[发明专利]高分辨率遥感影像道路中心线的检测的方法

说明书

技术领域

本发明属于图像处理技术领域，涉及道路网的检测，可用于高分辨率遥感影像道 路网的检测和识别。

背景技术

从遥感影像中提取道路，是图像处理和目标识别中的一项重要的研究课题。道路 信息是卫星影像中一种重要的地理专题信息，不仅在卫星数字图像自动解译方面具有 理论与方法意义，而且可以利用提取的公路信息作为数据源，对地理信息系统数据库 进行广泛更新，广泛应用于国民经济的诸多领域。

从目前的进展来看，道路自动提取还存在很大困难，现有的技术在完整性和正确 性上尚未取得满意的结果，通常需要人工后处理；而且自动提取只是局限在一定范围 内，对于非预期的输入经常导致错误的结果。因此，研究人工干预的半自动方法以便 快速、准确的提取道路是目前较为实际的选择。其中有代表性的方法如下：

Dal Poz A P，Do Vale GM.Dynamic Programming for Semi-Automated Road Extraction From Medium-And High-Resolution Images[J].International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2003， 34：Part 3/W8.提出的动态规划法，该方法导出了道路的一般参数模型，将其表达 成种子点之间的“代价”函数，以动态规划作为确定种子点之间最优路径的计算工具。 动态规划法首先应用在低分辨率影像提取道路中，在该“代价”函数中增加了道路边 缘特征约束条件，使之适用于从中高分辨率影像上提取道路。动态规划法的最大特点 是将道路识别问题转化成一个最优化问题，并且最优化问题的解是用道路上的像元来 描述。此方法的缺点是：需要占用很大的存储空间。

German D B，Jedynak.An active testing model for tracking roads in satellite images[J].IEEE Trans.PAMI，1996，18(1)：1-14.提出了基于主动试 验模型的方法。主动试验模型是Geman和Jedynak提出，并应用于10m分辨率的卫星影 像道路识别。其基本方法是：首先利用初始点和方向获得道路的统计模型特征，建立 主动试验树结构的试验规则和统计模型，并建立决策树；然后，基于决策树，进行道 路跟踪。在中、高分辨率影像中，DalPoz等利用矩形来模拟道路段，采用主动试验策 略提取道路段，再从已提取道路段中提取道路中心线。此方法的缺点是：由于道路边 缘不完整或者道路宽度变化，使得这种方法提取的道路中心线位置不太准确。

STEGER C，MA YER H，RAD IG B.The Role of Grouping for Road Extraction[A]. Automatic Extraction of Manmade Objects from Aerial and Space Images(2)[C]. Basel：Birkhaeuser Verlag，1997.245-255.提出的基于类与模糊集的道路网络提 取方法。该方法的基本思想是利用类及模糊集，提取道路网络，即首先提取影像道路， 然后连接道路，在连接道路的过程中需要利用模糊集理论给出连接的权函数，给出连 接道路的定量评价。试验表明，该方法能够很好地连接复杂地区的主要道路网络，比 一般的道路特征提取更具有一般性，研究的区域也较大，更具有实用性，但该方法的 缺点是：首先需要用合适的提取算法提取出基本的道路，但是寻找合适的提取算法是 比较困难的。