高分辨率遥感图像城市道路自动提取方法研究

发布时间：2017-10-01 23:28

  本文关键词：高分辨率遥感图像城市道路自动提取方法研究

  更多相关文章： 道路提取 高分辨率遥感图像 面向对象 道路交叉口提取 道路连接

【摘要】：道路是城市的骨架,是重要的人工地物。作为地理信息系统中的基础数据,道路信息能否及时更新直接影响到在地图绘制、路径分析和应急处理等方面的应用。随着空间技术的飞速发展,高分辨率遥感图像因具有覆盖范围广、精度高的特点而成为一种重要的地理信息数据源。如今从海量影像数据中获取有意义信息的自动提取技术还相对滞后,从遥感影像中提取道路的自动化程度不高,主要是靠目视识别。现有的技术已经不能满足遥感图像处理方面的所面临的挑战。同时,随着分辨率的提高,影像中道路的特征也更加复杂。过多的纹理和细节信息对道路信息的提取产生干扰,加大了道路信息自动提取的难度。近几年来,虽然在遥感图像道路自动提取的研究领域提出了很多方法,但目前还没有成熟可靠的流程。因此,研究从高分辨率图像中自动提取道路信息具有重要的理论和实际意义。本文基于道路在图像中的光谱特征、几何特征、上下文特征和拓扑特征,对高分辨率遥感图像中城市道路的自动提取技术进行了研究,提出了一个高分辨率图像道路自动提取的思路,具体包括以下方面的内容:首先,在前人研究成果的基础上总结了城区道路在高分辨率图像中的特征,介绍了高分辨率遥感图像的特点以及面向对象的研究方法,为道路自动提取方法建立理论基础。详细分析了分水岭图像分割算法的原理及其存在的问题,提出了局域同质性阈值选择和区域合并等改进方法。该方法在城市道路影像分割中取得了良好的效果。此外,结合道路的光谱特征、形状特征及上下文特征,利用多个几何形状因子对初步分割的影像对象进行特征提取,采用多尺度的分析方法建立一定的规则提取出道路条带。同时,道路交叉口也是重要的道路信息,本文基于灰度形态学和角度纹理特征提出了一种自动提取道路交叉口的方法,补充路网的拓扑结构。为了进一步完善路网信息,采用数学形态学处理道路孔洞和非道路信息等噪声,并利用拓扑连接方法对道路条带和道路交叉口进行连接处理。最后,本文选取了一幅城市地区的高分辨率影像进行实验,实验表明本文提出的方法能比较完整地提取出路网信息,对复杂的影像环境具有一定的适应性。
【关键词】：道路提取 高分辨率遥感图像 面向对象 道路交叉口提取 道路连接
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 研究背景和意义10-11
• 1.2 国内外研究现状11-13
• 1.3 研究内容和技术路线13-15
• 1.3.1 研究内容13-14
• 1.3.2 技术路线14-15
• 1.4 论文安排15
• 本章小结15-16
• 第2章 道路提取的理论及技术基础16-27
• 2.1 城市道路的影像特征16-17
• 2.1.1 城市道路的基本特征16-17
• 2.1.2 高分辨率影像中的道路特征17
• 2.2 图像分割技术17-19
• 2.2.1 图像分割的定义17-18
• 2.2.2 图像分割算法简介18-19
• 2.3 面向对象的影像分析方法19-22
• 2.3.1 面向对象影像分析方法简介19-20
• 2.3.2 面向对象方法研究体系与方法20-22
• 2.4 数学形态学22-26
• 2.4.1 数学形态学的定义22-23
• 2.4.2 结构元素的定义23
• 2.4.3 二值形态学23-25
• 2.4.4 灰度形形态学25-26
• 本章小结26-27
• 第3章 改进的分水岭图像分割算法27-35
• 3.1 遥感图像预处理27-28
• 3.1.1 直方图均衡化27
• 3.1.2 中值滤波27-28
• 3.2 分水岭算法原理28-30
• 3.2.1 梯度图29
• 3.2.2 标记图像29-30
• 3.2.3 淹没过程30
• 3.3 改进的分水岭算法30-34
• 3.3.1 局域同同质性阈值值的选择30-31
• 3.3.2 剔除局部极小值小面积区域31-32
• 3.3.3 去除小斑块32
• 3.3.4 区域合并32-34
• 本章小结34-35
• 第4章 面向对象的道路特征提取35-41
• 4.1 基于对象特征的道路提取35-38
• 4.1.1 最小外接矩形的计算35-36
• 4.1.2 矩形度36
• 4.1.3 形状因子36
• 4.1.4 对象特征在道路提取中的应用36-38
• 4.2 阴影遮挡处理38-40
• 本章小结40-41
• 第5章 道路交叉口的自动提取41-52
• 5.1 技术路线41-42
• 5.22 道路交叉口粗提取42-44
• 5.2.1 Roberts梯度变换42-43
• 5.2.2 多尺度形态学运算43
• 5.2.3 候选道路交叉口特征提取43-44
• 5.3 角度纹理精提取44-49
• 5.3.1 角度纹理特征提取44-46
• 5.3.2 波谷检测46-48
• 5.3.3 道路交叉口的确定48-49
• 5.4 道路交叉口提取效果分析49-51
• 本章小结51-52
• 第6章 道路提取后处理52-60
• 6.1 形态学后处理52-54
• 6.1.1 孔洞填充52-53
• 6.1.2 缝隙连接53
• 6.1.3“同谱异物”噪声处理53-54
• 6.2 道路拓扑连接54-59
• 6.2.1 方向延伸算法及连接54-58
• 6.2.2 道路交叉口的连接58-59
• 本章小结59-60
• 第7章 道路自动提取实验60-71
• 7.1 影像预处理60-61
• 7.2 图像分割61-62
• 7.3 面向对象特征提取62-64
• 7.3.1 主干道路的提取62-64
• 7.3.2 次要路段的提取64
• 7.4 道路交叉口提取64-66
• 7.5 道路提取后处理66-70
• 7.5.1 主干道路形态学处理66-67
• 7.5.2 方向延伸67-68
• 7.5.3 道路交叉口连接68-69
• 7.5.4 道路连接69-70
• 7.6 实验结果说明70
• 本章小结70-71
• 第8章 结论与展望71-73
• 致谢73-74
• 参考文献74-78
• 附录78

