【摘要】：影響道路通行條件的主要因素包括:道路條件、車(chē)輛性能、交通條件、環(huán)境、氣候等。其中,道路條件指的是道路的線形組成,環(huán)境指的是道路所處的地貌、自然狀況、道路受災(zāi)阻斷等,這些因素更適合應(yīng)用現(xiàn)代遙感技術(shù)實(shí)施調(diào)查。國(guó)產(chǎn)高分影像具有高分辨率、紋理信息豐富、現(xiàn)勢(shì)性強(qiáng)等優(yōu)點(diǎn),是監(jiān)測(cè)道路通行影響因子的良好數(shù)據(jù)源。目前道路影響通行相關(guān)信息遙感提取存在的主要問(wèn)題是技術(shù)方法的智能化、自動(dòng)化程度低,對(duì)專(zhuān)業(yè)知識(shí)要求較高,傳統(tǒng)變化檢測(cè)方法受成像條件、光譜差異、干擾信息影響較大等。針對(duì)以上的問(wèn)題,本文應(yīng)用國(guó)產(chǎn)GF-1影像,研究基于數(shù)據(jù)挖掘的道路中心線提取、道路線形參數(shù)計(jì)算的算法、基于SIFT算法的道路通行堵點(diǎn)檢測(cè)方法。首先在決策樹(shù)分類(lèi)過(guò)程中,采用數(shù)據(jù)挖掘算法自動(dòng)生成決策規(guī)則,實(shí)施道路提取,對(duì)提取結(jié)果進(jìn)行后處理,并在ArcGIS中實(shí)現(xiàn)道路中心線矢量提取,并評(píng)價(jià)方法的有效性;接著,引用數(shù)理統(tǒng)計(jì)與最小二乘法基于CAD+VBA二次開(kāi)發(fā),計(jì)算路線曲率、坡度等參數(shù);最后基于SIFT算法檢測(cè)并定位道路通行堵點(diǎn),通過(guò)實(shí)驗(yàn)研究與分析得到以下主要結(jié)論:(1)C4.5算法可以完成道路提取規(guī)則自動(dòng)智能生成,且道路信息提取中誤差為±3.143m與面向?qū)ο蠓ǖ闹姓`差結(jié)果±2.904m相近。基于數(shù)據(jù)挖掘C4.5算法,通過(guò)基于C#開(kāi)發(fā)的格式轉(zhuǎn)換程序,利用國(guó)產(chǎn)GF-1影像可以一體化提取鋪裝道路、非鋪裝道路的中心線。實(shí)驗(yàn)結(jié)果表明在西北地區(qū)鋪裝道路提取過(guò)程中,通過(guò)直方圖均衡化等亮度拉伸操作后,道路提取決策規(guī)則具有通用性。(2)基于CAD+VBA二次開(kāi)發(fā)的計(jì)算道路線形參數(shù)的模塊,可以準(zhǔn)確、快速地計(jì)算道路網(wǎng)的曲率半徑、坡度參數(shù),其中計(jì)算出的曲率半徑與RTK實(shí)測(cè)數(shù)據(jù)和仿真線形相對(duì)誤差分別為0.19%和0.14%,實(shí)驗(yàn)驗(yàn)證了帶緩和曲線的圓曲線直接用圓曲線來(lái)擬合,與仿真線形相對(duì)誤差為0.36%;坡度計(jì)算精度與道路中心線提取精度、DEM精度相關(guān)性很強(qiáng),實(shí)驗(yàn)表明對(duì)30m分辨率的DEM,坡道點(diǎn)采樣間隔取150m較為合適。(3)基于SIFT算法檢測(cè)道路通行堵點(diǎn)的技術(shù)方案,雖然計(jì)算量較大,對(duì)硬件要求較高,但該技術(shù)受干擾因素的影響相對(duì)于傳統(tǒng)變化檢測(cè)法顯著降低,具有較高的實(shí)用價(jià)值。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：P237
【圖文】：

