道路特征点提取方法综述

道路特征点提取方法综述

道路特征点提取方法综述

  • 适用:本科,大专,自考
  • 更新时间2024年
  • 原价: ¥294
  • 活动价: ¥200 (活动截止日期:2024-03-31)
  • (到期后自动恢复原价)
道路特征点提取方法综述

                   道路特征点提取方法综述

                        摘
 
 
随着空间技术的飞速发展,空间遥感活动也得到了充分的扩展和应用,遥感信息已经成为一 种不可或缺的地理信息数据源,相对于传统的地理信息,遥感信息更具有经济型、时效性、综合 性等特点。同时,各类遥感数据获取系统的飞速发展,海量的遥感数据源源不断的发回地面,使 得原有的遥感影像处理技术面临着前所未有的巨大挑战,因而,如何从海量遥感影像数据中优质 高效地提取目标信息,已成为遥感技术及其应用领域中的一个热点问题。道路信息作为遥感信息 中非常重要的一类地理信息,在交通导航、城市规划、军事侦察等领域有着广泛的应用,准确快 速地获取道路信息才能满足现实应用的需求。但由于遥感道路信息的高度复杂性,且现今计算机 自动化水平尚未达到相应的需求,到目前为止仍然没有一种成熟可靠的道路自动提取方法,所以 道路自动提取技术也成为遥感信息处理领域中的研究热点之一。
模糊数学,作为一种描述不确定状态的模糊性理论,为机器智能化奠定了理论基础和方法手 段,使机器可以接受并理解自然事物,一方面提高了机器运作的灵活性,另一方面是机器更加“聪 明”,智能化程度更高,更符合人类的思维方式,已成功运用于控制工程、人工智能、空间信息 处理等领域。本文围绕模糊连接度理论在遥感道路提取方面的应用展开,对影像中道路的自动提 取方法进行研究,提出将模糊数学理论与道路纹理特性相结合的提取方法,实现对道路的自动提 取。
本文主要工作和创新点包括:
1) 研究学习模糊数学理论中关于模糊连接度的知识,模糊连接度在影像处理中的表现形式及影 响参数,通过对遥感道路影像进行种子点提取及模糊连接度扩展,验证模糊连接度算法在影 像道路扩展方面的可行性。
2) 提出基于影像非监督分类算法的种子点校正策略,有效剔除影像中的非道路地物段,减少道 路种子点误提取率,提高种子点影像的精确度,为模糊连接度扩展提供可靠的道路种子点。
3) 结合影像纹理特征,融入模糊连接度计算理论,建立纹理—模糊连接度概念,从局部性与区 域性来同时考虑像素特征,更好的反映影像中道路边缘点之间的关联程度,为道路点扩展提 供了一种更合适的特征值。通过实验证明,采用纹理—模糊连接度概念来扩展的道路影像比 采用模糊连接度扩展的道路具有更精确、更稳健的效果。
 
 
关键词:遥感图像处理,道路提取,模糊连接度,影像分类,道路种子点,影像纹理
 
图表清单
图 1- 1 道路一般提取步骤 3
图 3- 1 原始遥感影像 14
图 3- 2 边缘提取结果 15
图 3- 3 种子点影像 15
图 3- 4 种子点在影像上的映射 16
图 3- 5 提取基本流程 17
图 3- 6 模糊连接度扩展道路影像 19
图 4- 1 影像分类 22
图 4- 2 K 均值分类步骤 23
图 4- 3 K 均值分类影像 24
图 4- 4 分类影像逆颗粒化 25
图 4- 5 校正后的种子点影像 25
图 4- 6 校正后的种子点影像在影像上的映射 26
图 4- 7 Meteosat4 遥感影像及其纹理分类 27
图 4- 8 结合分类算法的道路提取 30
图 4- 9 结合分类算法的原始模糊连接度扩展道路影像 31
图 4- 10 图 4-9-c 在原图上的映射 31
图 4- 11 纹理—模糊连接度算法流程 32
图 4- 12 自适应纹理—模糊连接度提取结果 33
图 4- 13 贡献度测定实验 34
图 4- 14 阈值不同情况下的纹理—模糊连接度扩展结果 35
图 4- 15 纹理—模糊连接度提取结果在原图上的映射 36
图 4- 16 原始遥感影像 2 36
图 4- 17 原始模糊连接度算法处理结果 37
图 4- 18 纹理—模糊连接度算法处理结果 37
图 4- 19 纹理—模糊连接度算法对多幅遥感影像处理的结果 39
图 4- 20 常用结构元素 40
图 4- 21 结构元素 41
图 4- 22 形态学处理结果 42
图 4- 23 模板检测条件 43
 
