一种基于特征差异性的农村道路矢量数据纠正方法技术

本发明专利技术公开了一种基于特征差异性的农村道路矢量数据纠正方法，步骤为：输入影像数据与矢量数据；获取影像数据中的线段序列；获取影像的相位图；将RGB色彩空间下的影像数据转换到HSV色彩空间，并生成HSV影像；模型驱动纠正矢量方法；数据驱动纠正矢量方法。本发明专利技术分析遮挡区域两侧已纠正矢量数据的方向，利用拓扑连接方法连接遮挡区域两侧端点，可以自动完成对该路段矢量数据的纠正；在匹配模型中加入了几何信息，建立了动态方向权重匹配模型，使得道路在跟踪匹配中并不单纯依靠纹理光谱信息，故可以克服道路与背景间光谱信息接近的问题。题。题。

A correction method of rural road vector data based on feature difference

【技术实现步骤摘要】
一种基于特征差异性的农村道路矢量数据纠正方法


[0001]本专利技术属于图像处理的
，尤其涉及一种基于特征差异性的农村道路矢量数据纠正方法。

技术介绍

[0002]矢量线性数据是农村公路的数字化表达方式，在智慧交通、无人驾驶、区域规划、应急服务、精确导航等领域具有重要的应用价值。但已有矢量线性数据由于地物变迁、坐标系统变化、采集设备精度差异、采集人员经验的不同，无法准确表达道路的空间位置以及方向信息。这使得农村公路矢量数据的纠正过程更具复杂性和挑战性。
[0003]随着当前遥感技术的发展，当前遥感影像具有成像周期短、覆盖范围广、空间分辨率高、空间精度高等优势逐渐放大，国内外学者对利用高分辨率遥感影像纠正农村道路矢量数据做了很多研究。目前的矢量方法可分为直接法与间接法。直接法通过获取遥感影像与矢量中的同名特征点(如：道路交叉口)，建立矢量数据与影像中道路数据的映射关系；间接法则是通过获取道路中心线从而获取道路与影像之间的线段。
[0004]目前的道路提取方法可分为道路面提取和道路中心线提取。道路面提取主要基于分割和分类。具有代表性的影像分割方法主要有以下几种：主动轮廓模型、均值漂移算法和阈值分割等。然而，由于道路情况的复杂多变，很难找到一种适用于各种类型遥感影像的分割算法。道路中心线提取方法侧重于道路骨架的检测，通常采取细化和跟踪两种不同的方式。细化操作通常是在已提取道路区域上展开的，道路跟踪方法则通常需要提供初始信息，如种子点、起始跟踪方向、道路宽度或匹配规则等信息，通过迭代跟踪的方式得到道路中心线。其缺点在于跟踪过程中方向、位置难以控制，无法在确保道路提取精度的情况下提高算法的自动化程度。
[0005]现有技术，采用如下方法进行：
[0006](1)利用支持向量机(SVM)对影像中的地物进行分类。在此算法中，每个数据项被绘制为n维空间中的一个点(其中n是特征数)，每个特征的值是特定坐标的值。然后，通过查找能够很好地区分这两个类的超平面来执行分类。
[0007](2)利用水平集方法跟踪道路的边缘。由于水平集方法是一种数值方法，用于拟合几何对象及其运动轨迹。该方法的优点是，可以在空间固定坐标上计算曲线和曲面，而不必使这些对象的参数化。特别是，在水平集方法中，拓扑不需要是已知的，并且在计算过程中可能会发生变化。这样可以轻松跟踪移动物体(如道路)的边缘。
[0008](3)利用形态学函数和骨架方法获取影像的控制点。在影像中由于道路交叉口和道路端点通常是可靠和稳定的。它们代表了稳健的信息，这使得它们对特征匹配非常有用。因此可以利用形态学函数和骨架方法来寻找控制点。一般来说，这些功能可以消除非道路中的噪声和像素，填补空白并提高分类的准确性。骨架化是一种将二值图像中的前景区域缩小为骨架残片的过程，它在很大程度上保留了原始区域的范围和连接性，同时丢弃了大部分原始前景像素。骨架化显示二值图像的简单骨架。提取图案的骨架意味着缩小图案的
范围，使图案的整体形状不会消失。
[0009](4)利用最近邻域法匹配矢量与影像中同名的道路特征点。此方法用于根据距离查找离参考点最近的像素。因此，它考虑该点(参考点)，然后将其与下一个点匹配，它会搜索其周围的参考点，并通过定义阈值来查找两点之间的最近邻点。然后，如果它们之间的距离小于阈值，则两个点将匹配。
[0010](5)基于匹配好的控制点，利用橡胶变换法调整矢量的几何形态，从而使矢量数据与影像中的道路数据对齐。橡胶变换基于几何和数学理论。该方法将变形的地图视为一张由橡胶制成的薄片，该薄片被拉伸到一些代表校正参考点的固定钉子上。在调整橡胶层时，一层与另一层通常非常接近的层对齐。源层调整为更精确的目标层。在橡胶薄片制作过程中，表面会被拉伸，通过分段变换移动特征，从而保持直线。在此过程中，会放置链接以拉伸或扭曲矢量数据，使其与影像中的道路数据集对齐。
[0011]上述技术中，控制点易收到地物遮挡、干扰等影响，受噪声影响道路交叉口、端点的中心位置差异较大。农村道路几何形态难以确定，当纠正方法遇到曲率较大的弯道时，难以保证纠正矢量数据的准确性。
[0012]另外，利用形态学梯度方法，获取道路宽度，从而获得圆形模板的半径。
[0013]1)初始化模板半径为1。
[0014]2)以种子点附近邻域的每个像素为圆心，计算每个模板内的形态学梯度的累计值。
[0015]3)获取所有梯度累计值的最小值，如果梯度值累计值小于半径，则半径长度增加1个像素，转到步骤2)，否则转到步骤4)。
[0016]4)记录当前的模板半径和模板中心坐标。
[0017]5)输出模板半径和模板中心坐标。
[0018](2)种子点按用户点击顺序排列，连接每对相邻种子，在连接线的中垂线上搜寻最优的道路中心点。
[0019](3)然后将该道路中心点视为新的人工种子点，重新搜索每对种子点间的最优道路中心点，直到所有相邻种子点的欧氏距离小于指定阀值为止，最后用直线段连接所有种子点。
[0020]上述技术中，获取道路数据的自动化程度较低，算法内部效率较低。

