高分辨率遥感图像道路提取算法研究与改进

发布时间：2020-10-30 05:54

　　 随着越来越多的高分辨率遥感卫星的发射,我们可以获得越来越多的高分辨率遥感影像,那么,如何从这些海量影像数据中准确高效地提取所需要的信息并对其加以利用,则成为必须解决的重大问题。在过去的几十年中,道路作为重要的目标得到了广泛的关注和研究。道路不仅在城市规划与建设、旅游导航、交通管理、变化检测和自然灾害分析等领域具有广泛的应用需求,而且也被作为大多数地图和地理信息系统的重要组件,为国家安全建设和制定作战计划等提供有效的帮助。近些年来,虽然高分辨率遥感图像道路提取的研究取得了一定的进展,但是其性能仍然无法达到应用需求,其主要影响因素包括以下三个方面:(1)同谱异物性,随着遥感影像分辨率的不断提高,出现了道路和一些停车场以及建筑物等具有相似的光谱值的情况;(2)同物异谱性,不同地区的道路材质可能不同,且不同等级的道路的材质也可能有所不同;(3)复杂性和遮挡性,背景越来越复杂,道路两旁的树木和建筑物造成的阴影以及路面上的车辆等带来的遮挡。这些问题均会对高分辨率遥感图像道路提取带来巨大的挑战,因此本文致力于研究一系列道路提取方法来尽量克服以上的种种困难,本文的主要贡献如下:1.在研究方向分割的基础上,针对其不足我们提出了一种基于改进的方向分割和道路概率的高分辨率遥感图像道路中心线提取算法,在该算法中,首先通过基于shear变换的方向分割来提取粗略的道路区域,然后利用样本之间的马氏距离、阈值化处理和信息融合来得到可靠的道路区域,紧接着利用形状特征过滤和孔洞填充来获得准确的道路区域,之后利用基于快速行进的方法来提取道路中心线,最后进行后处理得到比较完整的道路网。实验方法表明,该算法能够提取出比较光滑准确的道路中心线。2.为了建立一种有效的方法来准确地提取道路中心线,我们提出一种基于shear变换和改进的断线连接的高分辨率遥感图像道路中心线提取算法,类似地,在该算法中引入shear变换,但是我们直接将光谱信息加入到方向分割中,从而实现光谱空间信息分类。为了得到更加准确的道路区域,利用多方向形态学滤波剔除与道路粘连的非道路目标。为了获得完整的道路中心线,提出一种通过构造度量函数和引进光谱相似性的改进的断线连接方法。本算法主要包括四个步骤:首先利用基于shear变换和光谱信息的方向分割得到初始的粗略的道路图;然后进行孔洞填充并通过多方向形态学滤波剔除一些非道路区域;紧接着采用张量投票和多元自适应样条回归提取光滑的道路中心线,最后通过我们提出的改进的断线连接方法来得到完整的道路网。我们分别在高分辨率航拍图像和卫星图像上验证了该算法的有效性。3.为了保证基于水平集演化分割的道路提取方法的准确性和高效性,同时实现算法的自动化,我们深入研究了卷积神经网络和张量投票,利用它们提取出道路的交叉口并将其作为初始演化曲线,进一步利用基于区域的水平集演化分割实现道路的自动提取。在这个工作中发现基于卷积神经网络提取的道路区域并不能精确地定位到道路的真实边缘,针对这个问题,引入边缘保持滤波来进行局部优化,从而提出了基于卷积神经网络与边缘保持滤波的多尺度道路中心线提取算法。该算法无论是在道路提取的准确率方面还是信息完整性和连续性上都具有出色的表现,通过实验证明了其要优于现有的几种算法,同时实验也证实了算法对于复杂背景也有一定的鲁棒性。4.针对遥感图像中带标签样本数量有限的问题,重点研究了基于半监督的分类方法,尤其是基于集成投影的图像分类方法,然而它存在一些不足之处,为此,我们提出了一种基于高层特征选择、马尔可夫随机场与岭横向方法的高分辨率遥感图像道路中心线提取算法。其中:引入多特征自适应稀疏表示代替特征串接,从而实现低层特征、中层特征到高层特征的选择,利用得到的高层特征进行分类得到道路的估计概率,紧接着将马尔可夫随机场用于描述相邻像素之间的信息,得到优化后的道路区域。采用Gabor滤波器、非极大值抑制和岭横向方法来提取道路中心线,可以获得准确且完整的道路中心线。在视觉效果和数值结果两方面验证了所提方法的有效性。
【学位单位】：西安电子科技大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP751
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和研究意义
    1.2 国内外研究现状
    1.3 论文的主要研究工作
    1.4 论文的组织和结构
第二章 基于改进的方向分割和道路概率的高分辨率遥感图像道路中心线提取算法
    2.1 引言
    2.2 方法介绍
        2.2.1 预处理和基于shear变换的方向分割
        2.2.2 基于光谱信息和马氏距离的道路概率估计
        2.2.3 信息融合
        2.2.4 形状特征过滤和孔洞填充
        2.2.5 道路中心线提取和后处理
    2.3 实验与分析
        2.3.1 评价指标
        2.3.2 本章方法中间结果展示
        2.3.3 实验结果与分析
    2.4 本章小结
第三章 基于shear变换和改进的断线连接的高分辨率遥感图像道路中心线提取算法
    3.1 引言
    3.2 算法描述
        3.2.1 基于shear变换和光谱信息的方向分割
        3.2.2 孔洞填充、形状特征过滤和方向形态学滤波
        3.2.3 基于张量投票和MARS的道路中心线提取
        3.2.4 基于改进的断线连接算法的道路网的生成
    3.3 实验与分析
    3.4 本章小结
第四章 基于卷积神经网络的高分辨率遥感图像道路提取算法
    4.1 引言
    4.2 卷积神经网络
    4.3 一种自动的高分辨率遥感影像道路提取方法
        4.3.1 引言
        4.3.2 基于张量投票的水平集方法及其在道路提取中的应用
        4.3.3 实验与分析
        4.3.4 总结
    4.4 基于卷积神经网络与边缘保持滤波的多尺度道路中心线提取方法
        4.4.1 引言
        4.4.2 方法描述
        4.4.3 实验与分析
        4.4.4 总结
    4.5 本章小结
第五章 基于高层特征选择、MRF与岭横向方法的高分辨率遥感图像道路中心线提取算法
    5.1 引言
    5.2 理论基础介绍
    5.3 方法介绍
        5.3.1 多特征提取
        5.3.2 半监督道路区域提取
        5.3.3 道路中心线提取
    5.4 实验与分析
    5.5 本章小结
第六章 全文总结与研究展望
    6.1 论文工作总结
    6.2 未来工作展望
参考文献
致谢
作者简介

