地理信息：影像道路特征提取的研究现状

　　地理信息：影像道路特征提取的研究现状

　　根据道路特征提取的自动化程度将道路特征提取分为全自动特征提取和半自动特征提取，

　　全自动提取无疑是遥感形像目标识别与提取的发展方向和最终目标，

　　但由于遥感影像的复杂性和多样性，对道路等人工地物的自动提取涉及计算机视觉、

　　人工智作、模式识别与影像理解等诸多方面，

　　尽管自动提取道路等线状地物的研究已经进行了许多年,

　　国内外专家在这方面做了大量的探讨和努力，

　　但至今还没有一种针对各种道路类型和比例尺(分辨率》影像的通用提取策略和算法。

　　因此，充分利用人与计算机各自的优点，

　　将人的“识别”能力与计算机的“量测”与“定位”能力相结合。

　　采取人机交互方式进行半自动提取是目前条件下提取道路行之有效的方法。

　　1.半自动道路特征提取

　　半自动道路特征提取即利用人机交互的形式进行特征提取和识别,

　　其主要思想是由人工首先在道路上或道路附近提供初始道路点(种子点)，

　　有时还提供初始方向,然后再由计算机根据人工点进行识别处理，

　　通过适当的人工干预，保证提取的准确性。

　　这种方式较好地结合了人与计算机各自的优势，

　　在目前计外机识别能力不高的情况下，具有较高的实用价值。

　　由于半自动道路提取更具有实用性,

　　国内外侧绘界、计算机视觉模式识别与人工智能等领域

　　都对遥感影像上线状特征(道路)半自动提取进行了深人研究。

　　例如，美国McKeown实验室等、国内如武汉大学、国防科技大学等院校都做了许多工作，

　　取得了明显的成绩，有的成果已具备初步的实用价值。

　　但由于遥感影像理解的复杂性，现有的提取算法基本上还是处于试验阶段，

　　其实用性、通用性、准确性等方面离大规模实际应用的要求还有较大差距。

　　道路半自动提取算法一般通过道路影像增强来确定道路点;

　　根据结果进一步发现一些道路“种子点”;

　　跟踪、扩展“种子点”，形成道路段;

　　链接与显示道路这几步组成，

　　算法大多是基于对遥感影像线状地物的灰度特征和几何约束的整体优化加以设计。

　　2.自动道路特征提取

　　包括四个步骤：

　　(1)道路特征的增强，例如影像滤波或小波变换等。

　　(2)道路“种子点”确定，确定可能的道路点。

　　(3)将种子点扩展成段，有基于规则的边缘点自动链接、动态规划、等方法。

　　(4)道路段的确认，自动连接。

　　这一步骤及自动编组算法，顾及上下文知识的连接假设生成和假设验证、

　　地物的语义关系表达、多源数据的融合等高水平的自动影像解译方法。



为您推荐  地理信息：影像道路的基本特征