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。     

高分辨率SAR图像高速公路提取算法

给出了一种新的高分辨率合成孔径雷达(SAR)图像高速公路提取算法。首先对SAR图像进行FROST滤波,抑制斑点噪声,再使用OSTU算法对SAR图像进行二值化,然后使用腐蚀-膨胀算法与HOUGH变换对二值化后的SAR图像进行处理,提取出高速公路中的隔离带,再利用圆形模板匹配方法提取高速公路中单行道的道路中心线,最后基于单行道的宽度提取出整个高速公路。实验结果表明,该方法可以消除噪声与干扰的影响,完整地提取出高速公路。     

基于小波与数学形态学的道路信息提取

提出了一种基于小波与数学形态学提取道路信息的方法。首先,利用小波多尺度分析对遥感图像进行分解,通过分析小波系数,对各个小波分量进行滤波处理,滤除非道路特征,再进行小波重构,然后对重构图像进行分割,得到包含道路信息的图像。最后应用数学形态学方法,选取合适的结构元素,对图像分割的结果进行形态变换,进一步滤除了非道路信息,完成道路信息提取。通过实验比较证明,该方法比一些典型边缘提取算法更有效、更适合于道路信息的提取。     

一种基于彩色图像边缘检测的道路检测方法

针对非结构化道路的特点,提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间,利用L*a*b*颜色空间中明度与色度分离的特点,通过对色度差的信息融合提取图像道路边缘,排除了大面积阴影、水渍对真实道路边界的干扰,有效地提高了道路识别的准确性。通过Hough变换提取出图像边缘得到道路边缘信息。实验表明,该算法的优点在于对道路形状不敏感,需要先验知识少,能够很好地过滤道路中存在的水渍、阴影等干扰。     

高分辨率遥感图像中建筑物阴影的提取

在利用城区高分辨率遥感图像进行变化检测及目标提取等应用时,建筑物阴影的影响相对严重.要消除建筑物阴影的影响,就需要准确提取出建筑物的阴影.在分析了现有建筑物阴影提取方法不足的基础上,介绍了一种基于形态学重构来自动提取城区高分辨率遥感图像中的建筑物阴影的算法的原理及方法,并进行了实验.实验表明,算法能很好地去除绿化带和道路的影响,而且也能消除图像背景不均匀对结果产生的影响,提取出的建筑物阴影的大小和形状都能保持得比较好.     

一种新的高分辨率SAR图像道路提取算法

针对高分辨率SAR图像中道路目标难以有效提取的问题,提出一种新的高分辨率SAR图像道路提取算法,它结合了参数化内核图割和数学形态学算法。利用参数化内核图割对高分辨率SAR图像中的道路目标进行初级分割,用数学形态学填充空洞,平滑道路边缘;基于道路的几何特征,使用矩阵度、改进的长宽比、复杂度等因子去除虚警;针对处理过程中出现的道路断裂情况,利用数学形态学提取道路目标的中心线,同时根据线段邻近性、方向一致性准则对其断裂部分进行连接,用数学形态学还原道路宽度,得到道路提取结果。实验结果表明该算法不用进行SAR图像预处理,也可以有效抑制相干斑噪声,并且能准确、较为完整地提取道路目标。     

高分辨率航空图像的道路中心线提取法

在高分辨率航空或卫星图像中提取道路特征具有越来越重要的实际意义。道路与背景通常存在灰度差异,论文首先求取高斯平滑图像的偏导数,进而确定图像中的脊点,然后根据连接准则连线,再构造判别规则删除道路虚警,最后利用Canny边缘图修正道路中心线。算法还对交点区域进行了有效处理。实验证明,该方法在一定程度上能够消除树、建筑物阴影和汽车对道路提取造成的影响,提取的道路中心线比较准确,能为道路网检测的后续处理提供重要的数据支持。     

数学形态学多结构元素的道路提取

提出了一种从遥感图像中提取道路的有效算法。该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同选择不同的结构元素进行道路边缘提取。实验表明,该算法具有良好的道路提取能力。     

