高分辨率遙感圖像的道路提取與車輛檢測.pdf

1、隨著高分辨率遙感技術(shù)的發(fā)展，影像的紋理細(xì)節(jié)越來越豐富，這為遙感信息提取帶來了更多的機(jī)遇和挑戰(zhàn)。作為重要的地物骨架，道路信息的提取有著廣泛的應(yīng)用前景和研究價值。由于道路在低分辨率影像和高分辨率影像中表現(xiàn)的形式不同，有些傳統(tǒng)的道路提取方法不再適用。本文立足于高分辨率遙感圖像針對高分一號、高分二號、北京二號三種數(shù)據(jù)源進(jìn)行了基于分割的道路提取方法的研究。此外，高分辨率的影像顯露出許多道路細(xì)節(jié)信息，使得車輛的檢測與識別成為可能。本文使用高分二號數(shù)

2、據(jù)源提出了基于雙閾值的車輛檢測方法的改進(jìn)，主要工作如下：
　　論文首先研究了基于聚類分割的道路提取方法，采用了基于模糊C均值聚類和改進(jìn)的K-means聚類兩種算法對影像進(jìn)行分割。聚類后的結(jié)果包括和道路光譜特征相似的建筑物等其他地物，接下來又結(jié)合了數(shù)學(xué)形態(tài)學(xué)和形狀濾波等操作對結(jié)果進(jìn)行后處理。
　　山區(qū)道路形狀細(xì)長、方向多變，在影像中常常會出現(xiàn)因樹木陰影造成的斷裂。而山區(qū)道路的斷裂距離與道路寬度的比值相對較大，使得傳統(tǒng)的形態(tài)學(xué)等

3、斷路連接算法效果不佳。本文提出了一種基于凸包函數(shù)距離閾值的道路連接方法，對于山區(qū)斷裂道路的連接起到了很好的效果。
　　接下來，論文研究了基于改進(jìn)的分水嶺分割算法的道路提取，引入基于自適應(yīng)閾值的前景標(biāo)記和基于形態(tài)學(xué)重建的背景標(biāo)記來修改梯度圖像，很好得消除了原始方法中過分割的現(xiàn)象。在得到分割結(jié)果之后，利用形狀、光譜等信息提取出道路。
　　最后，論文提出了一種改進(jìn)的車輛檢測算法。通過雙閾值對道路中亮、暗色車輛進(jìn)行檢測，再對結(jié)果進(jìn)行