【相似文献】

相关期刊论文 前10条

1 王晓飞;庞全;;基于圆形约束快速水平集的原生质体细胞分割[J];中国图象图形学报;2013年01期

2 王晓飞;郭敏;徐秋平;;基于图割与改进水平集的目标提取方法[J];计算机工程;2010年22期

3 丛树民,孙树江;用模糊相似选择确定矿井开发最优设计方案[J];阜新矿业学院学报(自然科学版);1989年01期

4 陶强;刘莉;;基于双区域演化水平集的图像分割方法[J];电子测量技术;2016年09期

5 汪程军;;基于水平集算法的唇象分割[J];科技视界;2015年12期

6 郭永彩;谭勇;高潮;;基于水平集的热红外运动人体目标分割算法(英文)[J];红外与毫米波学报;2014年01期

7 马文涛;师俊平;李宁;;水平集和无网格耦合法在裂纹扩展中的应用[J];岩土力学;2012年11期

8 汪云飞;毕笃彦;史德琴;黄天军;刘迪;;融合多尺度分析和水平集的交互式图分割方法[J];电子与信息学报;2012年09期

9 熊瑛;;随机漫步中一些水平集的分形维数[J];数学物理学报;2009年02期

10 李小林;梁忠;黄世国;;基于多水平集的植物图像分割[J];福建农林大学学报(自然科学版);2009年03期

相关博士学位论文 前10条

1 刘如意;高分辨率遥感图像道路提取算法研究与改进[D];西安电子科技大学;2018年

2 李振华;基于水平集的结构动力学特性优化与原子力探针优化设计[D];华中科技大学;2018年

3 李妍;基于变分水平集的遥感影像分割模型及算法研究[D];武汉大学;2013年

4 张迎春;基于粗糙集和扩展分水岭变换的水平集图像分割研究[D];大连理工大学;2018年

5 纪东升;图像分割的水平集模型及其在医学图像分割中的应用研究[D];兰州大学;2016年

6 张玲;基于变分水平集理论的活动轮廓模型在图像分割中的应用研究[D];太原理工大学;2016年

7 于志强;医学图像分割与虚拟手术几个关键问题的研究[D];上海交通大学;2007年

8 庄春刚;基于水平集的多材料结构拓扑优化设计方法与应用[D];上海交通大学;2007年

9 李梦;图像分割的变分水平集模型研究[D];重庆大学;2011年

10 覃显晶;基于耦合可变模型的膀胱壁分割方法[D];中国科学院研究生院（西安光学精密机械研究所）;2014年

相关硕士学位论文 前10条

1 赵佳;基于多相水平集图像分割的地震数据聚类分析算法[D];厦门大学;2017年

2 陈俊超;基于水平集的人工膝关节磨粒流加工流场分析与实验研究[D];浙江工业大学;2018年

3 刘笑;二维空间形式上极大严格类空超曲面水平集的凸性[D];曲阜师范大学;2018年

4 王晓丹;基于聚类水平集的医学图像分割算法研究与实现[D];山东理工大学;2018年

5 唐文杰;基于变分水平集的医学图像分割模型应用研究[D];扬州大学;2018年

6 李官生;基于双能量泛函水平集图像分割模型研究[D];吉林大学;2018年

7 李晨静;基于水平集正则化的图像分割技术研究[D];河南师范大学;2018年

8 邱慧敏;具有非正曲率的空间形式上的极小图的一些几何性质[D];曲阜师范大学;2018年

9 李娜;基于改进水平集和空间结构特征的SAR图像水体检测[D];西安电子科技大学;2018年

10 张扬;基于径向基函数的参数化水平集拓扑优化算法研究[D];华中科技大学;2016年

本文编号：2862086