当前位置：主页 > 科技论文 > 路桥论文 >

基于多重信息融合的高分辨率遥感影像道路信息提取

发布时间：2016-12-02 18:12

本文关键词：基于多重信息融合的高分辨率遥感影像道路信息提取，由笔耕文化传播整理发布。

当前位置：文档下载 > 所有分类 > 自然科学 > 天文/地理 > 基于多重信息融合的高分辨率遥感影像道路信息提取_李晓峰

基于多重信息融合的高分辨率遥感影像道路信息提取_李晓峰

180测　绘　学　报　　　　　　　　　　　　　　　　　　第37卷

大影响,所以运算过程中使用相对固定的阈值为

2,即原始边缘点到拟合的线段的距离偏差不大于2个像素。经过以上步骤的处理结果如图3(b)所示。因为道路边缘具有自身特点,如道路边缘

曲率不会太大,大多数为直线边缘等,所以对道路边缘进行直线段拟合获得了比较好的效果(如图3红色椭圆内的部分)

基于多重信息融合的高分辨率遥感影像道路信息提取_李晓峰

。

[13]

图3　(a)Pan波段影像Canny算子边缘检测结果;b)Fig.3　(a)EdgeimagedetectedbyCannyoperatorinage;)The2rimage

3.2　面状道路提取

后的影像(图1)获得的。(Pan2sharpenedmul2tispectral)。,与基于原始多光谱影像的分类结果相比,利用融合后的影像进行分类,其分类精度有很大提高,尤其对于道路的分类精度

[14]

提高更为明显。

分类和分割后的二值图像如图6(a)所示。从图中可以看到,存在的主要问题是由于道路和楼房的“异物同谱”,楼房也被分割出来而且与道路相连。楼房与道路的“异物同谱”现象所带来的误分类问题一直是高分辨率遥感影像上道路自动提取

[15]

中存在的主要困难。本文下一节将实现道路和其他地物的分离,进而实现道路目标的确认和提纯。3.3　边缘和面状道路的互运算及后处理3.3.1　边缘与面状道路的互运算

在分别获得了较准确、连续的道路边缘和完整的面状道路图像后,为了有效分离道路和非道路目标,使用边缘和面状道路的逻辑互运算方法。首先,将道路边缘图像(图3(b),用E表示)取反,然后与面状道路图像(图6(a),用S表示)求[10]交,即C=∩S.用二值逻辑运算可表示为

0,E=1orS=0C=

1,E=0andS=1

6(b)所示。从,图像上部与道路相连的楼房已经被边缘图像分割开,这是进一步应用形状指数提纯道路的基础。同时由于边缘图像中位于道路表面的部分存在噪声,逻辑运算后面状道路也被误切割出裂缝。这些裂缝和孔洞的进一步去除将放在道路对象被提纯之后处理。下面将集中精力于非道路目标的去除,亦即道路目标的确认和提纯。首先标识出每一个连通对象(共83个),并去除面积像素数小于阈值10的连通对象(53个)。根据影像的分辨率可知,这部分面积很小的连通对象基本上是由噪声和误分割引起的非道路目标。然后计算每个连通对象的狭长度指数与极惯性矩,据此进一步去除非道路目标。3.3.2　狭长度指数与极惯性矩

狭长度　通过坐标原点,倾角为θ的直线θy=xtan周围的图像f的惯性力矩Mθ用下式定义

Mθ=

∑∑

i=1

j=1

(jcoθθ)f(i,j),　θ∈[0,π)s-isin

(1)

其中,N和M分别是图像的行列号上限。对于二

值图像,f(i,j)=1。令Mθmax和Mθmin分别表示Mθ的最大和最小值,则狭长度指数被定义为

狭长度=

MθmaxMθmin

(2)

该特征量能反映平面物体的狭长程度,其值越大

Word文档免费下载：基于多重信息融合的高分辨率遥感影像道路信息提取_李晓峰（下载1-7页，共7页）

我要评论