高分辨率卫星影像上被行道树遮蔽的主干道的提取

在城市道路提取过程中,由于行道树的遮挡,导致部分城市主干道路不能够直接被检测出来,这阻碍了道路自动提取的过程。针对这个问题文章进行了研究,提出了在高分辨率彩色卫星影像中使用行道树信息的光学特性和几何特性共同来进行道路提取。实验表明文章提出的方法是有效的。     

一种基于高分辨率遥感影像的道路提取方法

道路等线性地物的自动提取一直是高分辨率遥感影像研究所关注的内容。论文在分析现有的各种提取方法的基础上,结合城市道路在高分辨率遥感影像上的特点,提出一种半自动的道路提取法。该方法先对遥感影像中的道路点进行采样,统计其光谱特征,然后再在道路上设置道路生长原点,从这些生长原点开始,根据统计得出的道路光谱特征对邻域点进行判断生长,最后对生长出的道路图利用数字形态学进行内部腐蚀和边界平滑处理。试验结果表明,该方法提取道路具有较高的精度和实用性。     

一种改进U-Net的高分辨率遥感影像道路提取方法

从遥感影像中准确高效地提取道路信息,对基础地理数据库的建立与维护具有重大意义。高分辨率遥感影像背景信息复杂,导致现有算法无法较好地从中提取道路信息。U-Net网络在图像分割方面有较好的实验效果,但道路分割结果准确性不佳,因此,提出了一种改进U-Net网络的高分辨率影像道路提取方法。首先,设计基于U-Net的网络结构,将VGG16作为网络编码结构,可更好地提取特征语义信息;其次,利用Batch Normalization与Dropout解决网络训练过程中出现的过拟合;最后,对训练数据利用旋转与镜像变换进行扩充,采用ELU激活函数,提升了网络训练速度。实验结果表明：该方法可以较为准确高效地提取道路信息。     

基于格网相交的遥感影像道路中心线提取方法

为从遥感影像中获得可用于建模的道路中心线矢量数据,首先利用成熟光谱反射(面向对象图像分类)方法,自动判读出道路范围,继而使用转化工具得出道路范围的矢量轮廓;通过添加辅助线与轮廓相交、提取线段中心点的方式得出道路中心线上的点集;最后设计工作流对点集进行排序处理,最终转化成可以用于规则建模的道路矢量数据.结果表明上述方法可...     

高分辨率遥感影像上道路中心线的半自动提取

提出一种半自动的基于活动窗口线段特征匹配来提取高分辨率遥感影像上道路中心线的方法.通过用户在道路中心线上输入起始点,采用定义活动模板窗、阈值分割、线段特征匹配和改进的SSDA,实现了道路中心线的自动跟踪.另外,该方法还允许在跟踪过程中加入少量人工干预来处理某些匹配失败的情况,提高了实用性.对0.61m分辨率QuickBird影像和1m分辨率IKONOS影像进行道路提取的实验表明:该方法能够快速、准确地提取出主要道路的中心线,对噪声的干扰具有良好的鲁棒性.     

基于相位编组的高分辨率遥感影像道路信息提取

从高分辨率遥感影像中提取道路信息已有许多研究,但仍存在许多问题有待解决.本文主要研究高分辨率遥感影像上城市道路信息的提取,从四个方面开展,即:遥感影像的预处理、阀值的确定、直线与曲线的提取以及道路信患在原图上的显示.传统的相位编组方法主要针对直线的提取,本文对其进行了改进,得到了一种基于相位编组的半自动提取道路信息的方法.实验中首先结合灰度形态学与Canny算子,得出信息较全的道路边缘轮廓信息,然后根据不同形状的道路模型,运用灰度值参数对相位编组法进行改进,提取出比较准确的道路信息.针对现代城市中常见的立交桥,特别是对其曲率较大的中心部分信患,该提取方法表现出了一定的优越性和适用性,实验结果较为理想.     

