[发明专利]基于改进C-V模型的遥感图路网提取方法

说明书

技术领域

本发明涉及一种基于C-V模型的遥感图路网提取方法，属于高分辨率卫星遥感影像处理与信息提取应用领域。

背景技术

随着我国社会经济的快速发展，城市化进程不断加快，城市人口和机动车拥有量持续增加，交通运输需求和城市道路条件能力之间的矛盾日益突出。目前，我国很多城市交通拥堵现象以及由此衍生引发的交通事故与交通环境污染等社会问题已经极其严重。作为城市命脉的交通已成为城市发展的瓶颈，严重地制约了社会、经济的发展，影响了人民群众的日常工作和生活。因此，加强城市交通规划的研究，建立通畅良好的交通环境，对保证社会和经济的可持续发展具有重要意义。

城市交通规划的关键信息之一是地图。传统电子交通地图和交通网络的采集与获取主要依靠人力测绘纸质地图继而进行扫描矢量化得到的，由于地图测绘工作量大，绘制周期长，交通地图的精度和实时性都会与当前实际交通环境存在一定的差距。随着传感技术和遥感技术的发展，利用遥感影像进行地理数据的采集与获取，使得上述问题的解决成为可能。

正常的高分辨率卫星图像容量都以GB为单位，受限于电脑处理能力，直接处理大幅遥感图像不现实。

目前，高分辨率遥感图像的路网提取算法主要有动态规划、模板匹配、数学形态学、水平集、边缘检测、区域生长等方法，其中基于水平集算法的图像分割方法因其可以对任意复杂的形状进行模型化，且可以隐性解决拓扑形状的分裂、合并等拓扑变化的特点而备受关注。C-V模型就是一种常见的水平集分割模型。然而，传统的水平集C-V模型存在以下不足：一是需要进行迭代中的初始曲线修正，即重新初始化符号距离函数，造成了计算量增大，降低了分割速度，并且分割准确度也难以保证；二是对区域的划分仅仅考虑到图像的RGB空间灰度特征，损失了彩色图像丰富的颜色信息，由于异物同灰度值的现象普遍存在，势必会造成目标的误分割。同时，背景物体颜色的相似也严重地影响了路网的识别效果。因此，传统水平集C-V模型在图像分割速度、效率、准确性方面都存在不足之处，以致传统的基于C-V模型的遥感图路网提取方法在速度、效率、准确性等方面也相应地存在不足。

发明内容

本发明的目的是提供一种基于改进C-V模型的遥感图路网提取方法。

为实现上述目的，本发明所采取的技术方案是：其基于改进C-V模型的遥感图路网提取方法包括以下步骤：

(1)对原始遥感图像进行预处理以提高该遥感图像的清晰度和对比度，得到该遥感图像的预处理图；将所述遥感图像的预处理图置于任意建立的一个平面直角坐标系中；

(2)用户在所述遥感图像的预处理图的路网中选定种子点；根据所选定的种子点获取所述遥感图像的预处理图的路网初始曲线，根据所述路网初始曲线对所述遥感图像的预处理图进行分割获得第一幅路网子图，所述路网子图中含有所述路网；

(3)利用基于C-V模型的水平集方法对当前路网子图进行路网区域提取，获取路网区域子图，所述C-V模型的水平集方法的演化方程如式(1)所示：