利用稀疏形态成分的高分辨率遥感图像道路提取方法技术

本发明专利技术公开了一种利用稀疏形态成分的高分辨率遥感图像道路提取方法，首先，基于稀疏表示原理，利用K‑SVD字典学习方法构建与高分辨率遥感图像内容相匹配的过完备字典，实现遥感图像背景成分与目标成分的分离，消除同质区内光谱差异、阴影及杂物遮挡对道路提取的干扰；其次，利用曲波变换对目标成分进行线状特征增强，抑制非道路目标的同时突出道路线形特征；最后采用二值化方法获候选道路区域，再用形态学方法剔除非道路目标，修复道路形态，实现道路完整提取。本发明专利技术可在一定程度上消除同物异谱、阴影及杂物遮挡对道路提取的干扰；并能改善道路粘连及树木遮挡、光照变化因素导致的道路断裂现象。

【技术实现步骤摘要】
利用稀疏形态成分的高分辨率遥感图像道路提取方法
本专利技术涉及图像处理领域，具体涉及一种利用稀疏形态成分的高分辨率遥感图像道路提取方法。
技术介绍
从高分辨率遥感图像中自动提取道路对于基础地理信息数据库建设、地图更新等具有重要的意义，开展高分辨率遥感图像道路自动提取研究已成为当前遥感科学研究的重要内容。高分辨率遥感影像中，道路一般呈现为具有稳定宽度、近似同质的狭长区域，又因路面材质及道路环境的差异，道路实际上是通过色调、反差、形状、纹理等各种影像特征表现出来。现有高分辨率遥感图像的道路提取方法主要是运用道路的光谱、纹理等特征，采用半自动或自动的方法实现道路提取。如文献[1-3]利用道路的线状特征或直线特征提取高分辨率遥感图像中的主要道路信息，对直线状道路提取效果较好。文献[4，5]利用形态学知识和线状特征提取道路网络；文献[6，7]利用形状特征选取初始道路，再结合边缘信息或光谱信息采用形态学方法对道路网络进行规整，适用于直线和曲线道路段的提取；文献[8-9]基于特征融合思想展开道路提取；文献[10-12]基于面向对象的思想，利用道路光谱、纹理、道路基元等特征作道路提取，但没有考虑存在阴影及路面干扰信息较大、灰度不一致情形下实现道路提取的问题。由于高分辨率图像中道路细节丰富，同质区中光谱差异增大，异物同谱现象突出，当存在阴影、杂物遮挡及光照角度变化时，道路提取难度增加。目前，越来越多的道路提取方法向多信息及多策略结合的方向发展[13]。文献[14]结合多分辨率思想和平行活动围道模型，提出一种能处理弯曲的主干道和部分遮挡情形的道路提取方法；文献[15]利用边缘特征结合动态规划思想，较好地提取出无清晰连续边缘线的道路；文献[16]利用形状先验知识并结合动态外推的思路对断裂道路进行连接；文献[17]提出利用邻近像元空间自相关的先验信息解决窄道路的提取问题，而文献[13，18]基于多源信息融合的优势，提出结合LiDAR数据和高分辨率遥感影像解决阴影和遮挡较严重地区的道路提取问题。[1]WENGongjian，WANGRunsheng.AutomaticExtractionofMainRoadsfromAerialRemoteSensingImages[J].JournalofSoftware.2000，11(7)：957-964.(文贡坚，王润生.从航空遥感图像中自动提取主要道路[J].软件学报，2000，11(7)：957-964.)[2]ZHEChangqing，YANGYun，etal.TotalRectangleMatchingApproachtoRoadExtractionfromHighResolutionRemoteSensingImages[J].J.HuazhongUniv.ofSci.&Tech.(NaturalScienceEdition).2008，36(2)：74-77.(朱长青，杨云，邹芳，等.高分辨率影像道路提取的整体矩形匹配方法[J].华中科技大学学报(自然科学版)，2008，36(2)：74-77.)[3]ZHONGJiaqiang，WANGRunsheng.ARoadNetworkChangeDetectionAlgorithmBasedonLinearFeature[J].JournalofRemoteSensing，2007，11(1)：27-32.(钟家强，王润生.一种基于线特征的道路网变化检测算法[J].遥感学报，2007，11(1)：27-32.)[4]YuX，BeucherS，BilodeauM.RoadTracking，LaneSegmentationandObstacleRecognitionbyMathematicalMorphology[C]//ProceedingsoftheIEEEIntelligentVehiclesSymposium，1992：166-172.[5]ZHUChangqing，WANGYaoge，MAQiuhe.RoadExtractionfromHigh-resolutionRemotelySensedImageBasedonMorphologicalSegmentation[J].ActaGeodaeticaetCartographicaSinica，2004，33(4)：347-351.(朱长青，王耀革，马秋禾，等.基于形态分割的高分辨率遥感影像道路提取[J].测绘学报，2004，33(4)：347-351.)[6]LEIXiaoqi，WANGWeixing，LAIJun.AMethodofRoadExtractionfromHigh-resolutionRemoteSensingImagesBasedonShapeFeatures[J].ActaGeodaeticaetCartographicaSinica，2009，38(5)：457-465.(雷小奇，王卫星，赖均.一种基于形状特征进行高分辨率遥感影像道路提取方法[J].测绘学报，2009，38(5)：457-465.)[7]LIANGDong，LIUShuli，YANPu，etal.RoadExtractionfromRemoteSensingImagesBasedonNSCTandShapeFeatures[J].J.HuazhongUniv.ofSci.&Tech.(NaturalScienceEdition).(梁栋，刘书丽，颜普，等.基于NSCT与形状特征的遥感影像道路提取[J].华中科技大学学报(自然科学版)，2012，40(3)：9-12.)[8]CHANUSSOTJ，MAURISG.LAMBERTP.Fuzzyfusiontechniquesforlinearfeaturesdetectioninmuli-temporalSARImages[J].IEEETransGeos&RS，1997，37：1292-1305.[9]LIXiaofeng，ZHANGShu-qing，HANFuwei，elat.RoadExtractionfromHigh-resolutionRemoteSensingImagesBasedonMultipleInformationFusion[J].ActaGeodaeticaetCartographicaSinica，2008，37(2)：178-184.(李晓峰，张树清，韩富伟，等.基于多重信息融合的高分辨率遥感影像道路信息提取[J].测绘学报，2008，37(2)：178-184.)[10]TANGWei，ZHAOShuhe，WANGPeifa.Object-orientedRoadInformationExtractionfromHighResolutionImagery[J].Geo-InformationScience，2008，10(2)：257-262.(唐伟，赵书河，王培法.面向对象的高空间分辨率遥感影像道路信息的提取[J].地球信息科学，2008，10(2)：257-262.)[11]YUJie，YUFeng，ZHANGJing，elat.HighResolutionRemote本文档来自技高网...

