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。     

基于数学形态学和相位编组SAR影像道路自动提取

某些对光学图像有很好效果的边缘检测算子,对于SAR图像来说,由于其固有的斑点噪声的强烈影响,效果不佳.为了从SAR图像上提取线特征,利用局部线特征检测线基元,为此本文提出一种改进的基于图像统计信息的局部线特征检测方法,然后使用数学形态学去除内部空隙并细化得到道路段,将道路段进行相位编组,进而自动提取出道路.     

基于平行线对检测的SAR图像主干道提取算法

为了有效地进行高分辨率SAR图像中道路目标的提取,提出了一种基于平行线对检测的主干道提取算法。处理过程分为三个层次,在低层次处理中,在经过增强Frost滤波预处理之后,采用指数加权平均比率算子对图像进行边缘检测,得到边缘像素;中层处理则先消除短线段,进行初始的路段连接,再利用平行线对检测算法,检测可能的道路段。而后在高层次处理中,进行路段的最终连接并根据建立的道路的数学模型进行道路的识别,最后通过生长判断器进行行道树干扰下路段的生长。在多幅SAR图像上进行的实验证明了该算法的有效性。     

SAR图像自动道路提取

提出了一种新的快速有效的低分辨率SAR图像自动道路提取算法。算法使用道路特征检测算子检测道路边缘,利用一系列模板进行边缘像素的标定和短线段的连接,最后使用动态规划技术进行道路曲线段的连接。使用低分辨RadarSat SAR图像进行实验,实验结果证明了该算法的有效性。     

基于特征融合的高分辨率SAR 图像道路提取

随着机载和星载高分辨率SAR图像得到越来越多的应用, 人们开始研究新的有效的解译工具。虽然一个专业判读人员或许能够通过观察图像上亮的或暗的线性结构来检测道路网, 但是道路的自动检测仍然非常困难。提出一种简单的高分辨率SAR 图像主要道路自动提取方法。该方法分为三步: 第一步, 对原始图像进行预滤波, 分别进行了两个阈值化过程, 目的是去除不感兴趣区域;第二步, 输入第一步结果, 用Hough 变换分别进行道路识别; 最后一步基于特征融合技术, 利用一定的融合方法将检测的结果进行融合。根据对实际图像检测的结果, 证明该方法对于检测高分辨率SAR图像上的主要道路是有效的。     

基于GA的SAR图像中主干道路提取

从高分辨率合成孔径雷达(SAR)图像中提取道路及其他线性特征已成为目前遥感图像信息提取研究的热点。由于高分辨率SAR图像中，目标背景复杂，同时由于受相干斑噪声的影响，因此很难直接从原始图像数据中提取道路特征。为了能够从背景复杂，受斑点噪声干扰的高分辨率SAR图像中准确提取道路，提出了一种利用遗传算法提取主干道路的方法。该方法利用模糊C均值聚类法对滤波后的SAR图像进行无监督聚类，首先将图像分为林地、建筑物、道路等基本类，并将道路类像素从图像中分离出来，使问题得到简化；然后根据道路类像素的隶属度和道路像素灰度值的均匀特性来建立具体的道路模型；最后利用遗传算法搜索全局最优道路。实验结果表明，该方法可以很好地从SAR图像中提取各种主干道路。     

SAR图像线特征提取方法的仿真

雷达图像的线条特征提取算法一般分为三步:首先作图像预处理,然后采用特定的边缘检测算子提取边缘点,最后形成各种有意义的线条特征。本文采用两步检测算子来直接检测边缘点,不需要对图像进行预处理。首先用比率线探测器对SAR图像进行线特征的提取,然后用互相关探测器进行提取,最后融合二者的结果。本文对该算法进行仿真,证实了该算法能够很好的提取图像的线特征。     

一种基于形态学操作的SAR图像道路检测方法研究

提出了一种基于形态学结构运算操作的SAR图像道路检测方法.该方法首先进行滤波去噪处理,经过实验对比分析得出各种滤波的优劣,再利用形态学操作对原始图像进行高低帽图像增强处理,运用线性生长和区域填充方法进行线性提取,然后利用边缘检测算法检测目标,利用连通域目标的面积和空间关系等特征去除少量误提道路特征,最后按照一定规则利用霍夫变换进行自动道路检测.实验表明,新方法可以取得很好的效果.     

基于几何主轴和Hough变换的超宽带SAR二值边缘图像细化方法

从经典形态学细化方法研究出发,结合超宽带SAR图像特点和超宽带SAR图像道路提取的应用背景,提出了一种基于几何主轴和Hough变换的超宽带SAR图像边缘细化方法.该方法克服了经典形态学细化方法边缘细化中容易出现的毛刺现象和单纯Hough变换对于区域方向判定的误差,提高了道路边缘细化的完整性.其细化后的线基元形态良好,有利于线基元连接成完整的道路.     

