一种基于超像素分割的遥感图像道路提取方法

发布时间：2021-01-30 18:58

　　遥感图像中道路提取在军事、交通等领域具有重要的应用价值。在相关研究分析的基础上,提出了一种基于超像素分割的遥感图像道路提取方法。首先采用SLIC算法对高分辨率遥感图像进行分割处理;其次在手工标注道路起止点的基础上,基于超像素的最短路径算法对样本集的道路像素点数据进行扩充和积累;最后采用XGBoost模型进行道路提取。试验结果表明,相对于SVM、GBDT等算法,XGBoost算法具有较好的准确性,能够清晰地提取出道路网络。 

【文章来源】：测绘科学技术学报. 2020,37(04)北大核心

【文章页数】：5 页

【部分图文】：

基于最短路径的道路像素提取示意图

将Logistic、SVM、RF和GBDT这4种典型的分类模型进行试验对比分析,示例结果如图2所示。各种模型总体上能够识别出主要的道路信息。其中XGBoost模型和GBDT模型识别效果相对较好,而且能够识别出次要道路,但对于连接建筑物特征不明显的岔路识别效果均不太好。SVM、RF和Logistic模型存在对明显道路像素和非道路像素的误判情况,但这对道路识别的整体效果影响并不大。此外,在基于超像素块的最短路径算法中,判断超像素块为道路的依据是相邻超像素块的线性综合距离。因此该方法能够处理直线、曲折、弯曲等道路形状。

【参考文献】：
期刊论文
[1]城市道路网主干道提取的形态分析方法[J]. 栾学晨,范红超,杨必胜,李秋萍.  武汉大学学报(信息科学版). 2014(03)



本文编号：3009418