高分辨率遥感图像的道路提取与车辆检测

• 作 者: 王平
• 出 处: 哈尔滨工业大学
• 发表日期: 2016年期
• 关键词: 高分辨率遥感图像 道路提取 分割算法 车辆检测

随着高分辨率遥感技术的发展,影像的纹理细节越来越丰富,这为遥感信息提取带来了更多的机遇和挑战。作为重要的地物骨架,道路信息的提取有着广泛的应用前景和研究价值。由于道路在低分辨率影像和高分辨率影像中表现的形式不同,有些传统的道路提取方法不再适用。本文立足于高分辨率遥感图像针对高分一号、高分二号、北京二号三种数据源进行了基于分割的道路提取方法的研究。此外,高分辨率的影像显露出许多道路细节信息,使得车辆的检测与识别成为可能。本文使用高分二号数据源提出了基于双阈值的车辆检测方法的改进,主要工作如下:论文首先研究了基于聚类分割的道路提取方法,采用了基于模糊C均值聚类和改进的K-means聚类两种算法对影像进行分割。聚类后的结果包括和道路光谱特征相似的建筑物等其他地物,接下来又结合了数学形态学和形状滤波等操作对结果进行后处理。山区道路形状细长、方向多变,在影像中常常会出现因树木阴影造成的断裂。而山区道路的断裂距离与道路宽度的比值相对较大,使得传统的形态学等断路连接算法效果不佳。本文提出了一种基于凸包函数距离阈值的道路连接方法,对于山区断裂道路的连接起到了很好的效果。接下来,论文研究了基于改进的分水岭分割算法的道路提取,引入基于自适应阈值的前景标记和基于形态学重建的背景标记来修改梯度图像,很好得消除了原始方法中过分割的现象。在得到分割结果之后,利用形状、光谱等信息提取出道路。最后,论文提出了一种改进的车辆检测算法。通过双阈值对道路中亮、暗色车辆进行检测,再对结果进行噪声及干扰地物去除、阴影去除等后处理。由于高分二号数据源中部分亮色车辆由于暗色车窗的影响会造成一定误检现象,本文提出了一种整车检测与处理算法,并证明了其有效性。