一种高分辨率遥感图像的城市路网信息自动提取方法技术

一种高分辨率遥感图像的城市路网信息自动提取方法，其特征在于，包括以下步骤：步骤1、基于改进的分水岭分割算法，选择适当的局域同质性阈值、剔除局部极小值小面积区域、去除小斑块和区域合并来解决过分割问题；步骤2、面向对象方法中采用的几何特征和上下文特征，利用城市路网特征对道路影像对象进行提取并对影像中的遮挡问题进行处理；步骤3、高分辨率影像中道路交叉口自动提取的方法快速、准确地提取出道路交叉口的位置，为道路的拓扑连接提供依据；步骤4、针对面状道路中的孔洞、路段间的断裂、“同谱异物”的噪声问题对道路进行进一步修正，并为道路提取的拓扑连接打下基础，对道路提取结果中较大的道路中断，采用两种拓扑连接方法有效地连接了道路条带间以及道路交叉口位置处的道路中断，进一步完善了路网信息。

An automatic extraction method of urban road network information based on high resolution remote sensing images

An automatic extraction method of urban road network information for high resolution remote sensing images is characterized by the following steps: Step 1, based on an improved watershed segmentation algorithm, selecting appropriate local homogeneity threshold, eliminating local minimum area area, removing small patches and region merging to solve the problem of over segmentation; The geometric and context features used in the 2 and the object oriented method are used to extract the road image objects and to deal with the occlusion problem in the image. Step 3, the method of automatic extraction of Road intersection in the high resolution image can quickly and accurately extract the location of the road intersection. The topology connection provides the basis for the road; step 4, the road is further corrected by the holes in the pavement, the fracture between the sections and the noise of the \same spectrum\. It also lays the foundation for the topological connection extracted from the road, breaks the road in the result of the road extraction, and uses the two topology connection methods effectively. The road connections between road strips and road intersections are connected to further improve the road network information.

【技术实现步骤摘要】
一种高分辨率遥感图像的城市路网信息自动提取方法
本专利技术涉及一种高分辨率遥感图像的城市路网信息自动提取方法，属于遥感图像处理和智能识别技术

