多尺度遙感影像道路信息提取方法研究.pdf

1、道路作為一種最基本的地理信息數(shù)據(jù)，它獲取方式的自動(dòng)化程度、提取效率、更新速度、定位的準(zhǔn)確度在地理信息數(shù)據(jù)的更新方面有著非常重要的意義。本文從實(shí)際應(yīng)用的角度出發(fā)，以多尺度遙感影像為研究對(duì)象，使用最小二乘模板匹配法、自適應(yīng)區(qū)域生長(zhǎng)法、支持向量機(jī)及其改進(jìn)算法進(jìn)行道路提取研究，對(duì)提取方法進(jìn)行了可行性實(shí)驗(yàn)，并通過(guò)定量指標(biāo)評(píng)價(jià)算法的有效性。
　　本文針對(duì)遙感影像道路提取算法研究，主要工作有如下幾點(diǎn):
　　(1)分析總結(jié)了遙感影像道路提取

2、的研究現(xiàn)狀，對(duì)比分析了不同方法的優(yōu)劣，學(xué)習(xí)和參考前人的研究成果，為本研究方法夯實(shí)了基礎(chǔ)。
　　(2)根據(jù)我國(guó)道路的分類體系，分析了不同分辨率遙感影像上不同類型道路的特征。
　　(3)為了提高遙感影像道路提取的效果和精度，削弱噪聲的干擾，結(jié)合研究基礎(chǔ)和文獻(xiàn)資料，使用Dudo道路算子進(jìn)行遙感影像銳化，并進(jìn)行中值濾波或者雙邊濾波，實(shí)現(xiàn)遙感影像的平滑等預(yù)處理。
　　(4)針對(duì)高分辨率遙感影像特點(diǎn)，由于道路信息的復(fù)雜性與過(guò)多的噪

3、聲，本文提出并實(shí)現(xiàn)了改進(jìn)的基于最小二乘矩形模板匹配的道路追蹤方法。通過(guò)對(duì)比本文改進(jìn)的矩形模板匹配、剖面模板匹配、角度紋理的道路追蹤提取方法在高分辨率遙感影像上進(jìn)行定性定量對(duì)比實(shí)驗(yàn)，矩形模板匹配法提取完整率最好，達(dá)到90.7％，分別高于剖面模板匹配法的81.5％和角度紋理法的85.3％;矩形模板匹配法的正確率優(yōu)于90％，提取質(zhì)量?jī)?yōu)于81.6％;矩形模板匹配法的自動(dòng)化程度比剖面匹配法、角度紋理法高46.9％和37.6％;提取速度以矩形模板匹

4、配的45.8米/秒遠(yuǎn)高于剖面匹配和角度紋理方法的22.9米/秒和30.8米/秒。通過(guò)實(shí)驗(yàn)證明了矩形模板匹配道路提取方法與其他幾種方法相比，能夠更有效地從高分辨率遙感影像上提取道路。
　　(5)針對(duì)中等分辨率遙感影像道路信息相對(duì)簡(jiǎn)單、噪聲點(diǎn)較少的特點(diǎn)，本文提出了基于支持向量機(jī)與區(qū)域生長(zhǎng)耦合的道路信息提取方法，并通過(guò)定性和定量的實(shí)驗(yàn)對(duì)比分析在中等分辨率遙感影像上道路提取支持向量機(jī)、區(qū)域生長(zhǎng)法和耦合方法?；谥С窒蛄繖C(jī)與區(qū)域生長(zhǎng)的耦合方

5、法漏分誤差為14.5％，錯(cuò)分誤差為8.8％，總體分類精度達(dá)90.7％，均明顯優(yōu)于支持向量機(jī)的區(qū)域生長(zhǎng)自適應(yīng);Kappa系數(shù)為0.91，優(yōu)于支持向量機(jī)的0.81和區(qū)域生長(zhǎng)自適應(yīng)方法0.72。結(jié)果表明，支持向量機(jī)與區(qū)域生長(zhǎng)自適應(yīng)耦合方法進(jìn)行道路提取，可以較大幅度提高道路提取的精度。
　　(6)為了更有加有效地評(píng)價(jià)道路信息提取的有效性，根據(jù)他人研究成果并結(jié)合本研究的實(shí)際情況，提出用完整率、正確率、提取質(zhì)量、自動(dòng)化程度、繪圖時(shí)間等指標(biāo)來(lái)評(píng)