基于联合滤波的遥感影像路网提取技术制造技术

本发明专利技术公开了一种基于联合滤波的遥感影像的路网提取技术，结合人类视觉系统认知规律，根据显著图像结构在人类认知中所形成的非周期性、各向异性以及局部方向性，建立了一个完整的对道路显著结构的数学度量模型；在道路显著结构度量模型的指导下，结合流线方向性，建立了一个自适应平滑滤波函数，结合像素点空间距离高斯函数，实现对道路遥感影像的自适应平滑；在道路显著结构度量模型的指导下，结合极大极小值滤波，定义了一个自适应冲击滤波函数，该函数在不同区域产生的冲击增强强度不同，从而实现自适应的冲击滤波增强，从而在平滑非道路结构区域的同时保留显著道路结构，实现道路提取过程中遥感影像的预处理。

【技术实现步骤摘要】

本专利技术涉及遥感应用领域，特别涉及一种基于联合滤波的遥感影像路网提取技术。
技术介绍
遥感技术具有高效性、实时性以及信息多元化等特点,其作为一种先进的对地观测方法在城市交通领域中发挥了重要的作用。在基于遥感技术的道路提取中，传统道路提取算法主要依赖于道路的几何地理特征，利用道路区域的识别规则对道路进行提取。近年来，道路提取相关领域倾向于建立复杂的系统用以提取道路信息，其中多类方法采用了相关滤波技术。传统道路提取滤波方法如高斯滤波，中值滤波等，均对整幅卫星遥感图像进行程度一致的滤波。此类方法对于复杂的遥感影像，难以在平滑非道路信息的同时保留道路特征。
技术实现思路
本专利技术的目的在于克服上述现有技术的不足，提供一种基于联合滤波的遥感影像路网提取技术。为实现上述目的，本专利技术采用以下技术方案：基于联合滤波的遥感影像路网提取技术，包括以下步骤：S1、输入源图像，计算源图像的道路显著结构度量模型Mp，所述显著结构度量模型Mp具有如下形式，Mp＝Ap·Dp·Lp式中，函数Ap、Dp以及Lp是像素点p显著结构的各向异性、非周期性以及局部方向性的度量；S2、基于道路显著结构度量模型引导，结合线积分卷积相关原理，建立新的自适应平滑积分模型，对非道路结构的特征和潜在道路结构特征进行自适应的平滑滤波；S3、根据所得平滑后图像，结合极大值极小值滤波方法，以道路结构模型为导向，建立一种改进的冲击滤波模型，实现对显著道路结构的增强。进一步地，步骤S1的计算具体如下：S11、各向异性度量Ap通过下式计算Ap=λ1,p-λ2,pλ1,p+&lambda;2,p]]>式中λ1,p以及λ2,p分别为像素点p处结构张量矩阵Sp的特征值，以较大的特征值λ1,p为主特征值，较小的特征值λ2,p为副特征值；像素点p处的结构张量通过下式计算Sp=Σq∈N(p)<▿xIq,▿xIq>Σq∈N(p)<▿xIq,▿yIq>Σq∈N(p)<▿xIq,▿yIq>Σq∈N(p)<▿yIq,▿yIq>]]>式中q为p的一个邻域N(p)内的一个像素，〈·,·〉表示内积运算；Iq为像素点q的强度值，及为像素点q在x和y方向的偏导数；S12、局部方向性的度量Dp通过下式计算Dp=Σq∈N(p)Aq·<ϵ→p,ϵ→q>Σq∈N(p)Aq]]>式中分别为像素点p和q的结构张量矩阵对应的副特征向量，N(p)为像素点p所在的邻域，Aq为像素点q点的显著性度量值；S13、非周期性度量Lp通过下式计算Lp=|Σq∈N(p)wp,q·▿xIq|+|Σq∈N(p)wp,q·▿yIq|]]>式中wp,q为权值，通过下式计算wp,q=exp(-||xp-xq||+||yp-yq||2σ2)]]>式中(xp,yp)为像素点p的坐标；(xq,yq)为像素点q的坐标；σ为高斯函数中的标准差。更进一步地，所述邻域N(p)为边长为5像素的正方形区域。进一步地，步骤S2具体包括以下步骤：S21、计算平滑程度控制函数g(σd,M)，式中，σd为该高斯核函数的宽度参数，Mp和Mq代表中心像素点p和流线上像素点q处的道路显著结构导向模型的值；S22、结合导向滤波概念与线积分卷积思想，定义了一个自适应平滑滤波函数I′p，Ip′=1K∫q∈N(p)wp,qg(σg,I)g(σd,M)·Iqdq]]>其中，为该函数的归一化参数，Iq为像素点q的像素值，为传统线积分卷积过程中采用的一维低通滤波器的高斯核函数，通过下式计算，wp,qg(σg,I)=exp(-|xp-xq|22σg2)]]>其中，xp和xq代表着中心像素点p与流线上像素点q的x坐标值，σg是高斯核函数的宽度参数，控制该函数的径向作用范围。进一步地，所述步骤S3具体包括以下步骤：S31、计算控制冲击滤波增强函数T(x)，T(x)=(1+tanh(λ(x-0.5)))2]]>其中x为制冲击滤波增强函数输入值，tanh(λ(x-0.5))为双曲正切函数；λ为控制增强程度的因子，越大的值对应越锐利的边缘；S32、建立各向异性冲击滤波增强函数Ip，Ip=T(1-Mp·sign(vηη)2)D(I)p+(1-T(1-Mp·sign(vηη)2))E(I)p]]>其中，D(I)p，E(I)p为像素点p对应膨胀、腐蚀的值，函数由步骤S31的公式计算，sign(vηη)为边缘检测算子的符号函数，边缘检测算子vηη通过下式计算，vηη＝c2Ixx+2csIxy+s2Iyy这里c和s为图像中结构张量场对应主特征向量的两个分量；Ixx为图像沿x方向的二阶偏导数；Iyy为图像在y方向上的二阶偏导数；Ixy为图像在x方向和y方向上各计算一次一阶偏导数的结果。更进一步地，步骤S32建立各向异性冲击滤波增强函数Ip的主要目的使得视觉显著的结构得到更强程度的增强，而对其它区域按照传统方式计算，具体来说，对位于高显著性区域的像素，Mp→1，此时各向异性冲击滤波增强函数Ip变为：相反的，对位于低显著性区域的像素，Mp→0，此时各向异性冲击滤波增强函数Ip变为Iq＝(D(I)q+E(I)q)/2，增强效果减弱。采用上述技术方案后，本专利技术与
技术介绍
相比，具有如下优点：以显著道路结构度量模型为指导，提出了一种自适应的结构导向平滑滤波算法；进而以结构度量模型为指导，结合极大值与极小值滤波，定义了一个控制冲击滤波增强程度的函数，该函数在不同区域产生的冲击增强强度不同，从而实现自适应的冲击滤波增强，在平滑非道路结构区域的同时保留显著道路结构，实现道路提取过程中遥感影像的预处理。附图说明图1为本专利技术流程图；图2为本专利技术的结构模型度量效果图，其中图2a是输入源图像，图2b是结构模型度量结果；图3为本专利技术的自适应平滑效果图，其中图3a是输入源图像，图3b是自适应平滑结果；图4为本专利技术所得联合滤波结果与采用协方差矩阵度量方法结果在效果上的对比，其中图(a)是输入源图像，图(b)是karacan算法的滤波效果，图(c)是本专利技术方法所得滤波结果；图5为本专利技术所得联合滤波结果应用在相关道路提取算法中的检测效果对比图，其中图5(a)，(c)，(e)是未应用本专利技术滤波方法的检测结果，图5(b)，(d)，(f)是在相同基础上应用本专利技术进行滤波后的检测结果。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详本文档来自技高网...

