改进剖面匹配和EKF对SAR影像道路半自动提取

发布时间：2018-04-02 14:09

  本文选题：SAR影像　切入点：半自动　出处：《武汉大学学报(信息科学版)》2017年08期

【摘要】：道路提取作为典型的线状目标提取,是遥感影像目标解译的研究热点。合成孔径雷达(SAR)影像包含了丰富的物理特性,能够全天时、全天候地获取影像数据,已广泛应用于道路提取中。传统的道路提取方法分为全自动和半自动方法。全自动道路提取会出现漏检和错检,需要大量的人工后处理。半自动方法结合人工干预,是对计算机的计算能力和人工解译准确性的有效折中。提出了用一种改进剖面匹配和扩展卡尔曼滤波(EKF)的方法对SAR影像道路进行半自动提取的方法。首先构建了道路提取模型,其次通过改进剖面匹配算法获取准确的观测值,最后利用EKF对观测值进行更新获取道路最优估计值。选取美国缅因州Howland地区L波段UAVSAR数据和海南陵水地区X波段机载SAR数据进行实验,结果表明,该方法在较少人工干预的情况下,能够对复杂场景道路进行有效稳健的提取。
[Abstract]:Road extraction as a typical linear target, is a research hotspot in remote sensing image target interpretation. Synthetic aperture radar (SAR) image contains rich physical characteristics, can all day long, all-weather access to image data, has been widely used in road extraction. Extraction method of the traditional road is divided into automatic and semi automatic automatic road extraction method. There will be missed and wrong inspection, require extensive manual postprocessing. Semi automatic method combined with artificial intervention, is the calculation ability of computer and manual interpretation of the accuracy of the effective compromise. Put forward a modified profile matching and extended Calman filter (EKF) method method the automatic extraction of SAR image path. First constructs a model of road extraction, followed by improved profile matching algorithm to obtain accurate observations, finally using EKF observations to update access road optimal The estimated value. In experiment, selected the Howland Maine L band UAVSAR data and Hainan Lingshui area X band airborne SAR data. The results show that this method in less manual intervention, can effectively extract robust to complex road scenes.

【作者单位】： 武汉大学测绘遥感信息工程国家重点实验室;城市空间信息工程北京市重点实验室;中山市基础地理信息中心;首都师范大学城市环境过程与数字模拟国家重点实验室培育基地;武汉大学遥感信息工程学院;
【基金】：国家自然科学基金(91438203,61371199,41501382,41601355) 城市空间信息工程北京市重点实验室经费(2014204) 测绘行业公益项目(201412002) 湖北自然科学基金(2015CFB328,2016CFB246) 国家基础测绘科技计划(2016KJ0103) 地理空间信息工程国家测绘地理信息局重点实验室资助(201406) GF-3卫星图像陆表地物目标识别技术(03-Y20A10-90010-15/16)~~
【分类号】：P237