國(guó)產(chǎn)ＧＦ－１影像具有高空間分辨率、數(shù)據(jù)獲取方式便捷等優(yōu)勢(shì)，更適檢測(cè)影響道路通行因子中的道路條件和環(huán)境因素。所以結(jié)合國(guó)產(chǎn)ＧＦ－１影特點(diǎn)，對(duì)道路通行影響因子遙感檢測(cè)的研宄中存在的問(wèn)題進(jìn)行以下研宄：逡逑（１）基于數(shù)據(jù)挖掘的道路中心線提取逡逑針對(duì)預(yù)處理后的西北和南京的國(guó)產(chǎn)ＧＦ－１影像，基于數(shù)據(jù)挖掘Ｃ４．５道路，通過(guò)后處理操作，一體化提取出鋪裝道路、非鋪裝道路的中心線。逡逑（２）決策樹(shù)的通用性逡逑在提取西北地區(qū)鋪裝道路中心線的過(guò)程中，選取一幅模板影像，并決策樹(shù)作為模板決策樹(shù)，對(duì)于待提取影像，通過(guò)直方圖均衡化等亮度拉使得待提取影像的亮度分布范圍與模板影像一致，并應(yīng)用模板決策樹(shù)提的中心線。逡逑（３）道路線形參數(shù)計(jì)算逡逑對(duì)于提取出的矢量的道路中心線，在ＣＡＤ＋ＶＢＡ平臺(tái)進(jìn)行二次開(kāi)發(fā)，理統(tǒng)計(jì)和最小二乘法計(jì)算道路的曲率半徑；并應(yīng)用ＤＥＭ計(jì)算出道路的坡（４）道路通行堵點(diǎn)檢測(cè)逡逑基于ＳＩＦＴ算法與核密度估計(jì)法檢測(cè)道路通行堵點(diǎn)，并自動(dòng)定位到原中，解決傳統(tǒng)方法中因受堵點(diǎn)形狀、大小、方向、光譜差異以及干擾因素產(chǎn)生的偽變化問(wèn)題，提高道路通行堵點(diǎn)檢測(cè)的現(xiàn)勢(shì)性和自動(dòng)化程度。逡逑本文的主要技術(shù)路線圖如圖１－１所示。逡逑

＾其中，從ＧＦ１－南京影像中還裁剪出了東南大學(xué)九龍湖校區(qū)的影像作為實(shí)驗(yàn)逡逑數(shù)據(jù)（下面簡(jiǎn)稱(chēng)為ＧＦ１－南京城區(qū)影像）。原始實(shí)驗(yàn)數(shù)據(jù)如圖２－１所示。逡逑ａ）邋ＧＦ１－２０１３１２原始影像邐ｂ）邋ＧＦ１－２０１６０８原始影像邐ｃ）邋ＧＦ１－２０１７０１原始影像逡逑ｍｍ邋ｍｍ逡逑ｄ）邋ＧＦｌ－２０１６１２原始影像邐ｅ）邋ＧＦ２－２０１５１２原始影像邐0邋ＧＦ１－南京原始影像逡逑W＿逡逑圖２－１原始實(shí)驗(yàn)數(shù)據(jù)逡逑７逡逑

邐ｂ）轄射校正后影像中的雪逡逑ｗｍｗｍ逡逑圖２－３輻射校正前后影像對(duì)比圖逡逑如圖２－３中ａ）所示，在原始影像中，紅框部分中的雪并不明顯而且面積區(qū)逡逑域較小，而經(jīng)過(guò)輻射校正后的紅框部分很明顯恢復(fù)了實(shí)際中的雪的本來(lái)面貌，如逡逑圖２－３中ｂ）所示。所以通過(guò)輻射校正可以恢復(fù)影像的本來(lái)面貌。逡逑２．２．２邋正射校正逡逑遙感影像在成像過(guò)程中會(huì)受到投影、地形起伏等諸多因素的影響，產(chǎn)生不同逡逑程度的幾何畸變而導(dǎo)致失真，正射校正就是對(duì)影像空間和幾何畸變進(jìn)行校正生成逡逑多中心投影平面正射影像的處理過(guò)程，并進(jìn)行影像重采樣，這樣不僅能夠糾正一逡逑般因系統(tǒng)產(chǎn)生的幾何畸變，還可以消除由地形引起的幾何畸變。逡逑本文應(yīng)用ＥＮＶＩ中ＲＰＣ邋Ｏｒｔｈｏｒｅｃｔｉｆｉｃａｔｉｏｎ的功能，因?yàn)槿鄙僬鎸?shí)的控制點(diǎn)，所逡逑以本文只利用數(shù)據(jù)自帶星歷參數(shù)而無(wú)控制點(diǎn)的方式進(jìn)行正射校正。逡逑以ＧＦ１－２０１３１２影像為例

