结合改进SWT和EMD的高分遥感影像道路提取北大核心CSCD

针对利用传统笔画宽度变换(stroke width transform,SWT)提取遥感影像道路阈值无法自动确定以及精度不够高的问题,提出了一种结合改进SWT和融合多特征后的陆地移动距离(earth mover’s distance,EMD)进行高分遥感影像道路提取的方法。首先,结合连通分量分析,将笔画宽度变换改进成可自动确定提取阈值的方法,进行初步道路提取;其次,确定一个道路参考区域,利用连通区作为索引,分析道路参考区域与其他区域之间的特征相似度,通过提取纹理与光谱特征,计算加权融合后的特征EMD值,设定合理的阈值过滤大部分非道路区域,提取出其他道路区域;最后,进行形态学后处理得到最终提取结果。通过实验实现该方法并与现有道路提取方法进行对比。经过评估,证明该方法在提取不同场景的道路时均能达到理想效果且具有较高精度。     

基于道路形态分析的道路边界提取

基于障碍物栅格图的道路边界检测目前主要通过对道路区域或符合边界特征的种子点进行生长来实现.但这些算法易受路内障碍物的干扰,其主要原因在于道路形态信息的缺失,包括道路趋势信息和道路宽度分布信息.为此,本文通过对障碍物栅格图进行距离变换获得道路的趋势信息,同时通过构建道路的宽度分布直方图来获取道路宽度分布信息.在此基础上,完成道路边界种子点的提取,接着通过区域生长获取完整的道路边界点,最后进行二次曲线拟合得到完整的道路边界形状.实验证明,本文方法对车流量较大环境下的道路边界提取具有较高的鲁棒性和准确性.     

基于模糊连接度的高分辨率SAR图像道路自动提取

针对高分辨率合成孔径雷达(SAR)图像受到乘性斑点噪声的影响,且道路环境复杂多变的问题,提出一种基于模糊连接度的高分辨率SAR图像道路自动提取方法。首先,对SAR图像进行斑点滤波,以降低斑点噪声的影响;其次,结合指数加权均值比(ROEWA)算子检测结果和模糊C均值(FCM)分割结果自动提取种子点,从而提高自动化程度;最后,利用以图像灰度和ROEWA检测算子边缘强度为特征的模糊连接度算法对种子点进行扩展提取道路,经形态学处理后得到最终结果。对两幅SAR图像进行实验,并与FCM方法分割出的道路结果进行比较,所提出的方法在提取完整率、正确率及检测质量上均优于模糊C均值方法。实验结果表明,所提出的方法能较有效地从高分辨率SAR图像中提取不同宽度和弯曲程度的道路,且无需人工输入种子点。     

高分辨率多光谱遥感影像中城区道路信息的自动提取

提出一种从高分辨率遥感影像提取城市区域道路网络的方法。该方法采用改进的数学形态学运算方法对影像进行分割,进而得到粗略道路信息网,然后利用道路网的几何特征实现道路与建筑物的有效区分,最后通过抽骨架的方法获得最终道路网中心线。试验数据为某一城区高分辨率卫星影像,并对最终提取的结果进行了评价,结果表明,所提出的方法能够从高分辨率多波段卫星遥感影像上精确、有效、自动提取城区道路网络。     

基于高分辨遥感影像的公路灾损信息提取技术研究

随着遥感技术的发展,利用遥感图像进行信息提取越来越成为国内外学者研究的重点和热点,尤其是其中的道路损毁信息提取。道路在现代城市建设中担负着极其重要的地位,因此道路的畅通与否、完好与否都与城市的发展有着直接的关系。在道路信息提取方向,国内外研究者钻研出了不同的方法,主要分为自动和半自动两大类。本文采用了面向对象的半自动方法进行道路信息提取,之后用提取到的道路信息和原始规划道路做比较获取道路的损毁信息,对于灾后重建以及道路救援有重大意义。     

一种引入角点特征的遥感图像道路提取方法

道路是遥感图像中的一种重要目标，遥感图像自动道路提取成为一个重要的研究方向。该文在对现有道路提取算法总结分析的基础上，提出一种引入角点特征的遥感图像道路提取方法，针对城市道路网的结构特点，建立了道路模型，并对算法的结构和策略进行了描述。在提取道路直线特征和角点特征基础上得到道路段，然后根据道路之间的几何关系对独立道路段进行连接得到最终结果，有效解决了以往道路提取算法中道路交叉点断裂的问题。另外为了得到准确的道路角点信息，还对该文算法中用到的角点检测方法进行了改进。最终实验结果分析表明该文道路提取算法的有效性。     

一种基于RANSAC的点云柱状化轴线特征表示法

现有的三维地图构建算法多强调对地图构建的精确性,导致成图效率低、成本高。 为了提高建立地图的效率,提出了一种对地标性物体进行圆柱体识别与提取并以其轴线特征作 为地标构建简化地图的改进算法。基于随机采样一致算法（RANSAC）对点云模型中的待提取 主体模型生成待估计圆柱模型并进行匹配,通过对单应性矩阵及其误差函数的计算得到迭代过 程中的最佳阈值,以得到最佳匹配圆柱模型并提高提取效率,然后用所提取的圆柱轴线描述地 标的空间位置,圆柱半径描述地标的空间几何信息。通过与传统 RANSAC 方法的仿真实验对比, 证明该方法可以有效的精简地图,为后续识别地标路径规划奠定基础。     

