论文摘要
随着遥感技术的迅速发展,使得我们能够利用遥感技术动态、快速、准确地获取大量的遥感数据,这些数据在我们的实际应用中发挥着非常重要的作用。而随着IKONOS、QuickBird、Spot-5等高分辨率遥感卫星的相继发射,遥感卫星图像的空间分辨率得到了很大的提高,使得应用高分辨率遥感图像进行目标检测成为可能,从而为目标检测提供了新的研究对象。目前,高分辨率遥感图像的应用研究正成为国内外遥感、GIS、军事等领域的研究热点。道路作为一个最基本、最常见的人造目标,具有显著的地理特征和几何特征。因此,如何利用高分辨率遥感图像,结合最新的数学理论和图像处理技术,研究道路目标的检测具有重要的理论意义,在经济国防建设中都具有重要的应用价值。通过对遥感图像进行道路检测,可以为交通地理信息数据库的建立和更新提供及时、准确、有效的数据,使交通地理信息系统的空间分析能力增强,从而大大改善了电子地图的时效性,降低电子地图的成本,对道路交通管理与规划具有指导性的作用,因而对城市建设的决策和规划有着重要的意义。在过去的几十年里,涌现出许多道路检测的算法,并在特定情况下取得了一些进展。研究所采用的方法按照其自动化程度,可以分为全自动的方法和半自动的方法,由于遥感图像的复杂性和多样性,这些算法都有各自的优缺点,普适性不强,到目前为止还没有比较完善的方法。本文围绕从高分辨率遥感图像上对道路进行半自动检测展开了一系列的研究,通过查阅大量的相关文献,分析和总结前人的工作经验,针对高分辨率遥感图像中道路的特点,结合Contourlet变换和主动轮廓模型（Snakes）的理论尝试提出了自己的算法,利用这些算法完成道路检测工作,并通过实验验证了本文算法的有效性。论文主要进行了以下几个方面的工作:（1）讨论了道路检测的研究现状与发展趋势,归纳和总结了常用的道路检测方法,并比较了各种方法的特点;（2）介绍了传统的边缘检测方法,比较了它们的优缺点;（3）详细讨论了Contourlet变换的原理,指出了由于Contourlet变换中存在下采样而导致其缺少平移不变性和频谱泄露等问题。介绍了Contourlet变换的改进:非下采样Contourlet变换,简要介绍了该变换的主要流程和性质;（4）讨论了传统主动轮廓模型（Snakes）以及其各种改进模型,包括梯度矢量流主动轮廓模型、Ribbon Snakes模型,提出了基于Ribbon Snakes的遥感图像道路检测方法,并提取道路中心线;（5）参考T.Katherine基于边缘识别的道路检测方法,将道路检测分为四个步骤来完成,图像边缘检测、边缘细化、边缘定位以及边缘跟踪。具体实现如下:将非下采样Contourlet变换用于图像的边缘检测,然后结合文献中提到的“非极大值抑制”的思想和数学形态学的方法对得到的边缘进行细化,根据细化后的结果定位边缘,最后利用梯度矢量流主动轮廓模型对道路边缘进行跟踪连接。
论文目录
相关论文文献
标签：遥感图像论文; 非下采样变换论文; 梯度矢量流主动轮廓模型论文; 道路检测论文;