共查询到20条相似文献，搜索用时 257 毫秒
1.
2.
针对基于像素的道路提取方法的不足,使用一种基于超像素分割算法(Simple Linear Iterative Clustering,SLIC)和自适应阈值分割算法(OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法)相结合的道路提取方法,可以较好地解决在遥感图像中分辨率较高所造成的非道路地物对目标的噪声影响.该方法使用SLIC超像素分割算法对影像进行分割处理,再用改进的K-means聚类算法对分割后的超像素影像进行非监督分类,根据GVI值对分类后的影像中的植被及水体信息进行过滤,对过滤后的影像进行基于OTSU的分割,最后对分割影像进行后处理获得完整道路网.经过定性和定量分析后得出,此方法在道路提取上有较好的表现. 相似文献
3.
4.
基于分水岭算法的高分遥感图像道路提取优化方法 总被引：2，自引：0，他引：2
针对高分辨率遥感图像城市道路提取中存在的问题,在面向对象方法和数学形态学等理论基础上,提出了一种基于改进的分水岭分割算法的道路提取方法.在图像预处理基础上,首先使用改进的分水岭算法分割影像,提取基本的道路信息;然后利用面向对象方法提取道路基元,完善道路信息;最后将道路信息二值化,并采用数学形态学等方法进行优化,去除和修补不完善的道路.结果表明,该方法能有效地提取出城市地区的道路信息,对较复杂的道路环境也有较好的效果. 相似文献
5.
6.
为实现从低频轨迹数据中提取城市道路交叉口,本文设计了一种基于数据预处理与聚类算法的道路交叉口精准识别方法。首先结合轨迹数据的特征,采用启发式滤波算法对原始数据进行清洗,剔除冗余点与异常点;然后依据车辆的运行规律,提出了一种分步式道路交叉口的提取算法,由此计算出疑似道路交叉口的特征点;最后利用层次密度聚类算法(HDBSCAN)对筛选过后的轨迹点进行聚类并提取质心,得到道路的交叉口,最终以成都市某日的出租车行驶轨迹为数据源,进行试验分析。结果表明,使用该算法提取交叉口,精确率达95.33%、召回率达82.11%、F值达88.46%,能有效且准确识别城市道路交叉口信息,在城市管理与交通规划中具有一定的应用价值。 相似文献
7.
将图像域规则划分与模糊聚类方法结合,提出了一种区域化模糊聚类算法,并将该算法用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像分割,以解决分割过程中像素模糊聚类难以处理SAR图像中存在的大量固有斑点噪声问题。首先,利用规则划分技术将图像域划分成大小相等的规则子块;假设每一子块内像素对聚类的隶属度相同,并以此为基础定义区域模糊聚类目标函数;通过迭代最小化上述目标函数实现SAR图像初步分割;最后,采用中值滤波方法进行后处理操作,以消除规则划分对不同类别之间边界的影响,实现SAR图像精准分割。为了验证提出算法的有效性,用模拟及真实SAR图像实现了算法测试;对算法分割结果进行定性与定量评价。结果表明算法的分割精度较高,可以有效降低SAR图像中斑点噪声对分割结果的影响。 相似文献
8.
机载SAR影像分辨率的不断提高使得图像纹理信息更加丰富,对地物分类和提取具有重要意义。针对建筑区的纹理特点,该文提出了一种综合统计和结构多特征加权融合的建筑区提取方法。分别采用经典的灰度共生矩阵方法提取统计纹理特征和采用变差函数方法提取结构纹理特征,并考虑方向信息;然后利用提出的巴士距离特征权值计算方法,将所选特征进行加权融合;利用K均值聚类算法对融合后的特征图像进行非监督分类,对分类图像进行后处理并提取外部轮廓。以国产机载P波段全极化SAR影像为数据源进行了实验,并对结果进行了定量分析,表明该方法能够高精度地有效提取高分辨率机载SAR影像中的建筑区。 相似文献
9.
