一种考虑角度纹理特征和POI的SAR影像道路网络提取方法技术

本发明专利技术涉及一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，包括：步骤1：获取输入数据，包括SAR影像数据、二值分割数据、POI点数据和POI连接数据；步骤2：考虑角度纹理特征和POI构建道路网络提取模型；步骤3：将步骤1中的输入数据输入步骤2构建的道路网络提取模型，获得道路网络提取结果。与现有技术相比，本发明专利技术具有有效提取SAR影像中的道路网络、提取效果好、通用性好等优点。通用性好等优点。通用性好等优点。

【技术实现步骤摘要】
一种考虑角度纹理特征和POI的SAR影像道路网络提取方法


[0001]本专利技术涉及SAR影像道路网络提取
，尤其是涉及一种考虑角度纹理特征和POI的SAR影像道路网络提取方法。

技术介绍

[0002]城市路网信息是现代空间信息基础设施的重要组成部分。在大数据时代，城市路网信息对高精度道路导航和自动驾驶至关重要。野外测量、地理信息采集、遥感等，是获取城市道路网络信息的重要手段。特别是对于路网信息的补充和更新，地面和卫星遥感在快速道路测绘方面有独特的优势。卫星遥感因数据源众多、信息量丰富被广泛用于道路提取中，其中应用较多的是光学影像和合成孔径雷达影像。二者中，SAR影像因为特殊的成像方式，道路信息的提取难度较大。特别是高分辨率SAR影像的路网提取，受到影像噪声和路网复杂结构的影响，很难得到较好的结果。近年来，在大数据的推动下，众源地理信息被越来越多的应用到测绘遥感中。POI数据是其中的一种，它不仅有商场、餐饮、景点等位置信息，还包含了大量的道路相关信息，这些信息无疑为道路的有效识别提供了可能。
[0003]目前，将POI数据用于道路提取的研究很少，特别是用于SAR影像道路提取的研究几乎没有。因此，对路网提取而言，有必要对SAR影像道路提取与POI信息的结合展开研究。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种有效提取SAR影像中的道路网络、提取效果好、通用性好的考虑角度纹理特征和POI的SAR影像道路网络提取方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，所述的道路网络提取方法包括：
[0007]步骤1：获取输入数据，包括SAR影像数据、二值分割数据、POI点数据和POI连接数据；
[0008]步骤2：考虑角度纹理特征和POI构建道路网络提取模型；
[0009]步骤3：将步骤1中的输入数据输入步骤2构建的道路网络提取模型，获得道路网络提取结果。
[0010]优选地，所述的SAR影像数据的获取方法为：
[0011]通过轨道文件和相应的DEM对SAR影像进行几何纠正；
[0012]所述的二值分割数据的获取方法为：
[0013]使用阈值分割方法对纠正后的SAR影像进行二值化处理，在二值分割图像中，道路、水和阴影区域被分成像素值为0的黑色区域，而其他区域被分成像素值为1的白色区域。
[0014]优选地，所述的POI点数据的获取方法为：
[0015]采用路口名的POI类，在POI范围内，使用一个矩形框来进行移动计算，统计矩形框
中点的数量，如果数量大于1，将计算这些点的中心位置，仅保留离中心位置最近的点，删除其他的点；若点的数量为2，则保留其中一个；
[0016]计算公式为：
[0017][0018][0019]其中，(c
x
,c
y
)为矩形框中心位置的坐标；(x
Pi
,y
Pi
)为矩形框中各点的坐标；d
i
为各点到中心位置的距离；i的取值范围是1到n，n>2。
[0020]更加优选地，所述的步骤2具体为：
[0021]步骤2
‑
1：建立初始模板；
[0022]步骤2
‑
2：构建道路识别子模型；
[0023]步骤2
‑
3：构建路口识别子模型；
[0024]步骤2
‑
4：设置移动策略。
[0025]更加优选地，所述步骤2
‑
1中的初始模板为矩形模板。
[0026]更加优选地，所述的道路识别子模型具体为：
[0027]将矩形模板定义为：
[0028]Template＝(α,M,V,S)
[0029]其中，α为矩形模板的旋转角度；M为α对应的灰度均值；V为α对应的灰度方差；S为α对应的二值图像中的道路信息；
[0030]当矩形模板旋转时，对应有：
[0031][0032]对M进行升序排序，记录前若干个值所对应的角度，提取出这若干个角度对应的V和S并分别进行升序排序；对M，V和S的若干个值评分，最高分为1，其余的值依次减少0.1；获得三组评分后，通过下式将三者结合，并对新数组进行降序排序：
[0033][0034]其中，δ，γ和ω为系数，取值范围是0到1；A为结合三类信息后的总分，A
′
为对A进行降序排序的结果；