视觉机器人对于快速道路检测问题的研究

针对复杂环境下视觉机器人道路检测算法的抗干扰性差、速度慢的缺点,为抑制噪声的干扰,提高算法的运行速度,提出了一种基于边缘和区域相结合的道路检测算法。算法先采用Canny算子求出图像的边缘,再根据道路的色彩信息进行自适应的区域分割,然后结合图像边缘信息和区域分割信息确定出道路的边界区域,最后对该区域的边缘图像进行Hough变换检测道路。实验结果表明,边缘提取的检测算法有效地提高了算法的抗噪性能和运行速度,具有更好的道路检测效果。     

Road Extraction Using Airborne LiDAR Data in Mountainous Areas

Based on the spatial distribution and characteristics of LiDAR points cloud of roads in mountainous areas，an effective method for road extraction from airborne LiDAR data is proposed in this research.First，the morphological filtering method is applied to remove above\|ground points cloud (such as buildings，transmission lines and vegetation etc.).Second，a region growing algorithm with multiple rules is used to extract and optimize the road points cloud.Finally，the road boundaries are located and tracked by using Freeman chain code method.Moreover，the mathematical morphology refining processing is used to extract the central line of mountainous road.The experimental results show that the proposed method is effective to extract road information in mountainous areas，and the completeness，accuracy and quality are 93.87%，93.84％，88.43％，respectively.     

遥感图像道路信息提取方法研究进展

随着卫星遥感和信息提取技术的快速发展,地理信息的自动更新成为可能。道路是重要的人工地物,是地理信息数据的重要组成部分,从遥感图像上提取道路信息以更新地理信息数据库成为近年来的研究热点之一。通过总结遥感图像道路信息自动提取的发展历程,归纳了常用的道路信息提取方法,并对各个方法的特点进行了分析,在此基础上分析了遥感图像道路信息提取中的不足,最后对以后道路信息提取的研究进行了展望。     

基于数学形态学的道路遥感影像特征提取及网络分析

如何从遥感图象上提取道路特征已有多种方法，如边缘探测与追踪、线性滤波、利用各种空间关系进行道路特征识别，基于知识的道路网络提取以及数学形态学等，但尚有许多问题有待解决。为了方便GIS应用以及地图更新，提出了一种基于数学形态学的道路网络分析方法，用于对遥感图象上已分类的道路信息进行各种处理，以便得到所需的道路网络。该方法与步骤为首先将道路影像二值化，同时进行噪音去除、断线连接、细化，并通过将栅格数据转换成矢量形式来得到基本的道路网络；然后对基本道路网络进行分析、连接、选取；最后用Douglas-Peuker算法对道路进行平滑处理与表示来得到最终提取的道路网络，并以南京市江宁经济开发区SPOT、高分辨率IKONOS图象为例进行了实验。道路特征提取的结果与目视解译结果进行比较的结果表明，该道路提取方法对道路发展相对较快的区域更为有效，且提取精度较高。该方法对土地管理规划部门非常有价值，是进行GIS与地图道路更新的有效方法。     

融合纹理和形状特征的高分辨率遥感影像道路提取

提出一种结合纹理和形状特征提取道路信息的方法。首先利用灰度共生矩阵提取纹理特征,并将其应用于最大似然分类中提取面状道路,然后利用形态学方法分割道路与其相连地物,最后利用提出的3个形状指数(凹度、精密度、偏心角)有效地识别和区分了道路与非道路地物,并最终实现了提纯道路的目的。实验结果证明,该方法可以准确地提取主干道路网,剔除非道路地物的影响。     