【参考文献】

中国期刊全文数据库 前10条

1 陶超;谭毅华;蔡华杰;杜博;田金文;;面向对象的高分辨率遥感影像城区建筑物分级提取方法[J];测绘学报;2010年01期

2 任志清;尹东;;一种中分辨率遥感影像道路的快速搜索算法[J];测绘信息与工程;2006年01期

3 周绍光;施海亮;;通过预测和共线性检验快速提取直线特征[J];国土资源遥感;2007年02期

4 冯伍;张俊兰;苗秋瑾;;几种典型边缘检测算子的评估[J];电子设计工程;2011年04期

5 项皓东;;从高分辨率遥感影像中提取道路信息的方法综述及展望[J];测绘与空间地理信息;2013年08期

6 陈卓;马洪超;李云帆;;结合角度纹理信息和Snake方法从LiDAR点云数据中提取道路交叉口[J];国土资源遥感;2013年04期

7 石义方;汪小钦;孙振海;陈芸芝;付乾坤;;基于阴影的资源三号卫星数据城市建筑物高度估算[J];地球信息科学学报;2015年02期

8 周绍光;刘娟娟;陈仁喜;;从高分辨率遥感影像中提取城市道路的新方法[J];计算机工程与应用;2010年32期

9 钱厦;盛庆红;宗鹏;;基于纹理-模糊连接度的遥感影像道路自动提取[J];计算机工程与应用;2011年34期

10 顾丹丹;汪西莉;;结合区域生长和水平集的遥感影像道路提取[J];计算机应用;2010年02期

，

本文编号：956305