技术介绍
虽然从遥感图像中自动提取道路的相关研究已经进行了几十年，取得了不少研究成果，但是目前还处于实验阶段，距离实际应用还有很大差距。综合已有的研究结果可以发现，道路自动提取的难点主要有以下几个方面：首先，道路的自动提取主要取决于道路与周围物体或环境的反差大小，而影像中的建筑物、停车场等与道路具有相似的特征的地物以及树木、阴影遮挡等噪声构成了道路提取的干扰因素。同时，由于道路本身修建年代的不同和路面材料的不同，采用统一的道路模型必然会得到断裂的道路提取结果。此外，高分辨率影像中复杂的地物信息给多学科间的交叉结合以及人工智能技术提出了更高的要求。道路是城市的骨架，是重要的人工地物。作为地理信息系统中的基础数据，道路信息能否及时更新直接影响到在地图绘制、路径分析和应急处理等方面的应用。如今从海量影像数据中获取有意义信息的自动提取技术还相对滞后，从遥感影像中提取道路的自动化程度不高，主要是靠目视识别。现有的技术已经不能满足遥感图像处理方面的所面临的挑战。随着分辨率的提高，影像中道路的特征也更加复杂。过多的纹理和细节信息对道路信息的提取产生干扰，加大了道路信息自动提取的难度。近几年来，虽然在遥感图像道路自动提取的研究领域提出了很多方法，但目前还没有成熟可靠的方法。
技术实现思路
本专利技术的目的为提供一种高分辨率遥感图像的城市路网信息自动提取方法，采用的技术方案为：一种高分辨率遥感图像的城市路网信息自动提取方法，其特征在于，包括以下步骤：步骤1、基于改进的分水岭分割算法，选择适当的局域同质性阈值、剔除局部极小值小面积区域、去除小斑块和区域合并来解决过分割问题；步骤2、面向对象方法中采用的几何特征和上下文特征，利用城市路网特征对道路影像对象进行提取并对影像中的遮挡问题进行处理；步骤3、高分辨率影像中道路交叉口自动提取的方法快速、准确地提取出道路交叉口的位置，为道路的拓扑连接提供依据；步骤4、针对面状道路中的孔洞、路段间的断裂、“同谱异物”的噪声问题对道路进行进一步修正，并为道路提取的拓扑连接打下基础，对道路提取结果中较大的道路中断，采用两种拓扑连接方法有效地连接了道路条带间以及道路交叉口位置处的道路中断，进一步完善了路网信息。所述改进的分水岭算法中局域同质性阈值略大于使分割数目达到峰值的阈值，所述去除小斑块方法为针对小斑块设置面积阈值，如果某个像元对应的影像对象区域的面积小于设定的最小斑块面积阈值(MinPatch)，在水平和垂直方向半径为的范围内查找与该斑块区域相邻的影像对象，找到与该斑块灰度值相差最小的影像对象，如果最小灰度差小于设定的阈值(MaxGray_P)，则将该影像斑块与找到的影像对象合并；否则不合并。所述区域合并具体步骤为：(1)首先计算各个影像对象的平均灰度和面积，并构建各区域间的邻接关系；(2)检测面积小于最小面积阈值的影像对象区域，将其中面积最小的区域先合并，计算此区域与各邻接区域的最小平均灰度差，如果该灰度差小于最大灰度差阈值，则合并；否则不合并；(3)更新区域间的邻接关系，重复(2)的操作，直至没有符合条件的区域停止合并。所述道路影像对象进行提取采用长度因子、矩形度因子和形状因子对主干道路的提取，遮挡问题进行处理方法为先检测阴影遮挡目标对象与道路对象邻接的所有像元，计算出包含这些像元的最小外接矩形，将此最小外接矩形作为道路填充到先前提取的道路中。所述交叉口自动提取的方法运用了梯度变换、多尺度形态学变换、角度纹理、波谷检测技术手段，首先采用梯度变换和多尺度形态学检测出可能存在道路交叉口的区域，然后利用几何和光谱信息进行粗提取，最后通过判断角度-纹理信息，识别出道路交叉口，所述角度纹理(ATS)是以某一点为中心，用多个角度旋转的矩形采集的一组特征值，以横坐标为角度、纵坐标为特征值构成角度-纹理，角度-纹理特征提取后需要进一步分析，确定与道路交叉口连接的道路个数，在道路交叉口的角度-纹理中，沿道路的方向表现为波谷，具体步骤包括：确定初始波谷点、确定波峰点、去除伪波谷点、修正连续的波谷值和合并临近波谷点，经波谷检测后，通过计算波谷点的数目及方向可以判断中心点是否为道路交叉口所述两种拓扑连接方法为形态学后处理和道路拓扑连接，形态学后处理主要采用形态学的相关运算对二值化处理后道路的孔洞、缝隙和噪声进行处理，优化道路信息依据连通性对背景区域的面积进行统计，将面积小的背景区域赋值为目标区域，道路拓扑连接采用方向延伸算法按照地理位置将次要路段补充到主干道路中。本方法提出的道路自动提取方法可以比较完整地将主要道路提取出来，并且在道路交叉口附近的道路也比较完整，对于一些次要道路本文的方法也能够检测出来。能较好地提取城市路网信息。附图说明图1为分水岭算法图像分割图2为局域同质性阈值与图像分割图3为分水岭分割算法优化流程图4为道路特征提取实验分析图5为遮挡处理原理图6-1为阴影处理图6-2为为道路交叉口提取技术流程图7为方差特征角度-纹理特征图8为道路交叉口提取实验一图9为道路交叉口提取实验二具体实施方式下面对本专利技术作进一步详细说明。实施例1一种高分辨率遥感图像的城市路网信息自动提取方法，其特征在于，包括以下步骤：步骤1、基于改进的分水岭分割算法，选择适当的局域同质性阈值、剔除局部极小值小面积区域、去除小斑块和区域合并来解决过分割问题；基于分水岭分割算法，并针对该算法在图像分割中的过分割问题提出了局域同质性阈值选择、剔除局部极小值小面积区域、去除小斑块和区域合并等改进方法，并通过相关实验证明了改进方法的有效性。虽然分水岭的分割速度很快，但由于该算法对微弱边缘的敏感性较强，受噪声的影响分割结果存在过度分割现象。这种分割结果存在大量的分割区域，不仅增加后续分析的代价，而且过多的琐碎区域使得地物的形状特征也不能很好的应用。本方法通过选择适当的局域同质性阈值、剔除局部极小值小面积区域、去除小斑块和区域合并来解决过分割问题，如图1所示。(1)改进的分水岭算法对图像进行分割为某图像选取不同局域同质性阈值与分割区域数目的变化关系，其中图2(b)、图2(c)、图2(d)分别为图2(a)选择阈值12、53、83时的图像分割效果图。从分割的效果图可以看出，当局域同质性阈值略大于使分割数目达到峰值的阈值时，可以在更好地保持地物边界的同时没有过多的斑块。当阈值较小时，分割的斑块较多而且杂乱，不能与影像中的地物建立相应的关系；当阈值过大时，容易出现欠分割现象，如图2(d)中的建筑和道路边界都被合并，地物间的边界不明显。(2)剔除局部极小值小面积区域局域同质性阈值的合理选择可以合并部分面积比较小的局部极小值区域，但仍然存在很多面积很小(甚至一个像素)的区域。这些面积较小的局部极小值区域可能是由于噪声产生的，并不代表一个实际的影像对象。因此，剔除小面积的局部极小值可以进一步去除没有实际意义的区域，缓解过度分割现象。(3)去除小斑块通常情况下，分水岭分割的结果可能会因噪声的影响产生大量面积较小的集水盆。这些面积较小的集水盆因为形状特性的不突出不仅影响了后续特征提取的效果，而且给区域合并增加了本文档来自技高网...

