[发明专利]一种基于机载高光谱遥感影像的道路提取方法

说明书

本发明提供了一种基于机载高光谱遥感影像中的道路提取方法，包括以下步骤：对所检测的高光谱遥感影像数据进行预处理，内容包括剔除噪声较大的波段，对剩余波段进行降噪处理；对预处理之后的数据分别进行PCA降维处理和高光谱影像的NDVI值计算。选取PCA降维后的第1主成分数据进行轮廓检测，对检测后的图像进行Hough变换提取道路。利用NDVI提取出道路两旁的植被信息，排除植被因素的干扰，填补道路空洞、顺滑道路边界，最后通过数学形态学优化算法进一步优化道路提取结果。本发明可有效提高城市主干道路的提取精度，获得完整的道路区域。

技术领域

本发明属于高光谱遥感影像的数据处理技术领域，特别涉及一种基于机载高光谱遥感影像的道路提取方法。

背景技术

道路信息的有效提取，可广泛应用于智能交通、无人驾驶、智能公共交通管理等众多方面。传统道路信息提取方法主要为数字摄影和人工测量，采集周期长、工作量大、成本较高。高光谱影像同时具有高的空间分辨率和高的光谱分辨率，合理利用高光谱影像的空间特性和光谱特性进行城市道路提取，对城市规划、交通发展具有重要意义。

近些年来，众多学者致力于从遥感影像中提取道路信息的算法和模型，涉及模式识别，计算机视觉等方面。例如，王润生等人提出了一种从城市航空影像中自动提取直干路网的方法。该方法首先以道路特征线为分层符号；其次，将整个图像分为若干子快，然后根据线提取道路，在每个子块中检测道路。罗庆周等人提出了光谱与形状特征提取方法相结合的方法，该方法利用形状特征去除干扰项用以获取道路中心线和平坦道路。唐伟等人提出了一种面向对象的技术来实现高光谱遥感图像道路信息的提取。该方法充分利用道路的形状和纹理信息，提高了道路提取的精度。沈兆庆等人提出了一种高光谱遥感图像道路特征的快速提取算法，基于支持向量机，可以识别不同的道路特征并提高执行效率。阳春花等人提出的一种自适应道路提取方法是使用道路矢量线来扩展区域，而无需人工干预和参数调整，这使得道路提取更加准确，但算法更加复杂，效率仍然需要提高。Armin Gruen提出了一种基于小波分解的道路锐化算法和基于动态规划的模型驱动线性特征提取算法相结合的半自动道路提取方案，成功地应用于从单点场景和空中图像中提取完整的道路网络。

现有的道路提取技术的不足之处在于：基于普通遥感影像能够定性地对城市道路进行检测，但由于其波段宽、光谱分辨率低的特征，对城市地物光谱特征和区分城市地物所需的地物信息缺乏，难以反映复杂多样的城市地物覆盖内敛型，不利于道路的精确探测。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于机载高光谱遥感影像的道路提取方法，以有效提高城市主干道路的提取精度，获得完整的主干道道路区域。

为了实现上述目的，本发明采用的技术方案是：

一种基于机载高光谱遥感影像的道路提取方法，包括以下步骤：

(1)对所检测的机载高光谱遥感影像数据进行预处理；

(2)对预处理之后的数据进行归一化植被指数值计算，获取植被覆盖图；

(3)对预处理之后的数据进行主成分分析(PCA)降维；

(4)选取主成分分析处理后的第1主成分数据进行轮廓提取，得到轮廓二值化图像；

(5)对步骤(4)轮廓提取得到的轮廓二值化图像，计算Hough变换获取轮廓图像中的线段；

(6)对步骤(5)处理得到的线段图，结合植被覆盖图，排除植被干扰，填补相邻线段之间的空洞；

(7)对最终图像进行形态学优化，连通道路曲线，最终提取出完整的城市主干道道路。

所述步骤(1)中机载高光谱遥感影像数据的起始光谱范围不高于400nm，终止光谱范围不低于1000nm；光谱分辨率10nm，空间分辨率0.3m；

所述步骤(1)中预处理手段为中值滤波。