论文部分内容阅读
道路目标识别与属性反演在民用、军事方面具有重要的实际价值。道路材质一般为沥青、水泥、砂石土等,故在遥感数据中表现为有别于其他地物的光谱特征,同时在遥感图像中道路表现为直线或曲线定向延伸的空间特征。因此目前对道路进行识别与提取的方法主要有k-l变换法、基于监督分类的决策树法、边缘提取法、区域分割提取法、模板提取、面向对象分类法、方向角度纹理法和基于向量机法等方法,但是由于混合像元的存在导致提取精度不高。本文重点在道路实测光谱特性识别指数构建、空间增强方法、混合像元分解这三个方面进行研究。首先进行光谱特征的研究,利用ASD FieldSpec 4野外实测高光谱数据,将材质为沥青、水泥、砂土的三种道路归为一类,采用方差分析法计算其与植被、水体、土壤的可分性指标,以此选择最优波段并构建道路指数,讨论道路指数的提取情况与适用范围。其次基于道路定向延伸的特性进行空间增强方法研究,采用Sobel算子、Prewitt算子、Log算子与Canny算子分别对道路的边缘进行提取,通过对比研究选择最优算子并设定阈值,结合数学形态学完成空间信息的提取。最后,为了解决OLI数据上存在较多道路混合像元导致提取精度较低的问题,重点采用最小噪声分离的混合谐调匹配滤波(MNF-MTMF)模型进行混合像元分解,其中光谱端元取自野外实测数据,将混合像元分解的方法与空间算子增强的方法进行融合来提高提取精度。通过研究得到结论如下:1.方差分析研究表明,以landsat8 OLI数据中6(NIR)波段与3(GREEN)波段为最优波段构建的三个指数:比值道路指数(RRI)、差值道路指数(DRI)和归一化道路指数(NDRI),NDRI识别效果最好,但存在精度不高和一定局限性,只能较好提取出大于或接近于一个像元宽度的道路,其余规格的道路提取不完整。2.空间信息增强研究表明,Canny算子的提取效果优于Sobel算子、Prewitt算子和Log算子,可以得到比较完整的道路边缘信息。3.综合光谱信息与空间信息的研究表明,相对于NDRI方法,利用基于MNF-MTMF模型混合像元分解的方法提取出的道路信息与实际更吻合,良好的解决了NDRI存在的问题;通过MNF-MTMF模型与Canny算子相结合提取的道路信息,道路的边缘清晰,内部像元完整。提取结果精度:像元错分率为49.2%,像元漏分率为17.6%。