基于高分辨率遥感图像的道路提取研究

道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要。目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大。文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究。首先对高分辨遥感图进行预处理,然后对图像进行特征提取,利用BP神经网络对特征进行训练,最后将需要道路提取的高分辨率遥感图区域分割。对每一个区域进行目标检测时,去除图像中非道路区域,并利用形态学方法提取出区域中的道路信息。实验表明,该方法在应对建筑物、植被等对道路提取有干扰时,识别效率明显提升。