[0035]排序后选取总分最高的若干个方向作为候选方向，计算当前矩形模板与下一个矩形模板之间的灰度均值的差值，并记录对应的角度；
[0036]同样采用评分的方法选择差值较小且旋转角较小的方向作为矩形模板前进的方
向。
[0037]更加优选地，所述的路口识别子模型具体为：
[0038]基于POI点和POI连线来识别路口，在矩形模板移动过程中，发现POI点后判断路口的延伸方向，当POI连线方向与道路方向一致时，应用POI连线覆盖道路信息的多少进行排序，分别获取对应的灰度均值、灰度方差和二值分割图像的道路信息，然后通过评分的方式进行分数排序，灰度均值差和旋转角较小的方向将作为路口延伸的备选方向；
[0039]当POI连线方向与道路方向不一致时，直接采用道路识别子模型进行判断。
[0040]更加优选地，所述的移动策略具体为：
[0041]将矩形模板按照道路识别子模型前进，每次前进半个模板长度。
[0042]更加优选地，所述的步骤2
‑
4还包括：
[0043]设置停止移动策略，出现下述任一情况则停止移动：
[0044]到达图像边缘；
[0045]到达已提取过的道路。
[0046]优选地，所述的道路网络提取模型具体为：
[0047]初始模板不断前进并进行如下判断：
[0048]若达到已经提取的道路，则进行候选路口的判断；
[0049]当存在候选路口，且相应的道路未被提取时，采用道路识别子模型提取道路；
[0050]反之，将判断下一个路口，直到满足提取要求；
[0051]若无候选路口，或者所有路口均已判断且不符合提取要求，则终止程序；
[0052]若没有到达提取的道路，则继续判断是否已经到达道路交叉口；若判断为道路交叉口，则根据路口识别子模型进行判断和存储；否则，将继续判断是否到达图像边缘；若到达图像边缘，则判断是否有等待的候选路口，若没有，则继续判断模板方向；
[0053]整个提取过程就是矩形模板的行进过程，每次都会重复判断，直到满足停止移动策略。
[0054]与现有技术相比，本专利技术具有以下有益效果：
[0055]一、有效提取SAR影像中的道路网络：本专利技术中的SAR影像道路网络提取方法充分结合了SAR影像角度纹理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，其特征在于，所述的道路网络提取方法包括：步骤1：获取输入数据，包括SAR影像数据、二值分割数据、POI点数据和POI连接数据；步骤2：考虑角度纹理特征和POI构建道路网络提取模型；步骤3：将步骤1中的输入数据输入步骤2构建的道路网络提取模型，获得道路网络提取结果。2.根据权利要求1所述的一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，其特征在于，所述的SAR影像数据的获取方法为：通过轨道文件和相应的DEM对SAR影像进行几何纠正；所述的二值分割数据的获取方法为：使用阈值分割方法对纠正后的SAR影像进行二值化处理，在二值分割图像中，道路、水和阴影区域被分成像素值为0的黑色区域，而其他区域被分成像素值为1的白色区域。3.根据权利要求1所述的一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，其特征在于，所述的POI点数据的获取方法为：采用路口名的POI类，在POI范围内，使用一个矩形框来进行移动计算，统计矩形框中点的数量，如果数量大于1，将计算这些点的中心位置，仅保留离中心位置最近的点，删除其他的点；若点的数量为2，则保留其中一个；计算公式为：计算公式为：其中，(c
x
,c
y
)为矩形框中心位置的坐标；(x
Pi
,y
Pi
)为矩形框中各点的坐标；d
i
为各点到中心位置的距离；i的取值范围是1到n，n>2。4.根据权利要求1所述的一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，其特征在于，所述的步骤2具体为：步骤2
‑
1：建立初始模板；步骤2
‑
2：构建道路识别子模型；步骤2
‑
3：构建路口识别子模型；步骤2
‑
4：设置移动策略。5.根据权利要求4所述的一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，其特征在于，所述步骤2
‑
1中的初始模板为矩形模板。6.根据权利要求4所述的一种考虑角度纹理特征和POI的SAR影像道路网络提取方法，其特征在于，所述的道路识别子模型具体为：将矩形模板定义为：Template＝(α,M,V,S)其中，α为矩形模板的旋转角度；M为α对应的灰度均值；V为α对应的灰度方差；S为α对应
的二值图像中的道路信息；当矩形模...

【专利技术属性】
技术研发人员：冯永玖，孙娜，童小华，谢欢，刘世杰，金雁敏，许雄，王超，陈鹏，柳思聪，叶真，
申请(专利权)人：同济大学，
类型：发明
国别省市：