[发明专利]一种基于多策略组合的多源遥感影像道路材质精细提取方法

说明书

本发明公开一种基于多策略组合的多源遥感影像道路材质精细提取方法，充分利用多源遥感数据的特性，首先对数据进行预处理，根据道路的光谱特性进行了波段选择，然后通过所提出的分步融合方法对多源遥感数据进行融合，提升数据空间分辨率，并通过软件辅助对道路进行粗提取，最后通过提取并集合多种特征，建立特征级融合框架对道路进行道路材质精细提取，根据辅助数据对结果进行精校正并制图。本发明提出的方法在提升数据质量的同时精细的提取了各种材质的道路，具有简易的操作性与很强的实用性，具有重要的实际应用意义。

技术领域

本发明属于光学遥感图像处理技术领域，是一种基于多策略组合的多源遥感影像道路材质精细提取方法。

背景技术

道路是交通运输的命脉，地域连接的纽带，也是为城市发展运送人流、物流的重要通道，作为城市发展的主要动力，交通对生产要素的流动、城镇体系的发展有着决定性的影响。道路交通的发展促进了聚集经济效应的充分发挥，推动了城市向外分散型发展。此外，便利的交通推动沿线经济的产业结构升级。近年来，随着城市和乡村的快速发展，道路交通也取得了很大的发展，但是道路交通设计问题亟待解决，只有充分了解已有的道路布局，以及道路的类型，才能有利于道路交通建设的更好推进。

传统的采样分析方法无法满足监测的时效性要求，更无法反映道路的空间分布范围和动态变化。相比而言，利用光学遥感技术监测道路具有监测范围广、速度快、成本低且便于长期动态监测的优势，能够较好反映道路的空间分布及变化，从而为后续的城市发展及道路规划奠定基础。

当前，基于高分辨率遥感影像的道路提取算法主要包括初始道路二值图像提取、精细化道路获取、中心线获取。高分辨率遥感影像上道路的特征呈现方式多样且复杂。目前高分辨率遥感影像上的道路可以归纳为以下几类：复杂的上下文特征：对于郊区等发展区域，道路网的上下文特征较为单一。但是对于城市核心地段，由于车辆、树木、行人、斑马线等分布复杂，因此，具有复杂的上下文特征，这为基于高分辨率遥感影像的道路提取，带来了极大的挑战。复杂的光谱特征：在高分辨率遥感影像上，相同地物间光谱差异较大，而不同地物间光谱差异较小，比如不同材质构建的道路，相同材质构建的道路与建筑物等，导致单纯依靠光谱特征来区分不同地物，更为困难。复杂的形状特征：在高分辨率遥感影像上，道路的宽度、长度、曲率等形状因子，呈现各异，比如道路交叉口通常呈现出复杂的环形形状特征，难以用一种或者几种简单的形状特征进行描述。复杂的纹理特征：在高分辨率遥感影像，不同地物间呈现出相同的纹理分布，因此呈现出了复杂的纹理特征。

发明内容

针对上述问题，本发明提出一种基于多策略组合的多源遥感影像道路材质精细提取方法，充分利用了不同道路的光谱特性进行波段选择，提升计算效率；利用多源遥感数据的空间与光谱特性进行融合，提升影像质量；通过对影像进行多特征提取，提升道路材质的分类精度。

本发明利用多源遥感数据进行道路材质精细提取的方法，通过下述步骤完成：

步骤1：对高光谱数据，多光谱数据与全色数据进行预处理。

步骤2：实地采样获取遥感影像中不同地物的样本点信息，分析样本点的光谱曲线，将光谱曲线之间分离度大的波段进行选取。

步骤3：高光谱数据，多光谱数据和全色数据进行分步融合，包括：

高光谱数据重合波段与多光谱数据进行融合，得到融合后的重合波段。

高光谱数据不重合波段与多光谱数据进行融合，得到融合后的不重合波段。

融合后的重合波段与全色数据进行融合。

融合后的不重合波段与全色数据进行融合。

最终得到与全色数据相同空间分辨率的高光谱数据。

步骤4：对各类道路进行粗提取，将提取的道路与高空间分辨率影像进行对比，对道路影像进行手动调整。