[发明专利]基于改进C-V模型的遥感图路网提取的交通流量预测方法

摘要

本发明公开了一种基于改进C-V模型的遥感图路网提取的交通流量预测方法，包括如下步骤：(1)对原始遥感图像进行预处理；(2)选定种子点并进行首张路网子图的分割；(3)利用改进C-V模型的水平集方法进行路网区域提取；(4)利用形态学细化的方法进行路网中心线的提取；(5)利用子图位置判定规则分割下一幅路网子图、利用阈值分割及形态学方法自动获取路网子图中的路网初始曲线；(6)路网矢量化；(7)交通流量预测。本发明将遥感、GIS、图像识别、交通规划等技术融合在一起，能够更准确、高效、实时、廉价地更新城市道路网，使得交通流量预测成本更低、准确性更高、周期更短，从而有效地辅助决策者进行交通规划决策的制定。

主权项

1.一种基于改进C-V模型的遥感图路网提取的交通流量预测方法，其特征是包括以下步骤：(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：∂φ∂t=δϵ(φ)[v▿·(▿φ|▿φ|)+β1(λ2(uRGB-c2)2-λ1(uRGB-c1)2)]]>+β2(λ4(uHSI-c4)2-λ3(uHSI-c3)2)]+μ(Δφ-▿·(▿φ|▿φ|))---(1)]]>式(1)中，φ为水平集函数，t为时间，为φ的偏微分，δ_ε(φ)为Dirac函数，δ_ε(φ)＝H′_ε(φ)，H′_ε(φ)为正则化的Heaviside函数的导数，为φ二维平面中的梯度，为梯度范式，u_RGB为RGB空间灰度值，u_HSI为HIS空间混合通道值，c₁、c₂分别表示曲线内、外平均灰度值，v、λ₁、λ₂为控制演化曲线收缩或者膨胀的权重参数，c₃、c₄分别为HSI空间轮廓内、外的平均灰度值，λ₃、λ₄为HIS空间权重参数，β₁、β₂为RGB空间灰度信息与HSI空间混合通道信息的权重系数，μ为距离函数权重参数；(4)利用形态学细化方法对步骤(3)所述的路网区域子图进行路网中心线提取，获取路网中心线子图；(5)利用子图位置判定规则判断所述遥感图像的预处理图中是否存在下一幅路网子图：若存在下一幅路网子图，则利用所述子图位置判定规则从所述遥感图像的预处理图中分割得到所述下一幅路网子图，再利用自适应灰度阈值、饱和度阈值分割以及形态学方法自动获取该下一幅路网子图中的路网初始曲线，然后对该下一幅路网子图依次执行步骤(3)和步骤(4)得到该下一幅路网子图相应的路网区域子图和路网中心线子图；若不存在下一幅路网子图，则利用各路网子图的路网中心线子图生成路网图；(6)对所述路网图进行矢量化，生成拓扑路网图；(7)利用“四阶段”法进行交通流量预测得到交通流量预测数据。