基于直线特征的目标识别及应用

提出了一种在SAR图像中检测道路等线性特征的检测算子，利用该算子提取局部区域内呈现线性特征的线性基元，可以比通常的边缘算子得到更为准确的线性基本结构。应用一定的组织策略对提取出的线性基元进行组合，从而获得目标较为精确的位置信息。     

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。     

基于Multi-Path RefineNet的多特征高分辨率SAR图像道路提取算法

为解决现有高分辨率SAR图像道路提取算法自动化较差、普适性不高的问题,提出了一种基于多路径优化网络的多特征提取算法。首先,对SAR图像进行Gabor变换及灰度梯度共生矩阵变换,获取丰富的道路特征信息,联结级联优化网络和残差网络形成多路径优化网络;然后,对SAR原图、获取的低级特征图和标签图进行训练,充分利用每层网络提取的道路特征获取初始分割的道路结果;最后,利用数学形态学运算连接初始道路断裂处并去除虚警。利用所提算法对不同分辨率的SAR图像进行道路提取,实验结果表明,该算法在提取SAR图像道路方面适用范围广且道路提取效果佳。     

Road extraction from SAR imagery based on an improved particle filtering and snake model

This article presents an improved approach for road extraction from synthetic aperture radar (SAR) imagery. First, an improved fast road detector is used to obtain road response and direction, as well as to reduce false alarm rates resulting from bright line objects. Particle filtering is then applied in selecting road seed points, and particle weight is designed on the basis of the road characteristics derived from SAR images. Finally, a snake model is used to connect the seed points to form a road. Results show that the proposed method is effective, with enhanced completeness, correctness, and quality even under the influence of high-backscattering context objects near roads.     

Classified road detection from satellite images based on perceptual organization

Extracting roads from satellite images is an important task in both research and practice. This work presents an improved model for road detection based on the principles of perceptual organization and classification fusion in human vision system (HVS). The model consists of four levels: pixels, primitives, structures and objects, and two additional sub‐processes: automatic classification of road scenes and global integration of multiform roads. Based on the model, a novel algorithm for detecting roads from satellite images is also proposed, in which two types of road primitives, namely blob‐like primitive and line‐like primitive are defined, measured, extracted and linked using different methods for dissimilar road scenes. A hierarchical search strategy driven by saliency measurement is adopted in both linking processes. The blob primitives are linked using heuristic grouping and the line primitives are connected through genetic algorithm (GA) evolution. Finally, all of the linked road segments are normalized with centre‐main lines and integrated into global smooth road curves through tensor voting. Experimental results show that the algorithm is capable of detecting multiform roads from real satellite images with high adaptability and reliability.     

基于D-S证据理论的城市航拍道路提取方法

针对有复杂场景的城市航拍图像,提出了一种基于D-S证据理论的道路提取方法.首先建立道路模型;然后将图像分块,建立灰度连通集,并选取子图像中较大的灰度连通集作为候选道路段;根据道路模型从候选道路段中提取特征来定义多个概率分配函数BPAF(basic probability assignment functions),并使用Dempster合成法则对其进行合成,识别出道路段;最后将已识别出的道路段进行合并,排除错误路段,形成道路.实验结果证明了这一方法的有效性.     

从高分辨率遥感影像中提取城市道路的新方法

在综合几种现有算法优点的基础上,提出一种新的道路提取策略。首先以角度纹理特性法分割原始影像;接着利用直线匹配原理剔除初始分割结果中的非道路地物,得到更为规则的道路条带;然后通过形态学手段获得道路中心线,并将每条中心线拆分为多段直线;结合上下文知识的马尔可夫模型被用于组织道路段的中心线,从而恢复完整道路网。实验结果表明：新方法具有良好的性能,可以从高分辨IKONOS遥感影像中提取出复杂的城市道路。     

基于遗传算法的SAR图像多尺度分割

基于最大期望（EM）算法与遗传算法（GA）,提出一种有效的多尺度SAR图像无监督分割方法。该方法首先利用混合多尺度自回归（MMAR）模型描述SAR图像中由于雷达斑点所引起的不同尺度和同一尺度内像素之间的统计相依性; 然后将GA与EM结合给出MMAR模型的参数估计算法。这种算法利用最小描述长度（MDL）准则,能够选择模型的分量数;最后利用Bayes分类器实现图像的分割。该方法集遗传算法和EM算法的优点,对初始值有较少的敏感性,避免局部最优解,提高了分割精度。实验结果表明GA EM方法优于EM算法。