技术发展，新一代具有高空间分辨率的传感器相继 出现，使得全天候、大面积的获得地球表面信息成为可能，遥感技术也逐渐成为人类 获取空间信息的重要手段。 虽然各种传感器为我们提供了大量具有高清晰度和实时性强的数据，但是如何处 理这些数据并提取出感兴趣信息的遥感影像目标提取技术发展却相对滞后。分辨率的 提高使得地物的细节信息更加丰富，地物目标也越来越多，这使得目标背景信息更加 复杂，噪声干扰更加严重，同时同物异谱和同谱异物的现象也更加明显，传统的针对 中低分辨率的目标提取技术已不能适应地物特征更加复杂化与细节化的高分辨率遥 感影像。 道路是一种重要的人工地物，作为城区的骨架，它的自动识别与信息更新对城市 规划、交通管理等都有非常重要的意义。但由于道路在高分辨率遥感影像中的表现形 式比较复杂，主要表现为：主干道与次干道的宽度不一；不同的道路段之间由于材质 的不同呈现不同的光谱特征；城区背景下会存在部分与道路光谱特征相似的地物；路 面噪声包括建筑物和树木的阴影以及路面上的轨道线、汽车的影响更加严重，这些因 素使高分辨率下道路的自动提取工作变得更加困难，目前大多数道路提取技术都采用 半自动的方式来进行，且多数还存在算法稳健性差、识别精度不高等问题，因此研究 高分辨率下城区道路的提取问题仍有十分重要的意义。 1.2 国内外研究现状 经过几十年发展，已有不少的研究者从不同的角度出发对遥感图像道路信息提取 问题的提出了解决方案，在理论与实践上都取得较大的进展，但这些方法大多是针对 特定的应用场合，且不同的分辨率下道路往往呈现出不同的形态与特性，使得目前还 没有比较成熟的、通用的道路提取方法。 根据道路提取中人工介入程度的不同，可以将现有的方法大致半自动法和自动法 两大类。半自动法一般要人工给出道路的种子点，然后根据不同方法来拓展道路种子 点以达到道路提取的目的，其中有代表性的方法有基于基于 Snake 模型的方法[1-4]、基 于模板匹配[5-8]、基于动态规划法[9-11]的方法等，这类方法一般只利用到道路的光谱特 征和几何特征（线状或条带状）两方面的特征；没有人工参与的道路提取技术没有通 用的模型，它一般要涉及到多方面技术的综合利用以及道路多方面特征的综合应用， 多尺度[12]、面向对象[13-15]等技术曾被应用到道路的自动提取中。下文对近几年出现的 一些新方法进行介绍： （1）Park[16]提出了一种用于检测道路中心线的半自动道路提取法，该方法首先利 用预定义的道路段模板在道路种子点处沿不同的方向进行匹配，然后再对匹配系数进 行进行阈值分割以找出下一个道路片段种子点，如此反复进行完成道路中心线的跟 踪。 （2）Descombes[17]等将标记点随机过程理论用于道路的提取工作中，此方法把道 路段视作一个标记点，由道路段的几何模型来定义这些点的空间位置和属性，然后通 过对该标记点过程进行模拟退火实现道路网的提取。 （3） Renaud[18]针对基于传统的 Snake 模型来提取道路中出现的问题，该用 Double Snake 模型来提取道路的边缘，在噪声干扰不大的情况下可以取得较好的提取效果。 （4）Liang[19]等人根据高分辨率下主要道路的区域轮廓、分道线轮廓等都与主要 道路方向一致的特性，提出了一个新的概念对称边缘方向直方图（SEOH）来描述道 路。文章利用 FCM 算法分块后每一块的 SEOH 进行分类，从而提取出主要道路片段。 但由于噪声的影响会出现道路位置不准确的情况，针对这个问题，唐亮[20] 、黄建军[21] 在提取出主要道路段的基础上利用 Snake 模型连接道路段以提取出完整的道路信息， 同时改善了道路不平滑现象。 （5）Long[22]提出了一种用于提取道路区域信息的道路检测方法，此法首先对图像 滤波，然后利用 Mean Shift 算法对图像进行分割，并对分割后的图像进行二值化处理 从而提取出道路区域，此方法适用于从复杂背景中提取路面噪声较少且路面灰度比较 均匀的道路。 （6）龙辉[23]将城区道路的提取分为主宽路和次宽路的提取两部分，文章首先遥感 影像进行分割，然后根据典型道路段的几何灰度特征提取出主宽路片段，最后以这些 道路片段为种子点进行匹配跟踪以提取出主宽路网络。对次宽路的提取则先通过海塞 矩阵的二阶导数脊检测算法来得到初始的道路中心线，并利用随机点过程来模拟道路