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多種尺度的道路提取結果進行融合研究。首先對影像進行多尺度超像素分割生成連續(xù)的不規(guī)則對象;再顧及光譜、形狀和紋理特征進行SVM分類提取道路;最后對多種道路提取結果進行處理。實驗結果表明該方法能夠較為完整、準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】：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。為達到影像分割控制變量的效果，此處將經過SLIC超像素分割后的3種影像結果進行同尺度的DBSCAN影像聚類，聚類后結果分別如圖3a～c所示。a尺度一b尺度二c尺度三圖3DBSCAN影像聚類結果1.3特征提取和SVM分類提取道路通過計算得到每個對象的光譜特征值，再進行每一個取樣點所在的對象塊光譜特征的計算作為樣本值，為SVM（supportvectormachine）提供光譜特征樣本。對不同分割尺度下得到的所有影像對象進行形狀指數計算，可以得到每個對象的形狀特征值，再求得道路樣本點和非道路樣本點的形狀特征值作為訓練樣本為SVM提供形狀特征樣本。對于紋理特征，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的常用方法之一[17-19]，具有以各種空間頻率和方向進行多分辨率分解的能力。通過用2D高斯調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，同時保留從特征導出的對比度。通過Gabor和PCA得到不同分割尺度下所有影像對象的紋理特征指數，再求得道路樣本點和非道路樣本點的紋理特征值作為訓練樣本，為后續(xù)SVM提供紋理特征樣本。在得到道路樣本點和非道路樣本點的光譜特征、形狀特征和紋理特征基礎上，采用SVM提取多尺度道路對象。SVM對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。為達到影像分割控制變量的效果，此處將經過SLIC超像素分割后的3種影像結果進行同尺度的DBSCAN影像聚類，聚類后結果分別如圖3a～c所示。a尺度一b尺度二c尺度三圖3DBSCAN影像聚類結果1.3特征提取和SVM分類提取道路通過計算得到每個對象的光譜特征值，再進行每一個取樣點所在的對象塊光譜特征的計算作為樣本值，為SVM（supportvectormachine）提供光譜特征樣本。對不同分割尺度下得到的所有影像對象進行形狀指數計算，可以得到每個對象的形狀特征值，再求得道路樣本點和非道路樣本點的形狀特征值作為訓練樣本為SVM提供形狀特征樣本。對于紋理特征，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的常用方法之一[17-19]，具有以各種空間頻率和方向進行多分辨率分解的能力。通過用2D高斯調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，同時保留從特征導出的對比度。通過Gabor和PCA得到不同分割尺度下所有影像對象的紋理特征指數，再求得道路樣本點和非道路樣本點的紋理特征值作為訓練樣本，為后續(xù)SVM提供紋理特征樣本。在得到道路樣本點和非道路樣本點的光譜特征、形狀特征和紋理特征基礎上，采用SVM提取多尺度道路對象。SVM對特征空間分布和維度通常不敏感，這使得它比一些傳統(tǒng)分類器更適合復雜?

【參考文獻】：
期刊論文
[1]高分辨率遙感影像道路提取方法研究進展[J]. 曹云剛,王志盼,楊磊.  遙感技術與應用. 2017(01)
[2]改進支持向量機的高分遙感影像道路提取[J]. 朱恩澤,宋偉東,戴激光.  測繪科學. 2016(12)
[3]面向對象土地利用信息提取的多尺度分割[J]. 王衛(wèi)紅,何敏.  測繪科學. 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)境光學學報. 2011(02)
[5]面向對象的道路信息識別提取分析[J]. 黃亮,左小清,張曉曉,劉婭.  昆明理工大學學報(理工版). 2010(06)
[6]基于動態(tài)規(guī)劃的城市道路提取改進算法[J]. 劉曉平,朱曉強,余燁,李琳.  工程圖學學報. 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.  華中科技大學學報(自然科學版). 2008(02)
[8]結合高斯馬爾可夫隨機場紋理模型與支撐向量機在高分辨率遙感圖像上提取道路網[J]. 汪閩,駱劍承,周成虎,明冬萍,陳秋曉,沈占峰.  遙感學報. 2005(03)



本文編號：3495190