道路通行影响因子遥感监测技术研究

发布时间：2020-07-20 17:00

【摘要】：影响道路通行条件的主要因素包括:道路条件、车辆性能、交通条件、环境、气候等。其中,道路条件指的是道路的线形组成,环境指的是道路所处的地貌、自然状况、道路受灾阻断等,这些因素更适合应用现代遥感技术实施调查。国产高分影像具有高分辨率、纹理信息丰富、现势性强等优点,是监测道路通行影响因子的良好数据源。目前道路影响通行相关信息遥感提取存在的主要问题是技术方法的智能化、自动化程度低,对专业知识要求较高,传统变化检测方法受成像条件、光谱差异、干扰信息影响较大等。针对以上的问题,本文应用国产GF-1影像,研究基于数据挖掘的道路中心线提取、道路线形参数计算的算法、基于SIFT算法的道路通行堵点检测方法。首先在决策树分类过程中,采用数据挖掘算法自动生成决策规则,实施道路提取,对提取结果进行后处理,并在ArcGIS中实现道路中心线矢量提取,并评价方法的有效性;接着,引用数理统计与最小二乘法基于CAD+VBA二次开发,计算路线曲率、坡度等参数;最后基于SIFT算法检测并定位道路通行堵点,通过实验研究与分析得到以下主要结论:(1)C4.5算法可以完成道路提取规则自动智能生成,且道路信息提取中误差为±3.143m与面向对象法的中误差结果±2.904m相近。基于数据挖掘C4.5算法,通过基于C#开发的格式转换程序,利用国产GF-1影像可以一体化提取铺装道路、非铺装道路的中心线。实验结果表明在西北地区铺装道路提取过程中,通过直方图均衡化等亮度拉伸操作后,道路提取决策规则具有通用性。(2)基于CAD+VBA二次开发的计算道路线形参数的模块,可以准确、快速地计算道路网的曲率半径、坡度参数,其中计算出的曲率半径与RTK实测数据和仿真线形相对误差分别为0.19%和0.14%,实验验证了带缓和曲线的圆曲线直接用圆曲线来拟合,与仿真线形相对误差为0.36%;坡度计算精度与道路中心线提取精度、DEM精度相关性很强,实验表明对30m分辨率的DEM,坡道点采样间隔取150m较为合适。(3)基于SIFT算法检测道路通行堵点的技术方案,虽然计算量较大,对硬件要求较高,但该技术受干扰因素的影响相对于传统变化检测法显著降低,具有较高的实用价值。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237
【图文】：

国产ＧＦ－１影像具有高空间分辨率、数据获取方式便捷等优势，更适检测影响道路通行因子中的道路条件和环境因素。所以结合国产ＧＦ－１影特点，对道路通行影响因子遥感检测的研宄中存在的问题进行以下研宄：逡逑（１）基于数据挖掘的道路中心线提取逡逑针对预处理后的西北和南京的国产ＧＦ－１影像，基于数据挖掘Ｃ４．５道路，通过后处理操作，一体化提取出铺装道路、非铺装道路的中心线。逡逑（２）决策树的通用性逡逑在提取西北地区铺装道路中心线的过程中，选取一幅模板影像，并决策树作为模板决策树，对于待提取影像，通过直方图均衡化等亮度拉使得待提取影像的亮度分布范围与模板影像一致，并应用模板决策树提的中心线。逡逑（３）道路线形参数计算逡逑对于提取出的矢量的道路中心线，在ＣＡＤ＋ＶＢＡ平台进行二次开发，理统计和最小二乘法计算道路的曲率半径；并应用ＤＥＭ计算出道路的坡（４）道路通行堵点检测逡逑基于ＳＩＦＴ算法与核密度估计法检测道路通行堵点，并自动定位到原中，解决传统方法中因受堵点形状、大小、方向、光谱差异以及干扰因素产生的伪变化问题，提高道路通行堵点检测的现势性和自动化程度。逡逑本文的主要技术路线图如图１－１所示。逡逑

＾其中，从ＧＦ１－南京影像中还裁剪出了东南大学九龙湖校区的影像作为实验逡逑数据（下面简称为ＧＦ１－南京城区影像）。原始实验数据如图２－１所示。逡逑ａ）邋ＧＦ１－２０１３１２原始影像逦ｂ）邋ＧＦ１－２０１６０８原始影像逦ｃ）邋ＧＦ１－２０１７０１原始影像逡逑ｍｍ邋ｍｍ逡逑ｄ）邋ＧＦｌ－２０１６１２原始影像逦ｅ）邋ＧＦ２－２０１５１２原始影像逦0邋ＧＦ１－南京原始影像逡逑W＿逡逑图２－１原始实验数据逡逑７逡逑