一种基于3D激光雷达的实时道路边缘提取算法

无人驾驶车辆在道路中行驶时需要判定当前环境中的可行驶区域,针对这一问题,提出一种基于3D激光雷达的道路边缘实时提取算法。该算法首先在栅格化和分层处理后的激光雷达点云图中分别提取高度特征和平滑特征,以进一步通过道路宽度约束筛选得到候选边缘点,然后利用随机抽样一致性算法(RANSAC)对两侧路沿点进行多项式拟合,最后通过卡尔曼滤波对边缘点进行预测、跟踪。实验结果表明,该算法在园区场景和城市开放道路上都能实时、稳定地提取道路边缘,且此算法在“2017年世界智能驾驶挑战赛”中得到了成功应用。     

基于遗传算法的SAR图像自动道路提取

为了有效地进行SAR图像道路目标自动提取,提出了一种基于遗传算法的SAR图像道路目标自动提取方法。该方法首先通过Frost滤波器去相干斑;然后利用乘性Duda线特征检测算子进行线特征检测,接着利用Radon变换进行线基元提取,再利用遗传算法进行线基元连接;最后利用蛇模型调整道路位置并进行道路鉴别。在星载和机载SAR图像上进行的实验以及性能定量评估结果证明了该方法的有效性。     

融合STPA的U-Net高分辨率遥感图像道路提取研究

从高分辨率遥感影像中提取道路的技术广泛应用于自动驾驶、道路规划等领域。然而,由于周围地物的阻挡,高分辨率遥感影像道路提取往往在完整性方面存在缺陷。针对这一问题,文章提出了一种融合条带扩张注意力模块的U-Net网络架构,该架构结合了注意力机制、扩张卷积和条带卷积的强大优势。为了验证所提模型的有效性,文章在Massachusetts数据集上进行验证。实验结果表明,与其他典型的道路提取方法相比,所提模型获得了更高的提取精度,在道路提取上具有有效性。     

基于混合智能模型的卫星图像公路信息提取研究

在卫星影像上，一些城区和森林区的公路由于障碍物和阴影的影响，常导致道路出现模糊路段或断裂现象，单一方法很难检测出这些模糊路段，该文针对这种特殊道路提取难题，提出了一种结合模糊C均值（FCM）算法、反向传播神经网络（BPNN）和图像处理方法的混合智能模型。实验结果表明，混合智能算法可以得到比单一的神经网络方法和知识处理方法更好的道路提取结果。     

扫描蛇：一种从高分辨率遥感图像上提取道路的新方法

为了能对高分辨率遥感图像上各种复杂情况下的道路进行有效提取,提出了一种称之为"扫描蛇"的半自动新方法。该方法的基本过程是:首先根据用户确定的起始点确定道路的基本走向、路宽、灰度分布等剖面特征;然后在起始剖面两侧进行深度搜索,寻找满足符合条件的道路边缘(梯度极值)点对;最后进行点对连接形成双线道路。在"北京一号"小卫星图像上的实验证明在道路方向、灰度特征分布发生显著改变,道路间断、相互交叉等一系列复杂条件下,该方法均能有效地提取主干道路,体现出较强的鲁棒性和实用价值。     

纹理与几何特征在道路提取中的应用

提出一种利用纹理与几何特征的高分辨率遥感影像道路提取方法。首先分析高分辨率遥感影像的纹理特征,提出基于纹理特征的聚类方法,将影像大致分为道路区域和非道路区域,然后选取适当的几何特征指数,剔除道路区域中含有的非道路像素,得到初步道路信息。最后通过数学形态学处理,去除初步道路信息中由于车道线、树木影响而产生的孔洞,最后得到完整的道路信息。实验结果表明,与传统方法相比,该方法能够有效地从高分辨率遥感影像中提取道路。     

基于Lansat7 ETM+影像的城市道路信息提取研究

道路信息是遥感卫星影像中一种重要的地理专题信息，道路信息的提取在卫星数字图像自动解译方面具有理论与方法意义，如果能自动地从遥感卫星影像中提取出道路网，将会简化城市地物目标的分类和测量过程。研究结合了计算机和人在自动检测和识别上的优势，以ETM＋为数据源，提出了遥感卫星影像中道路特征半自动提取的一种方法。研究首先对ETM＋的多光谱影像和15m分辨率的全色影像进行融合，然后通过设计一个高通滤波器和统计滤波器，完成道路信息的检测与识别（其中高通滤波突出地物的线性特征、统计滤波则是消除高通滤波后的一些噪音），最后进行矢量化跟踪完成道路信息的提取。实践结果表明，该方法能够从中等分辨率遥感卫星影像中提取道路信息，取得了较好的精度效果。     

