遙感圖像中道路提取在軍事、交通等領(lǐng)域具有重要的應(yīng)用價值。在相關(guān)研究分析的基礎(chǔ)上,提出了一種基于超像素分割的遙感圖像道路提取方法。首先采用SLIC算法對高分辨率遙感圖像進行分割處理;其次在手工標(biāo)注道路起止點的基礎(chǔ)上,基于超像素的最短路徑算法對樣本集的道路像素點數(shù)據(jù)進行擴充和積累;最后采用XGBoost模型進行道路提取。試驗結(jié)果表明,相對于SVM、GBDT等算法,XGBoost算法具有較好的準(zhǔn)確性,能夠清晰地提取出道路網(wǎng)絡(luò)。 

【文章來源】：測繪科學(xué)技術(shù)學(xué)報. 2020,37(04)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

基于最短路徑的道路像素提取示意圖

將Logistic、SVM、RF和GBDT這4種典型的分類模型進行試驗對比分析,示例結(jié)果如圖2所示。各種模型總體上能夠識別出主要的道路信息。其中XGBoost模型和GBDT模型識別效果相對較好,而且能夠識別出次要道路,但對于連接建筑物特征不明顯的岔路識別效果均不太好。SVM、RF和Logistic模型存在對明顯道路像素和非道路像素的誤判情況,但這對道路識別的整體效果影響并不大。此外,在基于超像素塊的最短路徑算法中,判斷超像素塊為道路的依據(jù)是相鄰超像素塊的線性綜合距離。因此該方法能夠處理直線、曲折、彎曲等道路形狀。

【參考文獻】：
期刊論文
[1]城市道路網(wǎng)主干道提取的形態(tài)分析方法[J]. 欒學(xué)晨,范紅超,楊必勝,李秋萍.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2014(03)



本文編號：3009418