论文部分内容阅读
道路作为地物中的组成部分,在现实生活中具有重要的作用。道路信息提取是遥感影像信息处理中最困难的技术之一,传统的道路提取算法多数是针对中低分辨率的航空航天图像。随着遥感技术的发展,其图像的分辨率有了很大的提高,尤其是低空无人机技术的发展,遥感图像分辨率已由亚米级提高到厘米级。厘米级遥感影像具有边缘特征显著、内部纹理丰富的特点,前者有利于道路信息提取,后者则会对道路信息提取造成干扰。由于数据的变化,因此有必要针对厘米级遥感图像开展道路信息提取技术做进一步的研究。本文主要工作如下:
(1)分析了国内外图像道路提取算法的优缺点、高分辨率遥感图像的特征以及会遇到的困难。为了较好地提取出图像中的道路区域,针对中值滤波和均值滤波的缺点,提出了一种新的混合滤波算法来对图像进行平滑预处理,经过滤波后的图像道路区域具有较为一致的灰度特征。
(2)提出了一种基于直方图技术的顶点查找算法来形成用于聚类的模式类,然后使用改进的山峰聚类算法对这些模式类进行聚类,自动获得用于图像分割的聚类数目和聚类中心,该算法充分利用了直方图技术的简洁性和山峰聚类自动预测聚类中心的优点,这样的结合有效降低了图像分割时间。最后对山峰聚类的三个较大的改进版本进行比较分析,同时由于直方图技术忽略了像素的空间位置,于是尝试着对山峰聚类加入空间距离来进行图像分割。
(3)根据图像道路所具有的特征得到消除干扰道路提取的噪声算法,并对这些算法进行了讨论和分析。首先利用高分辨率遥感图像中的道路在三个颜色通道的灰度值差别较小来消除部分抽取在道路中的噪声,其次利用RGB图像道路阴影在三个颜色分量中的特征差别来消除道路阴影噪声,最后综合利用数学形态学理论构造形态学滤波来消除与道路不相连通的噪声并平滑道路边界。
从消除噪声后的道路图像可以看出,本文的算法能较好地抽取图像中的道路区域。