基于城市交通监控大数据的工作位置推理方法

基于时空数据的用户位置推理在产品推荐、精确营销、交通调度及城市规划等实际应用中有着重要的作用,然而,基于城市交通监控数据的位置推理问题尚未被探索,因此,提出了一种面向稀疏摄像头交通监控数据的工作位置推理方法。首先,收集了路网、兴趣点（POI）等城市交通外围数据,并通过路网匹配的预处理方式获取到了一个含有摄像头、POI等丰富语义信息的真实路网;其次,通过聚类车辆轨迹中所提取的起点-终点（O-D）对来获得车辆重要的停留区域,即候选工作区域;之后,利用所提的in/out访问时间模式的约束,从多个候选区域中匹配出最大可能的工作区域;最后,利用所获取的路网信息和路网周中POI的分布信息提取出车辆的可达POI集合,从而进一步缩小车主的工作位置范围。在一个省会城市真实的交通监控数据集上的综合实验评估和案例分析验证了所提方法的有效性。     

基于人工神经网络预测控制的交通信号调度

在传统的交通信号控制中,信号的变化周期一般是固定的,由于车流量随时间的不确定性,引起了道路负荷的不均衡,容易造成道路拥塞或闲置现象。对基于人工神经网络的预测控制算法进行介绍。根据预测结果对整个路况进行决策判断,实现交通灯信号周期的自适应调节,从而实现交通流量的负荷均衡。根据城市交通系统的特点,设计一个基于神经网络的单个交叉路口的交通灯预测控制系统,得出相关不同时间段内的交通灯控制周期。分析表明,该方法能有效提高车辆通行效率,增强道路的吞吐能力。     

The recognition of road network from high‐resolution satellite remotely sensed data using image morphological characteristics

With the development of remote sensors and satellite technologies, high‐resolution satellite data such as IKONOS images have been available recently. By these new high‐resolution satellite data, remote sensing technologies can be successfully applied to more application areas such as extracting road network from high‐resolution satellite images. This paper proposes a newly developed approach to extract a road network from high‐resolution satellite images. The approach is based on the binary and greyscale mathematical morphology and a line segment match method. First, the outline of road network is detected based on the grey morphological characteristics. Then, the basic road network is detected by the line segment match method. Next, the detected basic road network is processed based on the knowledge about the roads and binary mathematical morphological methods. Finally, visual analysis and three indicators are used to evaluate the accuracy of the extracted road networks. The results of the accuracy evaluation demonstrate that the developed road network extraction approach can provide both good visual effect and high positional accuracy.     

基于共享单车GPS数据的小区道路生成方法

利用GPS数据生成路网对城市交通有着重要意义。由于机动车自身对道路条件的要求,利用机动车GPS提取路网主要针对城市主干道及主路,忽略了小路及小区路网。为完善城市路网,提出了一种基于共享单车GPS轨迹的道路拓扑结构生成方法。首先提取路网拓扑节点,通过引入趋势夹角判断转折点后利用转向角分析确定拓扑点。然后提取道路线型,通过OW(opening window)算法对轨迹进行分割、基于DBCSAN算法思想提出一种对子轨迹聚类方法,再提取特征点来拟合道路中心线。利用缓冲区验证路网的精度,结果表明该方法生成的道路既能确保拓扑结构又具有较高的覆盖率。     

基于机载LiDAR和高分辨率遥感影像的城市道路网提取

利用单个数据源的数学形态学道路提取方法不能充分利用道路的特征,提取的道路信息不完整。针对这一缺陷,并考虑到机载LiDAR数据可以提供高程信息,提出了将机载LiDAR数据和高分辨率遥感影像数据结合起来的城市道路网的提取方法。以徐州市的机载LiDAR数据和高分辨率遥感影像数据作为实验数据,首先将两者进行精确配准,然后利用伪道路信息去除的方法分别将植被信息和建筑物信息等去除,得到基本的道路轮廓,再利用形态细化算法提取道路的中心线,最后,在ArcGIS和Matlab编程环境下实现了改进的道路修剪算法(IRT),利用该算法进行道路修剪,得到了平滑和连贯的城市道路网。经过精度评价可以看出:利用该方法可以较好地避免建筑物阴影、低矮植被群等对道路提取的影响,道路的识别精度达到84%以上。     

高分辨率SAR图像目标属性散射中心特征提取方法

目标属性散射中心模型是基于物理光学和几何绕射理论解的散射中心模型,该模型中提供了可供目标识别的属性散射中心特征。为了能从高分辨率SAR图像中获得这些特征,讨论了目标属性散射中心模型,研究了从高分辨率SAR图像中提取目标属性散射中心特征参数的方法。该方法是一种基于图像域的参数估计方法,它通过图像分割、模型类别选择、参数初值选择和参数优化4个步骤,得到单个散射中心的7个参数。循环进行上面的步骤,就可以从SAR图像中提取出目标所有的散射中心特征。仿真结果验证了该算法的有效性。