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董婷;;基于weka的數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則應(yīng)用研究[J];機(jī)械設(shè)計(jì)與制造工程;2015年12期

2 劉偉樂(lè);林輝;孫華;;基于GF-1遙感影像濕地變化信息檢測(cè)算法分析[J];中南林業(yè)科技大學(xué)學(xué)報(bào);2015年11期

3 劉玲;孟慶昕;劉曉東;;高分衛(wèi)星遙感技術(shù)在公路地質(zhì)災(zāi)害損毀評(píng)估中的應(yīng)用[J];公路;2014年04期

4 任玉環(huán);劉亞嵐;張勇;劉珠妹;劉萌萌;;基于災(zāi)后遙感影像特征的公路災(zāi)害檢測(cè)方法[J];自然災(zāi)害學(xué)報(bào);2013年06期

5 湯森迪;李小波;;WEKA平臺(tái)在腫瘤分類(lèi)研究中的應(yīng)用[J];電腦知識(shí)與技術(shù);2013年34期

6 項(xiàng)皓東;;從高分辨率遙感影像中提取道路信息的方法綜述及展望[J];測(cè)繪與空間地理信息;2013年08期

7 馬海建;陸楠;李曉璇;;基于邊線的遙感影像道路震害快速提取方法研究[J];地震;2013年02期

8 劉明眾;張景發(fā);李成龍;劉國(guó)林;;高分辨率遙感影像道路震害的快速提取[J];地震;2013年02期

9 靳彩嬌;張永生;張宇馳;李潤(rùn)生;張帆;;一種基于遙感影像的道路損毀評(píng)估方法[J];影像技術(shù);2013年01期

10 陳峰;辜良瑤;楊岳;吳湘華;;鐵路既有線復(fù)測(cè)平面曲線優(yōu)化方法[J];鐵道科學(xué)與工程學(xué)報(bào);2012年05期

相關(guān)會(huì)議論文 前2條

1 楊勛;謝維信;黃建軍;;高分辨遙感影像中基于道路紋理方向特征的道路分割[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（二）[C];2007年

2 張守娟;周詮;;空間數(shù)據(jù)挖掘決策樹(shù)算法在遙感圖像分類(lèi)中的應(yīng)用研究[A];中國(guó)遙感應(yīng)用協(xié)會(huì)2010年會(huì)暨區(qū)域遙感發(fā)展與產(chǎn)業(yè)高層論壇論文集[C];2010年

相關(guān)博士學(xué)位論文 前4條

1 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學(xué);2014年

2 傅罡;多源遙感數(shù)據(jù)的道路提取方法研究[D];清華大學(xué);2014年

3 蘭澤英;基于土地利用空間知識(shí)挖掘的高分辨率遙感影像分類(lèi)[D];武漢大學(xué);2010年

4 趙福軍;遙感影像震害信息提取技術(shù)研究[D];中國(guó)地震局工程力學(xué)研究所;2010年

相關(guān)碩士學(xué)位論文 前10條

1 閆菁;基于高分遙感影像的道路信息快速提取技術(shù)研究[D];江西農(nóng)業(yè)大學(xué);2016年

2 李建飛;高分辨率遙感影像中的道路信息提取與表達(dá)方法研究[D];湖南工業(yè)大學(xué);2015年

3 田衛(wèi)方;基于高分辨率遙感影像的震后道路損毀識(shí)別研究[D];北京交通大學(xué);2015年

4 彭欣;既有線平面線形參數(shù)優(yōu)化估計(jì)研究及CAD系統(tǒng)開(kāi)發(fā)[D];中南大學(xué);2014年

5 王凱;舊路平面線形擬合參數(shù)初始數(shù)據(jù)處理[D];長(zhǎng)沙理工大學(xué);2014年

6 王雙;高分辨率遙感影像道路提取方法研究[D];南京理工大學(xué);2014年

7 焦騰;基于高分辨率遙感影像的交通路網(wǎng)提取技術(shù)研究[D];湖南大學(xué);2013年

8 尹超;公路地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)與區(qū)劃研究[D];長(zhǎng)安大學(xué);2013年

9 靳彩嬌;高分辨率遙感影像道路提取方法研究[D];解放軍信息工程大學(xué);2013年

10 汪夕明;遙感影像道路提取方法研究與實(shí)現(xiàn)[D];清華大學(xué);2011年

本文編號(hào)：2763706