图 4- 24 图 3-1 的最终提取结果 43
图 4- 25 图 4-16 的最终提取结果 43
 
注释表
 
第一章 绪论
 
 
遥感(Remote Sensing),即遥远的感知,是二十世纪六十年代发展起来的对地观测综合性技 术。它是在现代物理学(包括红外技术、光学技术、微波技术、雷达技术、激光技术和全息技术 等)、空间技术、电子计算机技术、数学方法和地球科学理论的基础上建立和发展起来的一门新 兴的、综合性的边缘学科,指通过一定装置,不直接接触被研究目标、区域或现象来获取其相关 数据,并对所获取数据进行分析处理从而得到所需要信息的一种技术。遥感技术从以飞机为主要 运载工具的航空遥感发展到以宇宙飞船、人造卫星以及航天飞机为主要运载工具的航天遥感,从 古老的摄影机到各式各样的新型传感器,在满足人类生活需求的同时,也使得对地探测技术进入 到一个新的发展阶段。遥感集科学性、先进性、实用性、综合性于一体,涉及信息、环境、地球、 空间等众多科学领域,其技术发展受到世界各国的广泛关注。经过近几十年的研究与探索,遥感 科学相关领域如遥感平台、传感器、信息处理、遥感应用都获得了快速的发展。遥感已经成为当 今最活跃的科技领域之一[i]。作为重要的空间信息源,卫星遥感数据以其时效性、实用性而被广 泛应用于环境资源、军事侦察、土地规划、农业估产等诸多领域,对社会以及国民经济的发展都 有着重大的意义。目前,遥感数据分析正在由单一遥感数据的分析逐步转变为多数据源、多时相 的信息融合与综合分析;从动态监测逐步转变为预报监测;从资源环境静态分布研究逐步转变为 动态过程监测;从定性调查、制图逐步转变为计算机辅助数字处理、定量自动制图;从描述各类 事物的表象逐步转变为探求分析事物内在规律。在可预见的将来,遥感技术必将获得非常快的发 展,应用领域更为广泛。各国航天遥感事业必将迈上一个新的台阶。今后,遥感技术将与其它各 类高新技术如地理信息系统 GIS、全球定位系统 GPS 等紧密结合,为人类各科学领域的发展做 出更大的作用[ii]。
展望 21 世纪,遥感技术的发展将为对地观测数据提供更快的速度、更高的精度、更大的信 息量等诸多利便。针对如此海量的数据,遥感信息处理识别的能力和效率将成为今后遥感应用面 临的突出问题之一。在过去的二三十年间,由于遥感数据未得到充分的利用,研究人员面对海量 数据不能及时获得有效的信息,从而造成遥感信息资源的巨大浪费,其应用价值也降低了很多。 究其原因,主要由于缺少完善的遥感图像分析处理的方法和模型,难以从遥感数据中快速获取大 量高精度的空间信息。因而,挖掘卫星遥感数据的应用潜力,提高遥感数据利用率和识别率是目 前遥感应用的迫切要求[iii]。
1.1 研究背景和意义
 