【技术保护点】
基于联合滤波的遥感影像路网提取技术，其特征在于，包括以下步骤：S1、输入源图像，计算源图像的道路显著结构度量模型Mp，所述显著结构度量模型Mp具有如下形式，Mp＝Ap·Dp·Lp式中，函数Ap、Dp以及Lp是像素点p显著结构的各向异性、非周期性以及局部方向性的度量；S2、基于道路显著结构度量模型引导，结合线积分卷积相关原理，建立新的自适应平滑积分模型，对非道路结构的特征和潜在道路结构特征进行自适应的平滑滤波；S3、根据所得平滑后图像，结合极大值极小值滤波方法，以道路结构模型为导向，建立一种改进的冲击滤波模型，实现对显著道路结构的增强。

【技术特征摘要】
1.基于联合滤波的遥感影像路网提取技术，其特征在于，包括以下步骤：S1、输入源图像，计算源图像的道路显著结构度量模型Mp，所述显著结构度量模型Mp具有如下形式，Mp＝Ap·Dp·Lp式中，函数Ap、Dp以及Lp是像素点p显著结构的各向异性、非周期性以及局部方向性的度量；S2、基于道路显著结构度量模型引导，结合线积分卷积相关原理，建立新的自适应平滑积分模型，对非道路结构的特征和潜在道路结构特征进行自适应的平滑滤波；S3、根据所得平滑后图像，结合极大值极小值滤波方法，以道路结构模型为导向，建立一种改进的冲击滤波模型，实现对显著道路结构的增强。2.根据权利要求1所述的基于联合滤波的遥感影像路网提取技术，其特征在于，步骤S1的计算具体如下：S11、各向异性度量Ap通过下式计算Ap=λ1,p-λ2,pλ1,p+λ2,p]]>式中λ1,p以及λ2,p分别为像素点p处结构张量矩阵Sp的特征值，以较大的特征值λ1,p为主特征值，较小的特征值λ2,p为副特征值；像素点p处的结构张量Sp通过下式计算Sp=Σq∈N(p)<▿xIq,▿xIq>Σq∈N(p)<▿xIq,▿yIq>Σq∈N(p)<▿xIq,▿yIq>Σq∈N(p)<▿yIq,▿yIq>]]>式中q为p的一个邻域N(p)内的一个像素，〈·,·〉表示内积运算；Iq为像素点q的强度值，及为像素点q在x和y方向的偏导数；S12、局部方向性的度量Dp通过下式计算Dp=Σq∈N(p)Aq·<ϵ→p,ϵ→q>Σq∈N(p)Aq]]>式中分别为像素点p和q的结构张量矩阵对应的副特征向量，N(p)为像素点p所在的邻域，Aq为像素点q点的显著性度量值；S13、非周期性度量Lp通过下式计算Lp=|Σq∈N(p)wp,q·▿xIq|+|Σq∈N(p)wp,q·▿yIq|]]>式中wp,q为权值，通过下式计算wp,q=exp(-||xp-xq||+||yp-yq||2σ2)]]>式中(xp,yp)为像素点p的坐标；(xq,yq)为像素点q的坐标；σ为高斯函数中的标准差。3.根据...

【专利技术属性】
技术研发人员：臧彧，王程，杨文韬，罗伦，李迪龙，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35