道路交叉口作为道路网络的重要组成部分,可为道路半自动化提取方法提供初始种子点,引导道路网络的建立;其次,作为道路网络的基本元素,道路交叉口能提供道路的位置信息、连接信息、方向性信息等;此外,道路交叉口还可作为有效地面控制点,在遥感影像几何精纠正模型的建立过程中起关键性作用。可以说,道路交叉口在遥感应用领域发挥着重要作用,对其提取方法予以研究具有十分重要的意义。本文介绍了高分辨率SAR影像道路交叉口提取研究的理论基础、处理方法及流程,着重在SAR影像预处理(即相干斑抑制)、道路交叉口的粗提取以及道路交叉口的准确识别三个方面展开具体研究工作。本文的主要创新点有:(1)提出了一种引入欧氏距离的各向异性扩散(EDAD)相干斑抑制算法。EDAD算法在P-M模型与SRAD算法基础上,利用区域间的欧氏距离,构建了一种新的边缘检测算子,并基于边缘检测算子,改进了扩散函数,实现了相干斑各向异性扩散的目的。实验结果证明,该算法在有效抑制相干斑同时,具有较好的边缘保持性能,对分布较散的弱相干斑区域与分布较集中的强相干斑区域均有较好适用性。(2)引入了一种直接探测SAR影像道路交叉口的方法获取候选道路交叉口区域。该方法基于SAR影像道路交叉口模型特征,设定结构元素的形状与尺寸,利用Bottom-Hat与闭运算直接探测整幅影像,剔除了明显非道路交叉口区域,检测出候选道路交叉口区域,并利用二值化、种子填充算法等获取候选道路交叉口区域中心点坐标。实验结果证明,该方法在不提取道路线特征的情况下,有效获取了道路交叉口候选区域,为道路交叉口的进一步确认提供了支撑。(3)设计了一种利用三角形检测模型识别道路交叉口类型的方法。该方法在候选道路交叉口区域构建三角形模型,计算模型内各三角形灰度均值,依据灰度均值统计特征与道路交叉口模型的对应关系,识别了道路交叉口模型。实验结果证明,三角形检测模型,对各种常见的二维道路交叉口模型(两叉“L”型、三叉“T”型、三叉“Y”型、四叉“+”型与四叉“X”型)均有较好的识别效果。