發(fā)布時(shí)間：2021-11-14 19:08

　　提出一種先分割后聚類的道路提取方法,通過模糊積分的方法對(duì)多種尺度的道路提取結(jié)果進(jìn)行融合研究。首先對(duì)影像進(jìn)行多尺度超像素分割生成連續(xù)的不規(guī)則對(duì)象;再顧及光譜、形狀和紋理特征進(jìn)行SVM分類提取道路;最后對(duì)多種道路提取結(jié)果進(jìn)行處理。實(shí)驗(yàn)結(jié)果表明該方法能夠較為完整、準(zhǔn)確地提取出高分辨率影像上的道路信息,可為城市高分影像道路快速提取提供一定的參考。 

【文章來源】：地理空間信息. 2020,18(04)

【文章頁數(shù)】：6 頁

【部分圖文】：

原始影像

·18·地理空間信息第18卷第4期a尺度一b尺度二c尺度三圖2SLIC影像分割結(jié)果1.2DBSCAN影像聚類DBSCAN是一種基于密度的聚類算法，將具有足夠高密度的區(qū)域劃分為簇。為達(dá)到影像分割控制變量的效果，此處將經(jīng)過SLIC超像素分割后的3種影像結(jié)果進(jìn)行同尺度的DBSCAN影像聚類，聚類后結(jié)果分別如圖3a～c所示。a尺度一b尺度二c尺度三圖3DBSCAN影像聚類結(jié)果1.3特征提取和SVM分類提取道路通過計(jì)算得到每個(gè)對(duì)象的光譜特征值，再進(jìn)行每一個(gè)取樣點(diǎn)所在的對(duì)象塊光譜特征的計(jì)算作為樣本值，為SVM（supportvectormachine）提供光譜特征樣本。對(duì)不同分割尺度下得到的所有影像對(duì)象進(jìn)行形狀指數(shù)計(jì)算，可以得到每個(gè)對(duì)象的形狀特征值，再求得道路樣本點(diǎn)和非道路樣本點(diǎn)的形狀特征值作為訓(xùn)練樣本為SVM提供形狀特征樣本。對(duì)于紋理特征，這里主要研究基于Gabor濾波的紋理特征和紋理過濾方法。Gabor濾波是紋理分析和邊緣檢測(cè)的常用方法之一[17-19]，具有以各種空間頻率和方向進(jìn)行多分辨率分解的能力。通過用2D高斯調(diào)制各種頻率和取向的正弦平面波來獲得二維Gabor濾波器。主成分分析（principalcomponentanalysis，PCA）可用于所有Gabor能量特征的堆棧[20]以減少冗余，同時(shí)保留從特征導(dǎo)出的對(duì)比度。通過Gabor和PCA得到不同分割尺度下所有影像對(duì)象的紋理特征指數(shù)，再求得道路樣本點(diǎn)和非道路樣本點(diǎn)的紋理特征值作為訓(xùn)練樣本，為后續(xù)SVM提供紋理特征樣本。在得到道路樣本點(diǎn)和非道路樣本點(diǎn)的光譜特征、形狀特征和紋理特征基礎(chǔ)上，采用SVM提取多尺度道路對(duì)象。SVM對(duì)特征空間分布和維度通常不敏感，這使得它比一些傳統(tǒng)分類器更適合復(fù)雜?

·18·地理空間信息第18卷第4期a尺度一b尺度二c尺度三圖2SLIC影像分割結(jié)果1.2DBSCAN影像聚類DBSCAN是一種基于密度的聚類算法，將具有足夠高密度的區(qū)域劃分為簇。為達(dá)到影像分割控制變量的效果，此處將經(jīng)過SLIC超像素分割后的3種影像結(jié)果進(jìn)行同尺度的DBSCAN影像聚類，聚類后結(jié)果分別如圖3a～c所示。a尺度一b尺度二c尺度三圖3DBSCAN影像聚類結(jié)果1.3特征提取和SVM分類提取道路通過計(jì)算得到每個(gè)對(duì)象的光譜特征值，再進(jìn)行每一個(gè)取樣點(diǎn)所在的對(duì)象塊光譜特征的計(jì)算作為樣本值，為SVM（supportvectormachine）提供光譜特征樣本。對(duì)不同分割尺度下得到的所有影像對(duì)象進(jìn)行形狀指數(shù)計(jì)算，可以得到每個(gè)對(duì)象的形狀特征值，再求得道路樣本點(diǎn)和非道路樣本點(diǎn)的形狀特征值作為訓(xùn)練樣本為SVM提供形狀特征樣本。對(duì)于紋理特征，這里主要研究基于Gabor濾波的紋理特征和紋理過濾方法。Gabor濾波是紋理分析和邊緣檢測(cè)的常用方法之一[17-19]，具有以各種空間頻率和方向進(jìn)行多分辨率分解的能力。通過用2D高斯調(diào)制各種頻率和取向的正弦平面波來獲得二維Gabor濾波器。主成分分析（principalcomponentanalysis，PCA）可用于所有Gabor能量特征的堆棧[20]以減少冗余，同時(shí)保留從特征導(dǎo)出的對(duì)比度。通過Gabor和PCA得到不同分割尺度下所有影像對(duì)象的紋理特征指數(shù)，再求得道路樣本點(diǎn)和非道路樣本點(diǎn)的紋理特征值作為訓(xùn)練樣本，為后續(xù)SVM提供紋理特征樣本。在得到道路樣本點(diǎn)和非道路樣本點(diǎn)的光譜特征、形狀特征和紋理特征基礎(chǔ)上，采用SVM提取多尺度道路對(duì)象。SVM對(duì)特征空間分布和維度通常不敏感，這使得它比一些傳統(tǒng)分類器更適合復(fù)雜?

【參考文獻(xiàn)】：
期刊論文
[1]高分辨率遙感影像道路提取方法研究進(jìn)展[J]. 曹云剛,王志盼,楊磊.  遙感技術(shù)與應(yīng)用. 2017(01)
[2]改進(jìn)支持向量機(jī)的高分遙感影像道路提取[J]. 朱恩澤,宋偉東,戴激光.  測(cè)繪科學(xué). 2016(12)
[3]面向?qū)ο笸恋乩眯畔⑻崛〉亩喑叨确指頪J]. 王衛(wèi)紅,何敏.  測(cè)繪科學(xué). 2011(04)
[4]基于Snakes模型的高分辨率遙感影像城區(qū)道路提取方法研究[J]. 施海亮,周紹光,徐勇.  大氣與環(huán)境光學(xué)學(xué)報(bào). 2011(02)
[5]面向?qū)ο蟮牡缆沸畔⒆R(shí)別提取分析[J]. 黃亮,左小清,張曉曉,劉婭.  昆明理工大學(xué)學(xué)報(bào)(理工版). 2010(06)
[6]基于動(dòng)態(tài)規(guī)劃的城市道路提取改進(jìn)算法[J]. 劉曉平,朱曉強(qiáng),余燁,李琳.  工程圖學(xué)學(xué)報(bào). 2010(04)
[7]高分辨率影像道路提取的整體矩形匹配方法[J]. 朱長青,楊云,鄒芳,王奇勝.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(02)
[8]結(jié)合高斯馬爾可夫隨機(jī)場(chǎng)紋理模型與支撐向量機(jī)在高分辨率遙感圖像上提取道路網(wǎng)[J]. 汪閩,駱劍承,周成虎,明冬萍,陳秋曉,沈占峰.  遙感學(xué)報(bào). 2005(03)



本文編號(hào)：3495190