从二十世纪 80 年代至今,随着新一代的遥感器与卫星平台不断涌现、计算机技术以及人工 智能的发展,遥感影像判读与遥感影像应用对于人类来说作用日益明显,在这段时期内,遥感影
 
 
像判读技术发展最为快速,带来的价值是与日俱增。1986 年,法国发射了第一颗空间分辨率为 10m 的 SPOT-1 卫星,1995 年,加拿大发射了第一颗雷达卫星 Radarsat-1,1999 年和 2001 年, 美国先后发射了 IKONOS 和 Quickbird 高分辨率卫星。随着航天遥感技术的飞速发展,大量的卫 星遥感数据从太空中发送回来,但是这些遥感数据的应用状况并不尽如人意,正如美国前副总统 戈尔所言:“如今,我们面临着这样一个问题,一边是对知识的强烈的求知欲望,一面却是大量 的数据闲置而未得到适当的利用”[iv]。因而,如何从海量的遥感数据中快速的提取有用的目标信 息,已成为现在遥感技术发展和应用的一个瓶颈。这种形势对于现在的遥感信息提取技术是一种 强有力的挑战,同时也是一种极好的机遇。遥感影像解译判读技术就是在这种背景下,应运而生 的一种结合多学科知识的新型遥感信息提取技术[v]。
客观应用的需求加速推动了遥感影像解译判读技术的发展,但其仍然相对滞后于遥感数据获 取技术的发展。自从遥感技术进入空间时代以来,随着各类大量应用任务的不断提出,各类新型 遥感数据获取系统正在迅速的发展,各种海量的遥感数据信息不断发回地面,使得原有的遥感影 像数字处理和人工目视判读等信息提取技术,受到了前所未有的挑战。因而,此刻基于像元的遥 感影像数字处理技术在不断的改进和创新、利用各类影像特征与辅助技术、提高识别地物类型的 精度和能力;传统的人工目视判读技术在满足应用任务需求的前提下,也在不断的融合计算机技 术、人工智能、互联网等高新技术的优势,通过例如人机交互判读技术、群判读技术等发展,也 同样发生了巨大的变化,显示了前所未有的活力。目前,在遥感信息提取技术领域里,这两种技 术虽然在总体思路、系统结构、运作方式等方面明显不同,但通过科研人员各方面的研究与探索, 两种技术必将得到更快速的发展,从而更有效地从遥感影像数据中提取出有用的目的信息[v]。
在遥感数据库中,人工地物是其中一类非常重要的元素,作为地物类别中的主要内容,道路 信息的识别和提取则显得非常重要,直接影响地物测绘的自动化水平。在实际应用中,从遥感影 像中提取的道路被广泛应用于地理信息系统、交通导航以及军事侦察等诸多领域,因此,遥感影 像中道路信息的提取在遥感数字影像解译和实际应用中都具有非常重要的理论意义和实际意义。 随着城市建设的快速发展,道路是影像数据库中最容易更新的部分,且更新工作量常常是巨大的 [vi]。如何从海量影像数据库中准确快速地获取有用信息,一直是业界重要的研究课题。完全靠人 工判读和识别,不仅花费大量的人力和物力,同时效率也无法得到保证;想要在短时间内快速获 取有用信息就必须依赖于计算机的快速运算能力和可操作性,因而利用计算机来对遥感影像进行 目标识别,是当前卫星遥感影像信息处理的主要发展方向。
参考文献
 
