基于机载LiDAR和高分辨率遥感影像的道路提取研究

发布时间：2020-08-09 00:41

【摘要】：基于单数据源的道路信息提取方法所提取的道路中心线以城区的主要道路为主，一些较窄的道路没有被提取出来。为克服这种方法的缺点，本文采用LiDAR（Light Detection and Ranging）点云数据与高分辨率遥感影像相结合的方法来提高道路提取的精度。首先，结合研究区域的LiDAR数据，利用ENVI，Matlab和ArcGIS等软件平台，将LiDAR点云数据和高分辨率遥感影像数据进行配准；然后，在图像分割和基于影像对象分层提取的基础上，利用影像融合和对象形状指数等相关算子完成道路信息的提取；最后，利用叠加目视分析和定量分析对基于机载LiDAR和高分辨率遥感影像直接融合和间接融合的提取方法获得的道路网络进行精度评定，并进行结果分析。本文取得的主要研究结果如下：（1）利用遥感影像分割和特征提取的基本理论，完成了高分辨率遥感影像的分割和面向对象的道路特征提取工作；（2）基于分割后影像，提出了一种描述道路对象形状特征的对象形状指数（Object Shape Index），用于道路面的提取；（3）完成了基于ArcEngine10.1二次开发的面向对象的特征计算和道路提取的软件原型的开发工作。研究表明，综合利用LiDAR点云数据和高分辨率遥感影像提取道路信息的方法比单一利用遥感影像提取道路信息的方法有更好的效果。本文提出的基于机载LiDAR和高分辨率影像的道路提取方法切实可行，效果较好。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP751
【图文】：

流程图,道路提取,流程

图 1- 1 道路提取流程Figure1- 1 Road extraction process1.2.1 基于遥感影像的道路提取研究现状（1）基于模板匹配的方法基于模板匹配的方法可以有效的消除其他伪道路信息对提取的影响，从而提高道路提取的精确度。史文中等提出了一种直线段匹配方法来提取高分辨率遥感影像中的城市道路网[4]，可以消除影像中非道路信息的小斑块，从而将道路段连接起来。朱长青等提出了一种整体矩形匹配方法[5]，优点是能消除树木、汽车对道路提取的影响，可以计算道路面积，对提取直线道路比较有效；缺点是不能提取弯曲道路以及交叉道路。文献[6]利用最小二乘模板匹配方法进行道路提取，该方法首先给定特征点初始值，然后用最小二乘法估计模板与图像之间的几何变形参数，从而确定图像上曲线的具体参数，然后得到道路的数学表述，该方法的优

图像,原始灰,形态滤波,梯度

图 2- 1（a）原始灰度图像（b）经过形态滤波后的图像（c）梯度影像（d）极小值增强图像（e）分水岭变换图像（f）分水岭分割后的叠加图像Figure2- 1 (a) Raw grayscale image (b) Image after morphological filtering (c) Gradient image (d)Image with minimum enhanced (e) Image after watershed transform (f) Superimposed image afterwatershed segmentation分水岭变换能够准确定位边缘，具有运算简单、易于并行化处理等优点，但同时也存在一些缺点：a) 对图像中的噪声极为敏感，由于输入图像往往是图像梯度，原始图像中的噪声能直接恶化图像的梯度，易于造成分割的轮廓偏移；b) 易于产生过分割，由于受噪声和平坦区域内部细密纹理的影响，算法检测的局部极值过多，在后续分割中出现大量的细小区域；c) 对低对比度图像易丢失重要轮廓，在这种情况下，区域边界像素的梯度值也较低，目标的重要轮廓容易丢失。在本论文中，利用分水岭分割获得的二值图像能够很好的提取出建筑物的边缘信息，而较少反映道路信息，不利于接下来利用数学形态学的道路提取。

阈值分割,直方图,最大类间方差,灰度图像

硕士学位论文（3）基于直方图的阈值分割该方法的基本原理是：如果图像的目标和背景区域的灰度差异较大，则该图像的灰度直方图包络线就呈现双峰-谷的曲线，那么选取两峰之间的谷值就可以作为阈值来分割图像的目标和背景。这种方法在图像的目标和背景之间的灰度差异较为明显时，可以取得良好的分割效果，通常可以满足我们的分割要求。在本研究中，我们利用的直方图如图 2-2（b）所示，其分割效果如图 2-2（c）所示。

【参考文献】