一种高分辨率遥感影像道路提取方法

针对空间异质性导致的道路几何纹理特征突出性下降问题, 提出一种高分辨率遥感影像道路提取方法. 首先设定跟踪模型, 依据人工输入点, 自适应提取道路中心点和道路宽度, 设计迭代内插、双向迭代两种跟踪方式以及矩形跟踪模板; 然后提出多描述子道路匹配模型, 针对道路几何纹理特征突出性不足问题, 基于道路区域地物边缘与道路方向一致的语义关系, 通过线段峰值约束的思想, 提出一种多尺度线段方向直方图(Multi-scale line segment orientation histogram, MSLSOH)描述子, 以此对跟踪方向进行预测; 针对道路几何纹理特征均质性下降问题, 从道路区域与道路非道路混合区域纹理差异性出发, 组合三角形构成扇形描述子, 突出道路影像纹理特征, 以此不仅可对预测跟踪点进行验证, 而且也可在结构信息缺失的情况下对道路进行跟踪; 最后选取不同类型、不同分辨率、不同场景的高分辨率遥感影像, 通过与其他方法的实验对比, 表明该方法能够解决道路提取过程中几何纹理特征突出性下降问题, 具有准确率高和自动化程度高的优势.     

高分辨率遥感影像道路线性要素识别

为有效从高分辨率遥感影像中自动提取道路,提出利用线性要素间的拓扑关系识别道路线性要素的方法。提取影像中的线性要素并获取其邻域的光谱属性形成有向直线段;利用提出的道路线性要素识别模型,将满足条件的有向直线段聚类生成道路要素集;利用先验知识进一步验证。该方法主要使用道路线性要素的结构信息,适用于大范围、场景复杂的遥感影像,具有较高鲁棒性,目前该方法已应用于基于高分辨率遥感影像的GPS导航道路数据的生产和更新。     

基于改进UNet的遥感影像道路提取研究

传统遥感影像道路提取方法的精度较低,为此提出一种改进的UNet道路语义分割模型。首先,在编码器中引入CNN-Transformer混合结构,以增强特征提取能力。其次,将解码器中传统的上采样模块替换为双上采样模块,以提高特征提取能力和分割精度。最后,采用Hard-Swish激活函数对曲线进行平滑处理,以增强泛化能力和非线性特征提取能力。实验结果表明,该模型的平均交并比（Mean Intersection over Union,MIoU）、平均像素准确率（Mean Pixel Accuracy,MPA）和F1分数最优,优于对比模型。     

基于改进的K-means法的高分辨率遥感影像道路提取

针对高分辨率遥感影像中道路提取存在的特征利用问题,提出一种基于改进的K-means算法的道路提取方法。首先根据遥感影像的具体场景进行相应的预处理;在此基础上,利用改进的K-means算法融合道路的光谱特征和纹理特征对图像进行分类,得到初始道路区域;然后利用道路的几何特征滤除非道路区域;最后采用数学形态学方法完善道路信息,得到最终结果。实验结果表明,该方法能实现复杂场景中道路提取,并拥有较好的效果。     

基于对象的遥感影像道路提取

根据高分辨率遥感影像道路网络的特点,提出一种基于对象的道路提取算法.首先根据道路的局部光谱特性和几何特性,使用图像分割和边缘提取算法对图像进行预处理.然后,根据贝叶斯理论,基于道路的全局几何特性和拓扑特性,建立网络的数学模型,将网络提取问题转化为全局优化问题,使用可逆跳跃马尔可夫链蒙特卡罗算法求取全局最优网络.实验结果表明,该方法充分利用了道路的各种特性,可以有效地从遥感图像中提取出道路,具有较高的精度和实用性.     