逦ｂ）辖射校正后影像中的雪逡逑ｗｍｗｍ逡逑图２－３辐射校正前后影像对比图逡逑如图２－３中ａ）所示，在原始影像中，红框部分中的雪并不明显而且面积区逡逑域较小，而经过辐射校正后的红框部分很明显恢复了实际中的雪的本来面貌，如逡逑图２－３中ｂ）所示。所以通过辐射校正可以恢复影像的本来面貌。逡逑２．２．２邋正射校正逡逑遥感影像在成像过程中会受到投影、地形起伏等诸多因素的影响，产生不同逡逑程度的几何畸变而导致失真，正射校正就是对影像空间和几何畸变进行校正生成逡逑多中心投影平面正射影像的处理过程，并进行影像重采样，这样不仅能够纠正一逡逑般因系统产生的几何畸变，还可以消除由地形引起的几何畸变。逡逑本文应用ＥＮＶＩ中ＲＰＣ邋Ｏｒｔｈｏｒｅｃｔｉｆｉｃａｔｉｏｎ的功能，因为缺少真实的控制点，所逡逑以本文只利用数据自带星历参数而无控制点的方式进行正射校正。逡逑以ＧＦ１－２０１３１２影像为例

【参考文献】

相关期刊论文 前10条

1 董婷;;基于weka的数据挖掘的关联规则应用研究[J];机械设计与制造工程;2015年12期

2 刘伟乐;林辉;孙华;;基于GF-1遥感影像湿地变化信息检测算法分析[J];中南林业科技大学学报;2015年11期

3 刘玲;孟庆昕;刘晓东;;高分卫星遥感技术在公路地质灾害损毁评估中的应用[J];公路;2014年04期

4 任玉环;刘亚岚;张勇;刘珠妹;刘萌萌;;基于灾后遥感影像特征的公路灾害检测方法[J];自然灾害学报;2013年06期

5 汤森迪;李小波;;WEKA平台在肿瘤分类研究中的应用[J];电脑知识与技术;2013年34期

6 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

7 马海建;陆楠;李晓璇;;基于边线的遥感影像道路震害快速提取方法研究[J];地震;2013年02期

8 刘明众;张景发;李成龙;刘国林;;高分辨率遥感影像道路震害的快速提取[J];地震;2013年02期

9 靳彩娇;张永生;张宇驰;李润生;张帆;;一种基于遥感影像的道路损毁评估方法[J];影像技术;2013年01期

10 陈峰;辜良瑶;杨岳;吴湘华;;铁路既有线复测平面曲线优化方法[J];铁道科学与工程学报;2012年05期

相关会议论文 前2条

1 杨勋;谢维信;黄建军;;高分辨遥感影像中基于道路纹理方向特征的道路分割[A];2007'仪表，自动化及先进集成技术大会论文集（二）[C];2007年

2 张守娟;周诠;;空间数据挖掘决策树算法在遥感图像分类中的应用研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年

相关博士学位论文 前4条

1 滕鑫鹏;遥感图像道路提取研究[D];江苏大学;2014年

2 傅罡;多源遥感数据的道路提取方法研究[D];清华大学;2014年

3 兰泽英;基于土地利用空间知识挖掘的高分辨率遥感影像分类[D];武汉大学;2010年

4 赵福军;遥感影像震害信息提取技术研究[D];中国地震局工程力学研究所;2010年

相关硕士学位论文 前10条

1 闫菁;基于高分遥感影像的道路信息快速提取技术研究[D];江西农业大学;2016年

2 李建飞;高分辨率遥感影像中的道路信息提取与表达方法研究[D];湖南工业大学;2015年

3 田卫方;基于高分辨率遥感影像的震后道路损毁识别研究[D];北京交通大学;2015年

4 彭欣;既有线平面线形参数优化估计研究及CAD系统开发[D];中南大学;2014年

5 王凯;旧路平面线形拟合参数初始数据处理[D];长沙理工大学;2014年

6 王双;高分辨率遥感影像道路提取方法研究[D];南京理工大学;2014年

7 焦腾;基于高分辨率遥感影像的交通路网提取技术研究[D];湖南大学;2013年

8 尹超;公路地质灾害危险性评价与区划研究[D];长安大学;2013年

9 靳彩娇;高分辨率遥感影像道路提取方法研究[D];解放军信息工程大学;2013年

10 汪夕明;遥感影像道路提取方法研究与实现[D];清华大学;2011年

本文编号：2763706