针对传统模糊聚类分割算法无法克服合成孔径雷达(synthetic aperture radar, SAR)图像中固有的斑点噪声问题, 提出了一种利用可变形状参数Gamma分布和邻域相关性的模糊聚类分割算法。可变形状参数Gamma分布用于建模多视SAR强度图像的斑点噪声, 并以其负对数作为特征场中像素与聚类间强度的相似性测度模型; 通过马尔可夫随机场(Markov random field, MRF)建立标号场中邻域像素的类属相关性模型; 在模糊聚类框架下, 以上述模型为基础构建模糊目标函数; 在目标函数最小化准则下, 求解最优结果。实验表明, 可变形状参数Gamma分布能够更加准确地拟合同质区域内像素强度的统计直方图。为有效求解包涵在Gamma函数内的形状参数, 采用牛顿迭代算法估计其数值解。对合成和真实多视SAR图像分别进行分割实验, 定性、定量分析的结果验证了本文算法的有效性。 相似文献
10.
11.
Improving urban road extraction in high-resolution images exploiting directional filtering, perceptual grouping, and simple topological concepts 总被引：1，自引：0，他引：1
In this letter, the problem of detecting urban road networks from high-resolution optical/synthetic aperture radar (SAR) images is addressed. To this end, this letter exploits a priori knowledge about road direction distribution in urban areas. In particular, this letter presents an adaptive filtering procedure able to capture the predominant directions of these roads and enhance the extraction results. After road element extraction, to both discard redundant segments and avoid gaps, a special perceptual grouping algorithm is devised, exploiting colinearity as well as proximity concepts. Finally, the road network topology is considered, checking for road intersections and regularizing the overall patterns using these focal points. The proposed procedure was tested on a pair of very high resolution images, one from an optical sensor and one from a SAR sensor. The experiments show an increase in both the completeness and the quality indexes for the extracted road network. 相似文献
12.
Elahe Khesali Mohammad Javad Valadan Zoej Mehdi Mokhtarzade Maryam Dehghani 《Journal of the Indian Society of Remote Sensing》2016,44(1):21-29
Two new methods for fusion of high-resolution optical and radar satellite images have been proposed to extract roads in high quality in this paper. Two fusion methods, including neural network and knowledge-based fusion are introduced. The first proposed method consists of two stages: (i) separate road detection using each dataset and (ii) fusion of the results obtained using a neural network. In this method, the neural networks are separately applied on high-resolution IKONOS and TerraSAR-X images for road detection, using a variety of texture parameters. The outputs of two neural networks, as well as the spectral features of optical image, are used in a third neural network as inputs. The second method is a knowledge-based fusion using thresholds of narrow roads and vegetation gray levels. First roads are extracted from each source separately. The outputs are then compared and advantages and disadvantages of each data source are investigated . The results obtained from accuracy assessment show the efficiency of the proposed methods. Furthermore, the comparison of the results showed the superiority of the first algorithm. 相似文献
13.
Poonam S. Tiwari H. Pande Ashwini Kumar Pandey 《Journal of the Indian Society of Remote Sensing》2009,37(2):223-231
Automatic road extraction from remotely sensed images has been an active research in urban area during last few decades. But
such study becomes difficult in urban environment due to mix of natural and man-made features. This research explores methodology
for semiautomatic extraction of urban roads. An integrated approach of airborne laser scanning (ALS) altimetry and high-resolution
data has been used to extract road and differentiate them from flyovers. Object oriented fuzzy rule based approach classifies
roads from high resolution satellite images. Complete road network is extracted with the combination of ALS and high-resolution
data. The results show that an integration of LiDAR data and IKONOS data gives better accuracy for automatic road extraction.
The method was applied on urban area of Amsterdam, The Netherlands. 相似文献
14.
针对高分辨率SAR影像中细节信息损坏道路的面特征结构、影响道路提取,基于影像统计特征,给出一种结合区域生长和细节信息识别的道路提取方法。该方法通过区域生长提取呈现面特征的暗目标(道路框架),利用CFAR算法识别细节,通过形态学融合得到最终结果。为降低高分辨率影像区域异质性对提取结果影响,提出了一种自适应CFAR算法,相比之前算法可自适应删除干扰点;并引入有效表征影像统计的GA0分布。利用海南省陵水黎族自治县机载X波段高分辨率SAR数据的幅度影像进行实验,结果表明,该方法能有效提取呈面特征的道路,获得准确的道路宽度和中心线信息。 相似文献
15.
