论文部分内容阅读
道路是一种重要的基础地理设施。道路信息的及时获取与更新对城市规划与建设、商业开发应用,以及军事资源调配等诸多领域都具有非常重要的应用价值。道路网是在一定区域内,由各种相互联络、交织成网状分布的道路组成的系统。城市建成区范围内由各种道路组成城市道路网,组成城市地面综合交通系统的骨架,是城市交通可持续发展的重要基础条件和依托。高分辨率遥感影像为提取由城市快速路、主干路、次干路、支路等多个等级构成的城市道路网提供了详尽、现势的信息。然而高分辨率遥感影像数据量巨大、增长快速,单靠人工目视解译远远不能满足及时获得道路发展变化信息的需求,传统的基于像元的影像分析方法已被实际证明是难有成效的。基于对象影像分析方法是从高分辨率影像中自动提取地理信息的有效手段,但目前的研究一般仅可提取道路特征明显的简单道路,而对于高分辨率遥感影像中支路等路幅宽度小、线性特征突出受其他地物遮蔽的道路提取效果较差,且就如何针对多种类型道路并存的城市道路网提高分类精度等问题亟待解决。为解决以上难题,本文运用基于对象的影像分类方法,以美国WorldView 2/3和国产高分系列(GF 1/2)卫星影像为数据源,综合利用光谱、纹理、几何和上下文等特征,在最优分割图斑的基础上建立多尺度最优分割层次道路提取模型,结合独立数据挖掘算法提取道路网,并基于数学形态学方法对提取结果进行分类后优化处理,重构道路网络。通过以上研究,本文得到了如下结论:(1)基于分形网络演化分割算法构建的多尺度最优分割层次道路提取模型,较好地解决了城市道路网中多种类型并存的道路提取精度难以保证的问题。该模型根据不同路幅宽度特征将研究区多尺度城市道路网分为并列的若干个道路层次,构建多尺度最优层次分割模型,以实现对城市道路网各路幅尺度道路的遍历和循环提取,较好地提高了路网分类提取精度。(2)结合独立数据挖掘平台的随机森林、J48决策树算法和基于对象影像分析方法的分类提取方法,对高分辨率遥感影像城市复杂场景下的道路网提取效果明显。该方法可以自动选择分类特征及其阈值,从而避免了分类算法参数无法精细调校影响分类精度的问题。(3)基于数学形态学的道路提取结果分类后优化处理,对城市多类型道路骨架化提取和路网重构效果较好。数学形态学在保持道路原有信息的基础上,能够有效地连接断线道路、填充道路孔洞、平滑锯齿边缘、去除非道路信息,对道路提取结果细化后去除毛刺优化提取结果,重构整个城市道路网络。(4)采用完整率、准确率、提取质量等指标完成的道路网提取定量精度评价结果明显优于现有一些文献中的实验结果。本文共4个研究区,其道路网提取的完整率、正确率、提取质量结果分别为94.42%、89.23%、87.61%;95.08%、90.71%、88.34%;89.51%、84.70%、82.25%;92.79%、93.69%、90.17%,实验结果令人满意。