 
[1] John R .Jensen.  遥感数字影像处理导论(陈晓玲译),北京:机械工业出版社,2007
[2] 胡著智,王慧麟,陈钦峦,陈东.  航天航空遥感技术与应用,南京:南京大学出版社,2007
[3] 李朝峰,曾生根,许磊.  遥感图像智能处理,北京:电子工业出版社,2007
[4] Al Gore. The Digital Earth: Understanding our Planet in the 21st Century, Given at the California Science Center, Los Angeles, California,1998
[5] 阎守邕,刘亚岚,魏成阶,王涛. 遥感影像群判读理论与方法,北京:海洋出版社,2007
[6] 张永生,巩丹超.  高分辨率遥感卫星应用,北京:科学出版社,2005 [7] David Marr.  视觉计算理论(姚国正译),北京:科学出版社,1998
[8] 唐剑波.  遥感影像中的道路半自动提取技术研究,硕士学位论文,上海:同济大学,2008 [9] Gruen  A,  Li  H.  Semi-Automatic  Linear  Feature  Extraction  by  Dynamic  Programming  and
LSB-Snakes, Photogrammetric Engineering and Remote Sensing, 1997,63(8):985-995
[10] Donal D.G, Jedynak B. An Active Testing Model for Tracking Roads in Satellite Image. IEEE Transform on Pattern Analysis and Machine Intelligence, 1996.18(1):1-14
[11] Gruen A, Li H. Road Extraction from Aerial and Satellite Images by Dynamic Programming.
ISPRS Journal of Photogrammetry and Remote Sensing, 1995,50(4):11-20
[12] Steger  C.,  Mayer  H.  The  Role  of  Grouping  for  Road  Extraction.  Automatic  Extraction  of Man-made Objects from Aerial and Space Image. Basel: Birkhaeuser Verlag,1997:245-255
[13] A.Baumgartner, W.Eckstein, H.Mayer, C.Heipke, H.Ebner,Context-Supported Road Extraction.
Automatic Extraction of Man-Made Objects from Aerial and Space Images (II),1997:299-308  [14] L.H.Quam.  Road  Tracking  and  Anomaly  Detection  in  Aerial  Imagery  by  Computer.  In
Proceedings: Image Understanding Workshop,1978:51-55
[15] 胡翔云,张祖勋,张剑清.  航空图像上线状地物的半自动提取,中国图象图形学报,
2002,7(A)(2):137-140
[16] 张睿,张继贤,李海涛.  基于角度纹理特征及剖面匹配的高分辨率遥感影像带状道路半自动 提取,遥感学报,2008,12(2):224-231
[17] 魏敏,李 朝 峰 .  基于模 糊连接度 的 卫星图像 道 路提取新 方 法,计算 机 工程与应 用, 
2006,13:230-232
[18] Trinder J.C., Wang Y.D.. Artificial Intelligence In 3D Feature Extraction. Automatic Extraction of Man-made Objects from Aerial and Space Images. Basel: Birkhaeuser Verlag,1997:257-265
 
 
[19] M.Barzohar,  D.B.Cooper.  Automatic  Finding  of  Main  Roads  in  Aerial  Images  by  Using Geometric-Stochastic Models and Extimation,IEEE Trans.PAMI,1996,18(7):707-721
[20] 文贡坚,王润生,从航空遥感图像中自动提取主要道路,软件学报,2000,11(7):957-964
[21] 洪日昌,吴秀清,刘媛,尹东,低分辨率遥感影像中道路的全自动提取方法研究,遥感学 报,2008,12(1):36-45
[22] 胡翔云.  航空遥感影像线状地物与房屋的自动提取,博士学位论文,武汉:武汉大学,2001
[23] 李利伟.  数学形态学在遥感影像道路提取中的应用研究,硕士学位论文,武汉:武汉大学,
2005
 
 
age.asp?id=37 http://www.bysj360.com/page.asp?id=31 http://www.bylw520.net/page.asp?id=37 http://www.bylw520.net/show.asp?id=4414 http://www.bysj360.com/ http://www.bysj360.com/p
 
 
 
  
 
  • 关键词 道路 特征 提取 方法 综述
  • 上一篇:甘肃省风光能互补发电的应用前景
  • 下一篇:超声换能器动力学分析
  • 暂无购买记录

    暂时没有评论

    真实

    多重认证,精挑细选的优质资源 优质老师。

    安全

    诚实交易,诚信为本。

    保密

    所有交易信息,都为您保密。

    专业

    10年专业经验,10年来帮助无数学子。