彩色城市交通地图的道路识别与提取

地图信息的识别和提取是地理信息系统的基础。研究对彩色城市交通地图中的道路信息进行识别和提取的问题。首先采用改进的模板匹配法去除地图中图例标识对于道路提取造成的干扰;然后根据地图的特征,为清除地图中的噪音,提出了一种基于颜色聚类分析的分离地图要素的算法,将各种地图要素按颜色进行归类,并根据噪声的特征结合采用有效的噪声去除算法实现对地图中道路的识别和提取,最后结果用数学形态学的方法进行优化处理,并进行试验。实验结果表明,该方法可以取得良好的道路提取效果。     

基于彩色栅格地图噪声特征的道路提取

研究从彩色栅格交通地图中提取完整的道路网络集合的方法。在地图规范化的基础上,基于彩色栅格地图上的噪声特征,处理欠识别和误识别的道路点集集合,并以实例说明应用该方法提取道路的过程和效果。     

彩色栅格交通地图图像中道路识别与提取

在地图图像数学模型的基础上,根据地图中各类对象的颜色特征对地图图像进行规范化处理;在分析地图图像中噪声特征的基础上,利用噪声的自身特征和数学形态学的基本疗法来消除地图图像中的噪声,以达到识别与提取完整的道路网络的目的．该方法对道路欠识别进行了处理,并以实例来验证其对道路网络识别与提取的过程及其效果．     

基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程,它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征,提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析,并建立区域识别测度,实现了区域颜色规范化;再通过对非区域对象的连接成分进行分析,并建立道路识别测度,在区域颜色规范化的基础上,实现了道路颜色规范化。实验结果表明,对于彩色城市交通地图图像,该算法取得了良好的效果。     

基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程，它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征，提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析，并建立区域识别测度，实现了区域颜色规范化；再通过对非区域对象的连接成分进行分析，并建立道路识别测度，在区域颜色规范化的基础上，实现了道路颜色规范化。实验结果表明，对于彩色城市交通地图图像，该算法取得了良好的效果。     

基于标签分类的道路提取算法

文中研究对彩色地图图像中的道路和区域识别提取的问题。讨论了基于标签分类的一种按颜色分离地图要素的算法，对于其结果用数学形态学方法进行优化。该算法充分利用栅格地图的颜色信息和空间信息并取得了良好的实验结果。     

地图信息的分层提取

提出了一种分层提取彩色地图信息的方法。首先根据一般地图中区域要素的结构和颜色特点,利用统计的方法实现区域规范化,这一步基本上不需要人工干预;然后采用模板匹配方法提取地图中的标识,这些识别出来的标识一方面作为一层信息被提取出来,另一方面对后面的道路的提取有着重要的作用;提取道路时,充分利用它们的颜色特征和连通特性,结合前面提取出来的标识以及地图中的其它要素对道路进行连接、修补处理。试验结果表明了该方法的有效性。     

彩色公路交通地图图像道路提取

根据彩色公路交通地图的图像特征,提出一种新颖的道路识别与提取方法。这种方法包括三个关键步骤。首先,根据区域的特征,提取出区域的灰度值;其次,根据道路的颜色和形状特征以及数字图像处理的一些方法（如对象的连通成分等）,识别并提取出道路的颜色;最后,为了获得完整的道路网络,一些道路连接方法被提出。这种算法已经被应用于许多彩色公路地图图像中去提取道路网络。大量成功的实例表明这个算法是非常有效的。     

彩色地图中道路的识别和提取

对彩色地图中道路信息的识别与提取方法进行了研究,根据道路自身的特征,提出了一种利用圆形度与颜色特征相结合的提取方法,同时,对若干相关问题进行了详细的介绍,如区域标记、圆形度等.还介绍了对道路信息提取之后的细父化和矢量化,并着重描述了道路细化过程中形态变换的用法.通过研究可以得出,利用这种提取方法可以使处理的结果更准确,而且在提取的过程中可以很自然的把道路上的文字等噪声去掉.     

基于Transformer和边缘解耦的鸟瞰地图语义分割算法

高精(high-definition, HD)地图可以提供准确的道路信息和丰富的语义信息,使自动驾驶系统引导车辆正确行驶。高精地图通常依赖人工标注,现有自动化标注方法在自动驾驶场景下的识别精度较低,导致高精地图标注效率低下。为了解决这一问题,提出了一种新的用于高精地图自动标注的语义分割方法MapFormer,包括一个多级特征融合模块,能够使模型聚合不同级别的细节和语义信息;一种新的边界解耦联合解码器用以提高模型处理类别间边界的能力。在鸟瞰图数据集上的实验验证了该模型不仅在分割精度上取得了优秀的表现,而且在对类别边界的处理上更为清晰。其mIoU为55.82%,高于SegFormer的mIoU 1.03%,该方法可提升高精地图标注效率与标注自动化率。     