【技术保护点】
一种高分辨率遥感图像的城市路网信息自动提取方法，其特征在于，包括以下步骤：步骤1、基于改进的分水岭分割算法，选择适当的局域同质性阈值、剔除局部极小值小面积区域、去除小斑块和区域合并来解决过分割问题；步骤2、面向对象方法中采用的几何特征和上下文特征，利用城市路网特征对道路影像对象进行提取并对影像中的遮挡问题进行处理；步骤3、高分辨率影像中道路交叉口自动提取的方法快速、准确地提取出道路交叉口的位置，为道路的拓扑连接提供依据；步骤4、针对面状道路中的孔洞、路段间的断裂、“同谱异物”的噪声问题对道路进行进一步修正，并为道路提取的拓扑连接打下基础，对道路提取结果中较大的道路中断，采用两种拓扑连接方法有效地连接了道路条带间以及道路交叉口位置处的道路中断，进一步完善了路网信息。

【技术特征摘要】
1.一种高分辨率遥感图像的城市路网信息自动提取方法，其特征在于，包括以下步骤：步骤1、基于改进的分水岭分割算法，选择适当的局域同质性阈值、剔除局部极小值小面积区域、去除小斑块和区域合并来解决过分割问题；步骤2、面向对象方法中采用的几何特征和上下文特征，利用城市路网特征对道路影像对象进行提取并对影像中的遮挡问题进行处理；步骤3、高分辨率影像中道路交叉口自动提取的方法快速、准确地提取出道路交叉口的位置，为道路的拓扑连接提供依据；步骤4、针对面状道路中的孔洞、路段间的断裂、“同谱异物”的噪声问题对道路进行进一步修正，并为道路提取的拓扑连接打下基础，对道路提取结果中较大的道路中断，采用两种拓扑连接方法有效地连接了道路条带间以及道路交叉口位置处的道路中断，进一步完善了路网信息。2.根据权利要求1所述的高分辨率遥感图像的城市路网信息自动提取方法，其特征在于，所述改进的分水岭算法中局域同质性阈值略大于使分割数目达到峰值的阈值，所述去除小斑块方法为针对小斑块设置面积阈值，如果某个像元对应的影像对象区域的面积小于设定的最小斑块面积阈值(MinPatch)，在水平和垂直方向半径为的范围内查找与该斑块区域相邻的影像对象，找到与该斑块灰度值相差最小的影像对象，如果最小灰度差小于设定的阈值(MaxGray_P)，则将该影像斑块与找到的影像对象合并；否则不合并。3.根据权利要求1所述的高分辨率遥感图像的城市路网信息自动提取方法，其特征在于，所述区域合并具体步骤为：(1)首先计算各个影像对象的平均灰度和面积，并构建各区域间的邻接关系；(2)检测面积小于最小面积阈值的影像对象区域，将其中面积最小的区域先合并，计算此区域与各邻接区域的最小平均灰度差，如果该灰度差小于最大灰度差阈值，则合...

【专利技术属性】
技术研发人员：姚国清，蔡红玥，汪茂，
申请(专利权)人：中国地质大学北京，
类型：发明
国别省市：北京,11