基于区域分割的遥感影像道路提取算法研究

论文摘要

遥感影像是对地球表面特征的综合反映,影像分析与信息提取是遥感影像从数据转换为信息,进而服务于各行各业的中间环节和核心技术。近年来,遥感对地观测技术发展迅猛,由于高空间分辨率、高光谱分辨率、高时相分辨率等多样化遥感数据的出现,使得传统的信息提取技术很难适应目前遥感数据处理和应用的要求,特别是高精度、高效率的目标自动识别技术的不完善已经成为遥感数据大规模应用的“瓶颈”,导致了大量的遥感数据不能得到充分利用。因此,迫切需要发展智能化的遥感影像信息提取技术来解决上述问题,这也是当前遥感领域的研究热点之一。本论文研究的主要目的是如何实现对高分辨率遥感影像进行高质量分割和道路目标的自动识别与提取。在研究过程中,以面向对象的专题信息提取为主要应用目标,分析了遥感影像分割技术的原理和方法,提出了一种适用于高分辨率遥感影像的分割算法,接着开展其在遥感影像处理中的应用研究试验,并有效的提取了影像中的道路区域。本文具体的研究工作主要体现在：（1）系统地总结了当前遥感影像信息提取技术的原理与方法。介绍了专题信息提取的各种地物特征知识,包括光谱特征、纹理特征、形状特征、空间关系特征等,基于这些特征知识,重点分析了面向对象的遥感影像专题信息提取技术,针对目前商业化面向对象影像分析的eCognition软件,对其主要的分割方法以及专题信息提取方法进行了细致讨论。（2）提出了一种多特征和多波段协同的区域分割算法（MM-RSA）。首先通过单一波段生成纹理影像,将纹理影像和多光谱影像进行组合,形成组合多波段影像；其次采用模糊C均值聚类算法将组合影像处理成一单波段的聚类影像,用于生成种子区域；最后综合地物的光谱、形状等特征知识作为区域生长与合并的准则进行区域分割。MM-RSA可以根据不同的提取对象,以不同的尺度分割影像,由于该算法是建立在分割体模型上的,因此很容易对其进行扩展。（3）分别采用QuickBird影像和WorldView影像进行分割试验,并对MM-RSA生成的影像对象结果进行评价。对QuickBird影像生成的影像对象采用了两种评价方法：基于对象度量的评价方法和基于分类的评价方法；对WorldView影像生成的影像对象采用了基于分类的评价方法。试验结果表明,MM-RSA生成的影像对象质量高,是一种可行的,有效的分割方法。（4）基于数学形态学的方法提取道路。从数学形态学的基本理论入手,归纳提炼出提取道路的方法,主要包括形态学开运算、形态学闭运算、形态学重建等,提出了一种利用结构元素计算数值比值的方法来连接断开的道路网,进而分别对QuickBird影像和WorldView影像中粗提取出的道路专题进行优化提取。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 相关技术研究现状
• 1.2.1 影像分割方法的研究现状
• 1.2.2 遥感影像道路提取的研究现状
• 1.3 论文主要内容和组织结构
• 1.4 本章小结
• 第二章 遥感影像专题信息提取技术
• 2.1 遥感影像专题信息提取的基本思想
• 2.2 专题信息提取的地物特征知识
• 2.2.1 遥感影像视觉特征
• 2.2.2 遥感影像道路基本特征
• 2.3 面向对象的遥感影像分析技术
• 2.3.1 多尺度分割
• 2.3.2 面向对象的专题信息提取方法
• 2.4 本章小结
• 第三章 多特征和多波段协同的区域分割算法
• 3.1 提取纹理特征影像
• 3.1.1 直方图均衡化
• 3.1.2 灰度共生矩阵
• 3.1.3 纹理特征影像提取
• 3.2 生成聚类影像
• 3.2.1 模糊C均值聚类原理
• 3.2.2 聚类影像生成
• 3.3 生成种子区域
• 3.3.1 分割体模型
• 3.3.2 分割体属性特征计算
• 3.3.3 分割体初始化和种子生成
• 3.4 区域增长与合并
• 3.4.1 区域增长
• 3.4.2 区域合并
• 3.5 分割界面
• 3.6 本章小结
• 第四章 实验与结果评价
• 4.1 实验1:QUICKBIRD遥感影像
• 4.1.1 QuickBird影像数据
• 4.1.2 实验步骤和算法参数
• 4.1.3 基于对象度量的分割评价
• 4.1.4 基于分类的分割评价
• 4.2 实验2:WORLDVIEW遥感影像
• 4.2.1 WorldView影像数据
• 4.2.2 实验步骤和算法参数
• 4.2.3 基于分类的分割评价
• 4.3 本章小结
• 第五章 基于数学形态学的道路提取算法
• 5.1 数学形态学的基本理论
• 5.1.1 结构元素
• 5.1.2 二值形态学
• 5.1.3 灰度形态学
• 5.2 不连续区域处理算法
• 5.2.1 闭运算处理算法
• 5.2.2 结构元素计算数值比值处理算法
• 5.3 道路提取实验
• 5.3.1 实验1:QuickBird影像道路提取
• 5.3.2 实验2:WorldView影像道路提取
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 附录