【技术保护点】
1.利用稀疏形态成分的高分辨率遥感图像道路提取方法，其特征在于，包括如下步骤：S1、对于任一输入高分辨率遥感图像g，利用K‑SVD字典学习方法构建构造面向道路提取的过完备字典，利用阈值函数对字典进行分类，再对遥感图像形态成分分离模型用块坐标松驰算法求解，从原图像中分离出目标成分与背景成分，完成道路初步提取；S2、对目标成分采用线状特征增强方法处理，以处理后的目标成分作为道路提取精确检测的基础；S3、对线状特征增强后的目标成分gen_obt选用合适的分割阈值作二值化处理：

【技术特征摘要】
1.利用稀疏形态成分的高分辨率遥感图像道路提取方法，其特征在于，包括如下步骤：S1、对于任一输入高分辨率遥感图像g，利用K-SVD字典学习方法构建构造面向道路提取的过完备字典，利用阈值函数对字典进行分类，再对遥感图像形态成分分离模型用块坐标松驰算法求解，从原图像中分离出目标成分与背景成分，完成道路初步提取；S2、对目标成分采用线状特征增强方法处理，以处理后的目标成分作为道路提取精确检测的基础；S3、对线状特征增强后的目标成分gen_obt选用合适的分割阈值作二值化处理：获得候选的道路区域；对于二值化后的候选道路区域，采用形态学方法去除小区域，进行空穴填补、断口连接、非道路目标去除操作，实现道路的完整检测；这里，Topt指最优分割阈值，该值也可通过0STU阈值选择方法获取。2.如权利要求1所述的利用稀疏形态成分的高分辨率遥感图像道路提取方法，其特征在于，所述步骤S1中的过完备字典通过以下步骤构建：稀疏编码阶段：给定一个初始字典D，用追踪算法对argmin||αij||0进行计算，获得子图像块；其中，αij为稀疏系数，gi＝Rijg，表示大小为n×n、在整幅图像g的中心坐标为(i，j)的子图像块，Ri，j指图像块的提取因子，ε为常数；字典更新阶段：对字典D的每一列l＝1，2，3，L，k依次进行更新，直至收敛；具体的：②出所有符合wl＝{(i，j)|αij(l)≠0}的子图像块；②通过下式计算每个坐标为(i，j)∈wl的残差并定义El为残差矩阵，它的每列为③对残差矩阵El进行奇异值分解，则El＝UΔVT；采用矩阵U的第一列替换字典D第l列作为更新后的第l列而更新后的稀疏系数用Δ(1，1)乘以V的第一列...

【专利技术属性】
技术研发人员：黄秋燕，胡宝清，
申请(专利权)人：广西师范学院，
类型：发明
国别省市：广西,45