面向对象的高分辨率遥感影像道路自动提取实验

传统的遥感影像道路提取,主要是利用数理统计与人工解译相结合的方法。这种方法不仅精度相对较低,效率差,而且依赖参与解译的人,在很大程度上不具备重复性。本文采用面向对象的分类技术,充分利用高分辨率遥感影像中丰富的空间结构信息和地理特征信息,针对实验区中的不同道路类型,在不同尺度下自动提取出道路信息。同时,本实验还提供了一种提取道路的普遍性规则集,提高了道路提取的自动化水平。通过实验表明:该方法提取速度快、精度高。     

High-resolution Remote Sensing Image Road Extraction Method for Improving U-Net

Accurate and efficient extraction of road information based on remote sensing image is a great significance for the establishment and maintenance of basic geographic databases. Due to the complex background information of high-resolution remote sensing images, existing algorithms cannot extract road information very well. U-Net network has good experimental results in image segmentation, but the accuracy of road segmentation results is not good. For this reason, this paper proposes a high-resolution image road extraction method based on improved U-Net network. Firstly, the U-Net-based network structure is designed and implemented. The network uses VGG16 as the network coding structure, which can extract feature semantic information better. Secondly, the use of Batch Normalization and Dropout solves the phenomenon of over-fitting that occurs during the network training process. Finally, the training data is expanded by rotation and mirror transformation, and the ELU activation function is used to improve the network training speed. The experimental results show that the method can extract road information more accurately and efficiently.     

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。     

一种基于区域生长与空间形状约束的高分辨率遥感图像道路提取方法

从遥感图像上快速、高效地提取道路等地理信息一直是遥感数据处理的研究热点,由于高分辨率影像的特点,仅使用光谱信息或形态特征进行道路的提取都难以得到满意的结果。本文将区域生长与空间形状约束相结合进行道路提取:首先利用道路种子点处的光谱信息进行道路区域的生长,提取光谱信息一致的道路区域,在提取出的道路条状区域的基础上,根据道路具有的形状特点,利用形态学滤波、面积滤波等方法进行高分辨率图像上的道路边线信息的确定,得到精确的道路数据。文章对高分辨率航空遥感影像进行了实验验证了该方法的有效性。     

基于数学形态学的高分辨率遥感影像道路提取

利用数学形态学的方法对高分辨率遥感影像道路提取进行了研究,通过对影像进行预处理增强道路信息,依据影像灰度直方图信息,对预处理后的影像进行阈值分割,得到一个包含道路信息的二值影像;进一步使用形态开运算去除细小噪声,同时将一部分粘连在道路上的噪声与道路信息进一步分割;接着结合形态腐蚀和形态重建运算获取影像中主要道路网络信息,并用形态闭运算完善道路网络信息;最后对道路网络信息进行形态细化和一定次数的形态修剪处理,得到单像素宽的道路中心线信息.利用数学计算软件MATLAB在高分辨率遥感影像上作了实验,并进行了总结和分析.     

基于改进水平集方法的高分辨率遥感图像道路提取

提出了一种基于改进水平集方法的遥感图像道路提取实用方法。针对水平集分割方法速度较慢以及对区域划分仅仅考虑灰度特征等不足,提出一种改进算法,通过引入罚函数项,并整合RGB空间和HSI空间的各通道信息,构造了一类基于多空间信息且无需重新初始化的水平集演化方程。同时针对遥感图像幅值大的特点,建立整图划分若干子图的划分方法,使提取的目标道路集中在少量子图中,减少了无目标背景干扰。利用QuickBird 0.61 m分辨率遥感图像进行道路信息提取试验,并建立评价指标对算法结果进行量化评价和分析。结果表明,研究的方法可较好地抑制区域背景噪声的干扰,快速准确地提出完整的道路区域,在道路交通规划辅助决策等领域具有重要的应用前景。     

基于SPUD-ResNet的遥感影像道路提取网络

针对遥感影像中道路目标细节丰富且呈带状分布的特点,造成狭长的道路结构提取困难的问题,设计并实现了一种基于SPUD-ResNet的道路提取方法。该方法利用空洞卷积构建残差网络编码器,并通过跳跃连接与对应解码器相连,有效加速网络的收敛并保留道路的细节信息;为了更有效地捕获狭长道路结构的长距离依赖关系,分别构建条形池化模块和混合池化模块,增强网络对条形道路结构特征的获取能力;利用道路结构的几何信息和结构相似性指数设计混合损失函数,精细化道路边界,去除道路提取结果中的模糊预测。在Massachusetts Roads数据集上的实验结果表明,所提方法在召回率、精确度和F1-score指标分别达到了83.4%、84.5%和83.9%,提升了道路提取的效果。