道路提取.pptVIP

利用高分辨率遥感影像进行道路提取 高分辨率影像的特点 高分辨率影像的显著特点就是高空间分辨率和高时间分辨率。 高空间分辨率：指的是空间分辨率在5m甚至1m一下。可以显示更多的地物信息。 高时间分辨率：一般指卫星都是近极轨太阳同步卫星，这样就使得采样周期变短，捕捉信息快速，效率更高。 不同分辨率遥感影像上道路特征 中低分辨率影像 由于中低分辨率影像的分辨率的一般都在20m以上，所以可以现实的地物细节不多。地物清晰度低，道路在影像上的灰度基本一致，与周围地物具有明显的差异。在图像上能够利用道路影像只是一些结构简单的道路，对于城市复杂的道路低分率影像无法满足要求。（图1） 高分辨率影像 与中低分辨率影响相比，高分辨率影像由于空间分辨率增加（一般在1m一下），所以能够显示的地物信息更加丰富，可以显示更多的细节信息。可以提供大量的高精度的数据。（图2） 图1 低分辨率道路影像 图1显示的是低分辨率影像。图1仅能显示位于山间的比较宽的主路，位于右下角的村庄里的小路无法显示出细节。 图2 高分辨率道路影像 图2的航测影像来自于英国Bluesky公司，该公司以航拍、GIS/GPS相关业务为主。 图3 放大的影像 高分辨率影像中道路的特征 遥感影像中的道路特征与其本身的材质和线状信息有关，此外，在不同的分辨率的影像中道路的特征也是有所不同的。遥感影像中道路的特征主要有以下几点： ①几何特征：在遥感影像中，道路一般变现出具有一定宽度和长度的带状区域。在一定的区域内，道路的宽度是一定的，并且转向的弯曲度变化缓慢。 ②辐射特征：理想条件下，道路在影像上所变现出来的灰度基本是一致的或者在很小的范围内变化。但是现实中，由于道路两旁的植物以及道路内的车辆、行人等的影像，会使道路在影像上的灰度不均匀。这将不利于道路的提取。 ③拓扑特征：理想条件下,各道路相互连通,形成道路网,各道路仅存在两种可能性:一种是与另外一条道路相交;另外一种就是由于单幅影像的覆盖范围有限,道路直接延伸到影像的边界外。 ④上下文特征:上下文特征是指与道路相关的特征和信息，上下文信息包含全局意义上和局部意义上两类。全局意义上,上下文特征提供了全局范围的信息。局部意义上,上下文特征提供局部范围内的信息。 ⑤功能特征:与铁路、水路、航空和管道等组成运输网络,起到运输的作用，一般都具有指向,将乡村、城市、厂矿等联系起来。 基于以上的道路特征，在进行道路提取是能够利用的道路特征主要是集合特征和辐射特征。辐射特征是一个很好用的识别特征，但是其他地物的干扰会影响到道路的灰度信息。所以在影像的预处理时要尽可能的剔除掉无用的噪声，然后结合道路的几何特征提取道路。 国际摄影测量遥感大会 国内外的研究现状 20世纪70年代，国外一些国家的机构和学者就对道路提取进行了研究。国内起步比较晚，经过几十年的努力，针对不同影像、不同空间分辨率、不同的道路模型等，出现了许多新的理论和技术。由于遥感影像尤其是高分辨率的遥感影像的目标细节的复杂性，现有的道路提取算法通用性差，仅仅能运用与某些特定的场合，在自动道路提取技术上不是很成熟。 道路提取的一些典型算法 1)基于线状特征的道路提取方法：这种方法主要是利用影像上道路的线状特征和区域均质性特征提取道路。典型的算法有：Snake模型方法、动态规划方法、模板匹配方法、Hough变换方法等。 2)基于面状特征提取的方法:常用的算法有面向对象的方法,数学形态学的方法,图像分割方法,形状特征提取的方法,基于知识的方法等。 3)基于线状特征与面状特征相结合的方法。 ※这里主要想利用图像的分割方法提取道路。 利用遥感高分辨率影像提取道路的流程 影像预处理流程 影像预处理 影像校正 影像增强 几何校正 辐射校正 空间域增强 频率域增强 遥感影像道路提取方法 在遥感影像中对道路进行提取主要是利用了道路的线状特征和辐射特征。线状特征也就是道路影像所表现出来的在一定区域内具有一定宽度和长度，并且转向的弯曲度变化较小。但是在大多数城市中，尤其是一些大城市，道路错综复杂，路宽也是不定，道路两侧的建筑物、植物阴影也是提取道路的一大障碍。而在乡村、城镇一些小的地方，由于道路较少，直线较多，周边的干扰也比较少，所以相对城市来说提取困难要小一些。 针对以上的一些困难，若是想能够得到好的道路信息，更需要在把重点放在影像的预处理阶段，如何滤除掉无用的信息以及增强感兴趣的信息尤为重要。 在影像的预处理阶段，暂不讨论影像的校正问题。重点是在影像的增强和影像分割上。例如常用的空间域增强方法：直方图均衡化，图像的直方图均衡化处理可以