[发明专利]一种交互式提取高分辨率遥感影像道路并生成路网的方法

说明书

为了解决高分辨率影像中道路半自动提取方法无法进行流程化快速提取并构建路网的问题，通过道路交互式提取、矢量化处理以及生成路网全流程处理，可以有效的提升道路提取效率。本发明公开了一种新的交互式提取高分辨率遥感影像道路并生成路网的方法，提出了利用缓冲区技术限制算法工作区域、利用形态学算法优化区域增长提取结果、利用矢量化跟踪算法、简化算法以及端点修饰算法对路段矢量进行优化、利用单条道路连接算法以及道路交叉口连接算法对阴影、路口情况进行合理连接和利用缓冲区技术生成路网的策略，实现了道路半自动交互式提取并生成路网全流程处理。

技术领域

本方法属于图像处理与目标识别技术领域，特别是涉及一种新的流程化道路半自动提取并获取路网的方法。

背景技术

随着城市和乡村建设的加快，如何快速识别并提取道路、更新路网就成了至关重要的问题。道路作为城市交通的主要组成部分，在政治、经济、军事等领域发挥着重大作用。而目前，随着大规模高空间分辨率遥感器的投入使用，遥感影像的空间分辨率甚至可以达到亚米级。与道路在低分辨率影像中呈现的细线形状不同，高分辨率影像中道路是连续的同质区域，这意味着我们可以更加准确地提取道路。但由于“同谱异物，同物异谱”、影像分辨率不同、道路类型不同、道路遮挡、断裂、光照条件等情况的影响([文献1])，设计分类以及提取道路算法的难度也随之加大。

由于道路提取需要大量先验知识、环节复杂，全自动道路提取方法并不能取得很好的效果([文献2-4])。因而，在实际生产中，大多数企业仍旧通过传统人工勾画的方式提取路网。人工操作虽能保证拓扑关系建立准确，但工作量大、效率低，故结合计算机目视解译的半自动道路提取方法仍是当前研究的重点([文献5])。

根据提取算法的流程以及侧重点的不同，现有的半自动道路提取方法可分为以下几类：基于区域增长的方法([文献6-7])、基于动态规划的方法([文献8-9])、基于边缘特征分割的方法(如梯度计算边缘的方法([文献10])，边缘细化分割方法([文献11]))、基于图像分割的方法([文献2、4、12-13])、基于模板匹配的方法([文献14-15])、基于Snake等主动轮廓模型的方法([文献16-18])、基于机器学习以及神经网络的方法([文献2、10、19])。其中基于动态规划的方法需要手动选取多个点，耗时较长([文献8])。基于Snake等主动轮廓模型的方法近年来虽研究较多，且对传统Snake模型进行了较大改进，但其最大的缺点还是难以适应高分辨率遥感影像的复杂情况，需要人工设定参数，检测效率低，鲁棒性差([文献16])。基于区域增长、边缘以及图像分割的方法，容易因部分道路边缘模糊，将道路与周围地物混淆，尤其容易受到如遮挡、阴影、裸地等影响，出现错分割。而基于模板匹配以及神经网络的算法，受模板以及标记的样本影响大，且由于道路情况十分复杂，模型针对不同道路的适应能力不强([文献14])。

同时，上述方法大多都将重点放在影像栅格处理层面，对于中心线提取、矢量化以及路网生成讨论较少。而道路矢量对地理信息系统的构建以及信息综合分析有至关重要的作用，需要得到重视。并且，上述方法都无法攻克不同分辨率、不同宽度、遮挡、阴影等道路提取难点。针对以上问题，尤其是针对当前道路提取方法适应能力差、道路提取关键难题(如遮挡、阴影等)无法解决、矢量化与构建路网难的问题，本发明提出一种新的交互式道路提取以及自动生成路网的方法。首先由用户确定道路等级并通过交互给定相应等级道路在影像中的宽度，再给定种子点依次提取道路，最后通过路段以及交叉路口连接，生成正确路网。