【参考文献】

相关期刊论文 前3条

1 林祥国;张继贤;李海涛;杨景辉;;基于T型模板匹配半自动提取高分辨率遥感影像带状道路[J];武汉大学学报(信息科学版);2009年03期

2 林宗坚,刘政荣;从遥感影像提取道路信息的方法评述[J];武汉大学学报(信息科学版);2003年01期

3 胡翔云,张祖勋,张剑清;航空影象上线状地物的半自动提取[J];中国图象图形学报;2002年02期

【共引文献】

相关期刊论文 前10条

1 赵金奇;杨杰;李平湘;邓少平;李小娟;路嘉铭;;改进剖面匹配和EKF对SAR影像道路半自动提取[J];武汉大学学报(信息科学版);2017年08期

2 陈光;陈良超;何兴富;眭海刚;;一种高分影像城区主干道半自动提取方法[J];遥感信息;2017年03期

3 李建;张其栋;;基于霍夫变换的遥感图像城市道路的提取识别[J];电脑知识与技术;2017年03期

4 曹云刚;王志盼;杨磊;;高分辨率遥感影像道路提取方法研究进展[J];遥感技术与应用;2017年01期

5 陈光;眭海刚;涂继辉;宋志娜;;基于P-N学习的高分遥感影像道路半自动提取方法[J];武汉大学学报(信息科学版);2017年06期

6 杨楠;邵振峰;郭丙轩;彭哲;黄蕾;;基于非固定初始面元的无人机影像点云优化算法[J];武汉大学学报(信息科学版);2016年08期

7 唐炉亮;杨雪;靳晨;刘章;李清泉;;基于约束高斯混合模型的车道信息获取[J];武汉大学学报(信息科学版);2017年03期

8 刘菁欣;白云;王俊;;改进霍夫变换的枢纽立交桥检测方法[J];测绘科学;2016年10期

9 郑瑾;柳肃;孙炜;;用于自动识别遥感图像路网信息的改进模糊连接度方法[J];电子与信息学报;2016年02期

10 曹帆之;朱述龙;朱宝山;李润生;孟伟灿;;均值漂移与卡尔曼滤波相结合的遥感影像道路中心线追踪算法[J];测绘学报;2016年02期

【二级参考文献】

相关期刊论文 前6条

1 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[J];遥感学报;2008年02期

2 杨云;朱长青;张德;;高分辨率遥感影像上道路中心线的半自动提取[J];计算机辅助设计与图形学学报;2007年06期

3 史文中,朱长青,王昱;从遥感影像提取道路特征的方法综述与展望[J];测绘学报;2001年03期

4 文贡坚,王润生,nudt.edu.cn;从航空遥感图像中自动提取主要道路[J];软件学报;2000年07期

5 李德仁;摄影测量与遥感的现状及发展趋势[J];武汉测绘科技大学学报;2000年01期

6 刘少创,林宗坚;航空遥感影像中道路的半自动提取[J];武汉测绘科技大学学报;1996年03期

【相似文献】

相关期刊论文 前10条

1 窦建方;陈鹰;;基于数学形态学和相位编组SAR影像道路自动提取[J];遥感信息;2008年05期

2 窦建方;陈鹰;;基于数学形态学和相位编组SAR影像道路自动提取[J];测绘科学;2009年02期

3 刘俊怡;李德仁;李微;梅新;;一种基于均值比率和最佳熵的SAR影像边缘检测方法[J];武汉大学学报(信息科学版);2007年06期

4 徐川;华凤;眭海刚;陈光;;多尺度水平集SAR影像水体自动分割方法[J];武汉大学学报(信息科学版);2014年01期

5 张晰;张杰;纪永刚;;基于纹理特征分析的辽东湾SAR影像海冰检测[J];海洋科学进展;2008年03期

6 王冬红;王番;周华;刘智;;SAR影像的几何精纠正[J];遥感学报;2006年01期

7 呙维;胡涛;廖明生;陈呈辉;;用于高分辨率SAR影像建筑物提取的对象级高亮特征描述方法[J];武汉大学学报(信息科学版);2014年02期

8 万紫;王新;刘江;;基于简化定位模型的高分辨率SAR影像模拟方法研究[J];测绘工程;2014年06期

9 黄国满,郭建坤,赵争,肖洲,仇春平,吕京国;SAR影像多项式正射纠正方法与实验[J];测绘科学;2004年06期

10 付春永;谭克龙;;高分辨率SAR影像调绘研究[J];测绘通报;2012年01期

相关会议论文 前3条

1 孟俊敏;张自历;张杰;;利用SAR影像研究台湾东北部内波的激发源及时空分布特征[A];中国科学院海洋科学青年学术研讨会暨2001年海洋湖沼科学青年学者论坛论文摘要集[C];2001年

2 李海艳;杜涛;何宜军;;风对内波SAR影像的影响[A];中国海洋学会2005年学术年会论文汇编[C];2005年

3 陈旭;秦朝峰;;水平运动小球生成内波的仿真SAR影像[A];第九届全国水动力学学术会议暨第二十二届全国水动力学研讨会论文集[C];2009年

相关博士学位论文 前2条

1 徐川;基于多特征多测度的光学与SAR影像自动配准方法研究[D];武汉大学;2013年

2 孙建;SAR影像的海浪信息反演[D];中国海洋大学;2005年

相关硕士学位论文 前3条

1 刘欣;多特征联合的SAR影像建筑物检测和提取方法[D];山东农业大学;2016年

2 宁凯;基于SAR影像反演山区森林郁闭度的方法研究[D];西南交通大学;2014年

3 李英会;基于时间序列高分辨率SAR影像的地表形变监测技术研究[D];辽宁工程技术大学;2012年

，

本文编号：1700725