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。     

Urban road extraction from high-resolution optical satellite images

In recent years, many approaches have been exploited for automatic urban road extraction. Most of these approaches are based on edge and line detecting algorithms. In this paper, a new integrated system for automatic extraction of main roads in high-resolution optical satellite images is present. Firstly, a multi-scale greylevel morphological cleaning algorithm is proposed to reduce the grey deviation of the road regions. Secondly, based on the greylevel difference between road surfaces and environmental objects, a colour high-resolution satellite image is segmented into a simplified imagemap by using the mean shift algorithm, which consists of three stages. The first stage deals with image filtering, the second stage deals with colour segmentation, and the third stage is proposed to fuse small regions in the segmented image. The mean shift filter algorithm not only smoothes the image, but also preserves abrupt changes (i.e. edges) in the local structure. The mean shift segmentation algorithm is a straightforward extension of the smoothing algorithm, which preserves discontinuity. From the histogram of the simplified imagemap, we can find the potential road surfaces, and use greylevel threshold to convert the segmented image into a binary one. The binary image is processed by using binary mathematical morphological closing and opening to remove small objects and to open the connected street blocks. We use a contour tracing algorithm to remove holes in street-block regions and to detect the street blocks' contours. In this research we found that many street blocks' contours were preserved perfectly, except for some of them which were depressed. Finally, we utilize the convex hull algorithm to smooth the street blocks' zigzag edges and to close the gaps in some street blocks, and then, we get the road edges. The integrated system for road network extraction is tested on the red band of an IKONOS multispectral image; all algorithms in this study are developed in C++ under Windows XP operating system. Results of the road network extraction are presented to illustrate the validation of the extracting strategy and the corresponding algorithms in this research, and future prospects are exposed.     

基于高分辨率遥感图像的道路提取研究

道路是现代交通的主要组成部分,对于管理和更新地理信息系统数据库中的道路信息非常重要.目前,自动提取道路网络的主要数据源为遥感图像数据,但随着近年来遥感影像的地面分辨率不断提高,图像中地物信息愈加丰富,对图像中道路信息的提取难度也随之增大.文章主要展开一种利用机器学习对高分辨率遥感图像的道路提取研究.首先对高分辨遥感图进...     

一种快速的基于边缘的道路检测算法

道路检测是机器人视觉导航中的重要环节。本文提出了一种新的非结构化道路检测算法。算法基于这样的一个基本假设，即道路的轮廓由一些具有一定长度的连续直线段组成。在一定的范围中通过计算边缘点，然后通过Hough变换求得直线段，从而确定道路边界的位置。但是边缘图像中不仅仅包含道路的边缘，还有阴影，植物等其他的边缘。如果不消除这类边缘的影响，将大大削弱算法的效率和准确性。本文提出一种基于颜色和方差的规则有效地消除这类非道路的边缘。一旦当前帧中获取道路的边缘，通过限定下一帧中的感兴趣区域（ROD减少搜索范围从而快速定位帧中的道路边缘，从而进一步提高算法的效率。大量实地（校内公园道路）实验验证了该算法的快速和鲁棒性．     

A two-stage framework for road extraction from high-resolution satellite images by using prominent features of impervious surfaces

The segmentation and classification of high-resolution satellite images (HRSI) are useful approaches to extract information. In recent times, roads and buildings have been classified for analysis of urban areas in a better manner. Apart from these, healthy trees are also an important factor in HRSI, i.e. adjacent to roads, and vegetation. They reflect the area in an image as land cover. Other important information, shadow, is extracted from satellite images, which indicates the presence of trees and built-up areas such as buildings, flyovers, etc. In this article, a weighted membership-function-based fuzzy c-means with spatial constraints (WMFCSC) approach for automated satellite image classification is proposed. Initially, spatially fuzzy clustering is used to classify the satellite images in healthy trees with vegetation, roads, and shadows, which includes the information of spatial constraints. The road results of the classified image are still having non-road segments. Therefore, the proposed four intermediate stages (IS) are used to extract the road information, followed by the results of road areas of the WMFCSC approach. The framework of IS helps to remove the false road segments which are adjacent to roads and renovates the segmented roads due to the shadow effect. A final step of a hybrid WMFCSC-IS approach is used to extract the road network. The results of classified images confirm the effectiveness of the WMFCSC-IS approach for satellite image classification.