基于Hough变换和路径形态学的城区道路提取

针对高分辨率遥感影像上城区道路的特点,提出一种基于Hough变换和路径形态学的高分辨率遥感影像城区道路提取方法。用Hough变换检测主要道路的方向及长度,建立邻接图,根据邻接图确定路径的方向和长度,将这些确定的路径看作狭长但并非完全笔直的结构元素。实验结果表明,该方法不仅能够检测出直线道路信息,还能检测出宽的弯曲的道路及细长的曲率比较小的道路信息。

利用概率增进树和路径形态学的遥感道路条带提取

针对高分辨率遥感影像复杂道路提取难题,提出一种利用概率增进树和路径形态学的遥感道路条带提取方法。通过一维Gabor滤波器提取道路角度纹理特征,融合光谱特征构建特征矢量。设计训练样本数据集,利用概率增进树算法提取道路候选点。针对具有一定曲率的复杂道路,兼顾直线和弯曲道路,设计4个主方向邻接图检测线状或条带状道路,改进二值路径形态学为概率路径形态学剔除大多数非道路点。针对小面积噪声和条带孔洞问题,采用数学形态学的方法弥补条带孔洞,得到完整道路条带。结果表明:提取道路条带的准确率达到了88.99%,提取结果较为理想。

基于随机投影深度函数的非典型道路中心线提取

提出一种结合随机投影深度函数和路径形态学的非典型道路中心线提取方法.随机投影深度函数可有效区分RGB彩色空间中数据集的数据中心与离群值,从而充分利用非典型道路光谱特征的异质性及其与图像背景光谱特征的差异性来凸显具有离群值光谱特征的道路.利用随机投影深度函数对彩色遥感图像进行由中心向外的排序,生成深度场图像,并采用直方图阈值分割方法二值化深度场图像;利用路径形态学粗提取道路区域,去除独立斑块、连接断路来精细化道路区域;利用形态学细化操作提取道路中心线,并去除细枝以得到精准的道路中心线.实验采用Ikonos和ZY-3图像,结果表明:该方法可有效提取非典型道路中心线,其提取道路中心线的完整率、正确率和检测质量平均达到94.31%,94.16%和90.02%.

高分辨率遥感图像的道路自动提取

提出了一种基于路径的数学形态学去噪的方法,能够在保留道路原有特征的同时,滤除掉绝大部分的干扰信息,便于后续的道路网提取。首先,通过基于路径形态学的闭运算,剔除图像中深暗的阴影、土地等背景。然后,利用基于路径形态学的开运算,剔除掉图像中高亮的建筑物、车辆等背景干扰。最后在去噪的的结果上,采用Gabor线性滤波器实现道路网的高精度提取。实验证明,该图像去噪的方法能够有效地提高道路提取的精度、鲁棒性和稳定性较高,适用于不同场景的高分辨遥感道路影像。