Vision-based autonomous land vehicle guidance in outdoor road environments using combined line and road following techniques

An intelligent approach to autonomous land vehicle (ALV) guidance in outdoor road environments using combined line and road following and color information clustering techniques is proposed. Path lines and road boundaries are selected as reference models, called the line-model and the road-model, respectively. They are used to perform line-model matching (LMM) and road-model matching (RMM) to locate the ALV for line and road following, respectively. If there are path lines in the road, the LMM process is used to locate the ALV because it is faster than the RMM process. On the other hand, if no line can be found in the road, the RMM process is used. To detect path lines in a road image, the Hough transform is employed, which does not take much computing time because bright pixels in the road are very few. Various color information on roads is used for extracting path lines and road surfaces. And the ISODATA clustering algorithm based on an initial-center-choosing technique is employed to solve the problem caused by great changes of intensity in navigations. The double model matching procedure combined with the color information clustering process enables the ALV to navigate smoothly in roads even if there are shadows, cars, people, or degraded regions on roadsides. Some intelligent methods to speed up the model matching processes and the Hough transform based on the feedback of the previous image information are also presented. Successful navigations show that the proposed approach is effective for ALV guidance in common roads. ©1997 John Wiley & Sons, Inc.     

基于主元神经网络的非结构化道路跟踪

在概率的框架内,基于主元神经网络,提出了一种新的蒙特卡罗道路跟踪技术,用于自主陆地车辆在非结构化道路上的导航．使用直线道路模型表示道路边缘,并对其状态利用二阶自回归模型进行预测;在HSV彩色空间将颜色信息和局部空间特征相结合,利用主元神经网络提取主成分;根据道路边缘窗的统计特性,利用粒子滤波器进行道路状态的估计．实验结果表明,该方法能够鲁棒地进行非结构化道路跟踪．     

彩色公路地图的道路自动提取

首先采用模板匹配、特征抽取等方法提取城市和道路的标识,这些标识对后面的道路的提取有着重要的作用;然后根据道路的等级,在颜色基础上利用道路的特征分层提取道路图层;最后对道路进行细化,依据城市与道路,各种道路间的关系以及道路的特征建立一系列的判据,检查道路的合理性,并产生相应的策略对道路进行反馈处理,实现道路的全自动提取．实验结果表明了该方法的有效性．     

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.     

基于贝叶斯方法的道路识别

文章提出了一种基于贝叶斯方法的道路检测,该方法能够快速的而且很好的检测出道路。利用颜色信息把位图图像分成路面和天空,树,并根据训练集图片提取每个像素点的RGB值,利用公式计算出灰度和饱和度值,再以整张图像上的像素点为样本,以灰度和饱和度为特征空间,计算出贝叶斯判别函数的参数。针对测试集,先进行特征提取,再利用上述判别函数对位图图像进行判别,标示出路面。实验证明,该软件对于砖路面能正确的检测定位,同时具有很好的容错性与健壮性。     

一种高斯混合模型组合分类的机载LiDAR城区道路提取方法

城区道路自动提取一直是遥感领域研究的重点和热点之一.针对遥感影像提取易受建筑物和植被遮挡的影响,点云数据提取道路边界又较模糊的不足,提出了一种高斯混合模型组合分类的道路提取方法.该方法利用融合影像即含有色彩信息的点云数据,首先对滤波后点云中的反射强度属性,运用偏度平衡法粗提取道路点云;再对点云数据中的灰度信息和点密度属...     

基于PPMU-net的多特征高分辨率遥感道路提取

针对复杂地形条件下道路特征选取不具代表性,分割精度低的问题,提出了一种基于卷积神经网络（PPMU-net）的高分辨率遥感道路提取的方法。将3通道的高分二号光谱信息与相应的地形信息（坡度、坡向、数字高程信息）进行多特征融合,合成6通道的遥感图像;对多特征的遥感图像进行切割并利用卷积网络（CNN）筛选出含道路的图像;将只含道路的遥感图像送进PPMU-net中训练,构建出高分辨率遥感图像道路提取模型。在与U-net神经网络、PSPnet神经网络相比时,所提的方法在对高分辨率遥感道路提取时能够达到较好的效果,提高了复杂地形条件下道路分割的精度。     

航空遥感图象中道路的自动提取方法

基于航空遥感图象的道路自动检测与识别是数字城市、道路监控等领域非常重要的课题;其检测方法经改进可用于跑道识别,为飞机自动降落提供必要的跑道信息。该文以传统道路提取方法为基础进行改进,提出一种道路自动提取方法,该方法包括以下几步:首先,利用微分几何方法对图象进行线特征强化处理;接着,进行线段提取,将传统方法中需要分步实现的线特征抽取和线段连接同步完成,同时对连接判定阈值的设置进行了一些讨论,提出了自动设置阈值的方法;最后,根据道路的拓扑性质进行线段的聚合分类。实验结果表明,该方法能准确有效地提取出道路。