高分辨率遙感圖像道路提取算法的分析與優(yōu)化.pdf

1、道路作為遙感影像重要數(shù)據(jù)信息之一，一直是影像處理領域研究的熱點和難點，城市交通管理、城市規(guī)劃、自動車輛導航以及地理信息系統(tǒng)數(shù)據(jù)庫的更新都依靠道路的高精度自動識別和道路網(wǎng)信息的實時更新。但由于目前的計算機、目標識別、人工智能等技術水平的限制，道路提取至今沒有一套完善的系統(tǒng)可實現(xiàn)道路信息的智能化、自動化提取，因此研究有效的高分辨率遙感影像道路提取算法就具有重要的意義。本文研究的對象為單條道路和道路網(wǎng)，提取算法研究了監(jiān)督分類與非監(jiān)督分類，利用

2、完整性、正確性、可行性進行定量分析，在分析當今遙感影像分割技術的方法和理論研究現(xiàn)狀的基礎上，本文研究了三種算法并對其進行改進提取遙感影像中的道路信息。
　　（一）本文深入地研究了分水嶺算法，針對傳統(tǒng)的分水嶺算法存在的缺點，提出一種基于閾值標記的分水嶺算法，實驗表明該算法可以很好地克服過分割的影響，提取單條道路信息的正確性可以達到78％。
　?。ǘ┓炙畮X算法屬于非監(jiān)督的范疇，本文研究了支持向量機監(jiān)督算法，研究了支持向量機分類

3、算法的基本原理，結合本文所選圖像的特點，將該圖像分為±地、小區(qū)、草地、操場、草坪、道路六類，選取六類樣本進行訓練，實驗結果圖像分為藍色、綠色、白色、黑色、紫色、黃色六種不同的顏色，其中黃色為道路信息，利用像素特征就可以將道路信息很好地提取出來，該算法提取單條道路信息的正確性達到了95％。
　?。ㄈ┥鲜鰞煞N算法提取的是遙感圖像中的單條道路信息，實際生活中遙感圖像中的道路信息更多地表現(xiàn)為道路網(wǎng)，模糊C均值(FCM)聚類算法可以提取道

4、路網(wǎng)信息，但是提取的正確性只有91％，道路與其他物體連在一起無法進行分離，因此研究一種算法能夠有效提取遙感圖像中的道路網(wǎng)就顯得非常重要，本文并提出了結合支持向量機的模糊C均值(FCM)聚類算法提取道路網(wǎng)信息，該算法提取道路網(wǎng)信息的正確性為94％。
　　綜上，遙感圖像道路提取的經典算法和改進算法很多，提取效果有差異;不同屬性的待提取圖像欲獲得更優(yōu)的提取效果，在應用和改進時，需綜合考慮圖像的屬性和處理目標、算法難易和復雜度以及應用背景