高分遥感影像的道路网提取实验设计

为了优化交通信息系统中规模化道路网的提取效果,设计了一套利用高分遥感影像进行道路网自动提取的实验流程。该设计对高分遥感影像进行卷积滤波和线性均衡预处理,使道路轮廓更加清晰;将多尺度分割与最邻近特征算法相结合,进行道路特征的提取;针对初步提取结果中的断裂和边缘不平滑现象,使用形态学闭运算对提取的道路进行连贯性和平滑性优化;对提取的道路进行路网融合,实现道路网信息的有效提取及矢量化。实验结果表明,所设计的实验能达到道路网高精度自动提取,提取的总体精度达到0.95以上,Kappa系数达到了0.967。

视觉认知理论在遥感影像道路网提取中的应用

在遥感影像上,道路被认为是颜色、纹理、形状相似的狭长线状目标,整个道路网在影像上会呈现非常显著的特征,极易引起人眼的注意,称之为感兴趣区域。它是场景中最能引起用户兴趣、体现图像主要内容的区域。视觉认知理论的研究表明:通过视觉注意机制可以模拟人眼的观察过程,找出遥感影像上的显著区域。文章提出应用视觉注意机制辅助遥感影像道路网提取的思想,通过对影像的显著区域进行分析和处理,得到最终的道路网。对比实验表明该算法可以有效地提高道路网提取的准确率和完整性。

国内外遥感影像道路网提取方法研究现状

本文对现阶段国内遥感影像道路网提取现状进行了介绍,介绍了不同算法的特点,为后续道路网提取工作奠定了理论基础。

基于视觉显著性特征的遥感影像道路网提取方法

在遥感影像上,道路被认为是颜色、纹理、形状相似的狭长线状目标,基于此特征可知,整个道路网在影像上会呈现非常显著的特征,极易引起人眼的注意,我们称之为感兴趣区域.感兴趣区域是场景中最能引起用户兴趣、体现图像主要内容的区域,视觉认知理论的研究表明:通过视觉注意机制可以模拟人眼的观察过程,找出遥感影像上的显著区域.本文提出应用视觉注意机制辅助遥感影像道路网提取的思想,通过对影像的显著区域进行分析和处理,得到最终的道路网.对比实验表明该算法可以有效的提高道路网提取的准确率和完整性.

遥感影像道路网提取算法研究现状

遥感影像道路网的提取一直是国内外学者研究的热点,本文详细介绍了目前道路网提取的研究现状,对基于梯度运算和道路骨架线抽取的提取算法、基于高斯尺度空间的边界线提取算法的原理以及提取效果进行了分析和比较,以为下一步研究提供理论支持。

几种道路网提取算法比较

在遥感影像上提取道路网是地图生产和更新的前提,一直是国内外学者研究的热点,本文详细介绍了当前道路网提取的研究现状,对基于ACE的提取算法以及Double-Snakes算法的原理以及提取效果进行了对比和分析,可以为下一步研究提供理论支持。

国外遥感影像道路网提取研究现状

本文对目前国外利用遥感影像进行道路网提取的研究现状进行了介绍,分析了不同算法的特点,为后续进行道路网提取方法研究工作奠定了理论基础。

基于最小二乘匹配影像道路网提取方法

本文利用最小二乘匹配算法进行遥感影像道路网提取,介绍了道路网提取的主要过程,通过对影像进行预处理、种子点选取、最小二乘匹配、道路段筛选和连接来实现道路网的提取。

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。

结合统计和形状特征的高分辨率SAR影像道路网提取

结合高分辨率SAR影像统计特性和道路形状特征,提出一种新的道路网提取方法。首先引入窗口均值改进二值分割,以降低SAR影像固有斑点的噪声影响,针对高分辨率影像中道路呈现为面特征并存在宽度变化的情况,引入VC系数自适应调整窗口大小,从而有效提取可能的道路区域;然后利用道路的形状特征约束,去除非道路区域;最后通过空洞填充、腐蚀和膨胀等数学形态学运算,以及骨骼化和去除多余分支等处理,提取道路网络。实验证实了本文方法的有效性。

基于感知编组的道路网自动提取研究

在简要介绍认知心理学和感知觉理论的基础上 ,提出了道路模型约束下的基于感知编组的道路网自动提取策略 ,其特点是利用全局特征约束条件对道路段局部编组结果进行迭代重组 ,并使用了启发式图搜索法A 算法来辅助道路段的曲线连接 ,从而弥补了局部编组的缺点 。

对偶空间上的高分辨率遥感影像道路提取

道路目标的提取是遥感领域的重要研究内容。针对背景复杂的高分辨率遥感影像,论文提出一种在对偶空间检测道路目标的算法。该算法包含以下步骤:通过投影变换,分别将直线的灰度级标准差及其边缘梯度矢量均值映射到直线方程的对偶空间;在对偶空间上,根据直线的标准差和边缘梯度矢量的峰谷分布规律检测道路目标;根据已检测的目标位置,用搜索和跟踪的手段提取连接道路网。实验结果表明,本方法能够很好的提取各种明暗度及一定曲度的道路目标。

基于D-LinkNet与形态学计算的高分遥感图像车流量监测

针对城市交通路面车流量监测实时性和准确性高的需求,设计了一种利用高分遥感图像进行道路网自动提取和车辆自动监测的处理方法。综合利用D-LinkNet和形态学计算实现道路区域的二值化语义分割及连贯性、边缘扩展以及平滑性优化,同时将道路信息作为掩码并外溢后进行车辆目标检测,有效避免非道路区域车辆目标干扰。提出采用热力图的形式改进车流量监测方法,可以更直观显示道路拥挤程度。综合利用现有数据集对所提方法进行评价,车辆检测的平均精度达91.7%,道路提取平均交并比达85.3%,可以实现道路车流量的有效监测。

高分辨率遥感影像中提取道路网方法综述

高分辨率遥感影像中道路网的提取是智能地物提取和分析的重要方面。针对其特点,介绍了高分辨率遥感影像上道路网提取的基本思想和步骤,从提取要素层次的角度对现有的道路网提取方法进行了分析和综述,并指出当前高分辨率遥感影像道路网提取方法需要进一步解决的遮挡、地物特征类似、地物复杂等问题。展望了未来利用高层次知识、图像融合技术、三维信息等高效提取道路网的可行性。

利用最小二乘匹配算法提取影像道路网

针对遥感影像道路网提取问题,提出了利用最小二乘匹配算法进行道路网智能化提取的思想,通过对影像进行预处理、种子点选取、最小二乘匹配、道路段筛选和连接来实现道路网的提取.利用多组影像进行验证的实验结果显示:该方法能够较好地对道路网进行识别,且具有较好的鲁棒性.

一种高分辨率SAR影像道路提取方法

针对高分辨率SAR影像中细节信息损坏道路的面特征结构、影响道路提取,基于影像统计特征,给出一种结合区域生长和细节信息识别的道路提取方法。该方法通过区域生长提取呈现面特征的暗目标(道路框架),利用CFAR算法识别细节,通过形态学融合得到最终结果。为降低高分辨率影像区域异质性对提取结果影响,提出了一种自适应CFAR算法,相比之前算法可自适应删除干扰点;并引入有效表征影像统计的GA0分布。利用海南省陵水黎族自治县机载X波段高分辨率SAR数据的幅度影像进行实验,结果表明,该方法能有效提取呈面特征的道路,获得准确的道路宽度和中心线信息。