为避免由于城市道路复杂及树木建筑的阴影遮挡导致从遥感影像中提取道路信息不准确的问题,本文采用高分影像和LiDAR数据相融合的方法实现城市道路的提取,并使用一种基于最小面积外接矩形（MABR）的后处理改进方法进行完善。首先对试验区进行数据配准;然后应用FNEA算法进行图像分割,并使用随机森林分类法进行分类,将影像融合和对象形状指数等相关算子应用到道路提取中;最后去除植被和建筑物,完善道路填充,提取出道路完整信息。结果多伦多和台安试验区的道路完整度分别为95.41%和90.84%,准确度分别为83.07%和85.63%。本文方法可有效去除伪道路信息,提高道路提取完整度,较好地实现了道路信息提取。 相似文献
16.
矢量数据辅助的高分辨率遥感影像道路自动提取 总被引：1，自引：0，他引：1
高分辨率遥感影像上细节信息繁杂、干扰物普遍存在,对其进行自动化道路识别与提取的相关研究仍处在探索阶段。在道路提取过程中引入矢量数据辅助,可解决初始信息获取的困难,得到可靠性较强的训练样本。为此,提出一种矢量数据辅助下的道路提取方法,能够筛选出矢量数据中包含的有效信息,引导实现对高分辨率遥感影像的道路自动提取。利用Mean-shift滤波对图像进行预处理后,首先从矢量数据获取候选种子点,并通过提炼同质区域的形状特征剔除错误候选点;然后,自动获取负样本点以进行朴素贝叶斯分类,并采用邻域质心投票算法从分类影像提取道路中心线;最后,结合像素跟踪与方向判断矢量化道路中心线,并提出一种基于矢量几何分析的断线连接与毛刺剔除方法,对提取结果进行信息修复与规整、优化。实验结果显示,该算法的提取质量达到80%以上,且具备较强的稳健性,能够适应具有不同道路辐射和分布特征的高分辨率遥感影像。 相似文献
17.
在高分辨率遥感影像中提取无清晰连续边缘线的道路 总被引：4，自引：0，他引：4
现有的许多道路提取算法均利用道路的外边缘线信息来实现道路的提取,当边缘线清晰连续时,采用这些方法都可以取得很好的提取效果.不过,在高分辨率的城市遥感影像中,常常会存在一些低对比度区域,处于其中的道路边缘线非常之弱,以致难以直接检测出单个的边缘点.如果受到树木、房屋及车辆的干扰,这些原本就很弱的边缘还会发生断裂.通过现有方法提取具有如此边缘线的道路难度很大.本文给出一种旨在解决这一问题的新方法.首先借鉴相位编组原理形成边缘线支持区并对其进行连接;然后利用动态规划方法从支持区中检测出边缘线并对这些线进行平滑;最后连接由边缘线构成的道路段,得出道路提取结果.实验表明,本方法可以较好地提取出无清晰连续边缘线的道路,对于边缘对比度较大的道路则可取得更为令人满意的结果. 相似文献
18.
Road network extraction from high-resolution satellite (HRS) imagery is a complex task. It is an important field of research and is widely used in various cartographic applications such as updating and generating maps. The objective of this research work is to develop a novel framework, emulating human cognition, for detection of roads from HRS images. Roads network from HRS images are detected using support vector machines within the different stages of cognitive task analysis. In the first stage, basic information about the cognitive parameters which are required for image interpretation is collected. In the second stage, the rule-based method is used for knowledge representation. Lastly, during knowledge elicitation, the developed rules are used to extract roads from HRS images. The proposed method is validated using 16 HRS images of developed suburban, developed urban, emerging suburban and emerging urban region. 相似文献
19.
针对严重污染的城市水体与道路、建筑物、阴影等易于混分,以及遥感水体提取结果不连续、存在斑点问题,本文以广州市流溪河与东江水系为研究对象,基于2016年与2017年OLI遥感影像,采用本文新提出的城市水体指数法（CWI）,同时结合分形几何算法,通过设置形状面积等特征,实现城市复杂环境下的水体信息的自动提取。并与单通道算法、改进的归一化差异水体指数（MNDWI）算法、支持向量机法（SVM）与光谱角度法的水体提取结果进行对比分析。结果表明：SVM算法出现大量斑点,其次为MNDWI水体指数算法,光谱角度算法与单通道算法斑点较少,但水体提取结果不连续,部分河道漏分。本文提出的算法能够克服山体阴影、道路、建筑物等影响,实现城市污染水体以及一般水体连续、准确提取。本文的提取结果可为水资源调查、洪水灾害预测评估、水利规划、环境监测等工作提供基础数据支撑。 相似文献