技术实现思路

[0021]针对上述现有技术的问题，本专利技术所要解决的问题在于提供一种基于特征差异性的农村道路矢量数据纠正方法，在纠正矢量过程中，对影像中道路受遮挡、干扰、噪声等区域，依然有良好的纠正能力。
[0022]为了解决上述技术问题，本专利技术通过以下技术方案来实现：
[0023]本专利技术提供一种基于特征差异性的农村道路矢量数据纠正方法，包括以下步骤：
[0024]S1：输入影像数据与矢量数据；
[0025]S2：获取影像数据中的线段序列；
[0026]S3：获取影像的相位图；
[0027]S4：将RGB色彩空间下的影像数据转换到HSV色彩空间，并生成HSV影像；
[0028]S5：模型驱动纠正矢量方法；
[0029]S6：数据驱动纠正矢量方法。
[0030]优选的，所述步骤S2包括：
[0031]将边缘提取获取到的线段，进行组合，重新构建地物边缘数据，数据描述形式如下：
[0032][0033]其中Group_l
i
为第i个线段序列，l
ij
为其中第j个线段，start_p和end_p为线段的端点。
[0034]进一步的，在所述步骤S3中，计算影像中每个像素的相位信息：
[0035]Phase(i,j)＝arctan(
‑
grad_x(i,j)/grad_y(i,j))
[0036]其中Phase(i,j)为影像中(i,j)位置上的相位数据，范围为(0
°
,180
°
)；grad_x(i,j)与grad_y(i,j)分别为影像(i,j)位置上x方向梯度与y方向梯度。
[0037]优选的，所述步骤S5包括：
[0038]步骤5.1：设置阈值l为100，筛选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征差异性的农村道路矢量数据纠正方法，其特征在于，包括以下步骤：S1：输入影像数据与矢量数据；S2：获取影像数据中的线段序列；S3：获取影像的相位图；S4：将RGB色彩空间下的影像数据转换到HSV色彩空间，并生成HSV影像；S5：模型驱动纠正矢量方法；S6：数据驱动纠正矢量方法。2.如权利要求1所述的基于特征差异性的农村道路矢量数据纠正方法，其特征在于，所述步骤S2包括：将边缘提取获取到的线段，进行组合，重新构建地物边缘数据，数据描述形式如下：其中Group_l
i
为第i个线段序列，l
ij
为其中第j个线段，start_p和end_p为线段的端点。3.如权利要求1所述的基于特征差异性的农村道路矢量数据纠正方法，其特征在于，在所述步骤S3中，计算影像中每个像素的相位信息：Phase(i,j)＝arctan(
‑
grad_x(i,j)/grad_y(i,j))其中Phase(i,j)为影像中(i,j)位置上的相位数据，范围为(0
°
,180
°
...

【专利技术属性】
技术研发人员：智新宇，戴激光，宫立涛，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：