遥感影像中城市道路的提取
从高分辨率遥感影像中提取城市道路的新方法
从高分辨率遥感影像中提取城市道路的新方法周绍光;刘娟娟;陈仁喜【摘要】在综合几种现有算法优点的基础上,提出一种新的道路提取策略.首先以角度纹理特性法分割原始影像;接着利用直线匹配原理剔除初始分割结果中的非道路地物,得到更为规则的道路条带;然后通过形态学手段获得道路中心线,并将每条中心线拆分为多段直线;结合上下文知识的马尔可夫模型被用于组织道路段的中心线,从而恢复完整道路网.实验结果表明:新方法具有良好的性能,可以从高分辨IKONOS 遥感影像中提取出复杂的城市道路.【期刊名称】《计算机工程与应用》【年(卷),期】2010(046)032【总页数】4页(P216-219)【关键词】道路提取;角度纹理特性;直线匹配;马尔可夫随机场【作者】周绍光;刘娟娟;陈仁喜【作者单位】河海大学测绘工程系,南京,210098;河海大学测绘工程系,南京,210098;河海大学测绘工程系,南京,210098【正文语种】中文【中图分类】TP391.411 引言对道路提取方法的研究，已经有30多年的历史。
早期的研究主要是针对低、中分辨率影像，通常的方法都是假定道路为宽度等于一个到几个像素的线状特征。
这种类型的道路提取研究方法很多，如经典的Hough变换及各种改进方法[1-2]；基于幅度和梯度的相位编组方法[3]；还有需要先获取种子点的动态规划方法及蛇模型道路提取方法[4-5]等。
随着高分辨率卫星的不断发射升空，高分辨率遥感影像成为一种重要的数据源。
从高分辨率遥感影像中提取道路以更新GIS数据，成为新的研究热点。
Yongguan Xiao[6]等人提出基于边缘平行线的提取方法。
贾承丽等人[7]提出了一种在SAR图像中自动提取道路的方法。
该方法首先对图像进行相干斑抑制，然后提取图像上的线特征；继而利用遗传算法进行连接；最后用蛇模型调整候选道路段的位置，并根据线特征幅度图对候选道路段进行鉴别，并试验验证了算法的有效性。
不过，更多的研究者则希望先将道路从背景中分割出来，再对分割后的粗糙道路条带进行处理来获取完整道路。
遥感影像处理中的特征提取方法和应用
遥感影像处理中的特征提取方法和应用遥感影像是通过无人机、卫星等载体获取的地球表面的影像数据。
特征提取是遥感影像处理中的一项重要任务，旨在从遥感影像中提取出地物的特定特征，以实现对地物的分类、识别和监测等应用。
本文将介绍遥感影像处理中常用的特征提取方法及其应用。
一、特征提取方法1. 基于像素的特征提取方法基于像素的特征提取方法是从单个像素点的信息中提取特征。
常用的方法包括：（1）颜色特征提取：利用遥感影像中的颜色信息进行特征提取。
常用的方法包括二值化、RGB分量、HSV、归一化差异植被指数（NDVI）等。
（2）纹理特征提取：利用遥感影像中的纹理信息进行特征提取。
常用的方法包括灰度共生矩阵（GLCM）、灰度值标准差、平均灰度值等。
（3）形状特征提取：利用遥感影像中的形状信息进行特征提取。
常用的方法包括链码、Hu不变矩、区域面积等。
2. 基于目标的特征提取方法基于目标的特征提取方法是在已知地物目标的前提下，根据地物目标的特定特征进行特征提取。
常用的方法包括：（1）形状特征提取：利用地物目标的形状信息进行特征提取。
常用的方法包括面积、周长、伸长率等。
（2）纹理特征提取：利用地物目标的纹理信息进行特征提取。
常用的方法包括纹理能量、纹理熵、纹理对比度等。
（3）上下文特征提取：利用地物目标的上下文信息进行特征提取。
常用的方法包括边界连接、邻居分析、局部空间关系等。
二、特征提取应用1. 地物分类特征提取在地物分类中起到了关键作用。
通过提取不同地物的特定特征，可以将遥感影像中的地物进行分类，如水体、森林、建筑等。
特征提取方法可以通过训练分类器来实现自动分类。
2. 土地利用监测特征提取可以应用于土地利用监测。
通过提取遥感影像中地物的特定特征，可以实现对土地的类型和变化进行监测，如农田的扩张、森林的退化等，为土地规划和资源管理提供支持。
3. 城市规划特征提取在城市规划中具有重要意义。
通过提取遥感影像中的建筑、道路等特定特征，可以分析城市的发展趋势和扩张方向，为城市规划和交通规划提供数据支持。
一种基于高分辨率遥感影像的道路提取方法
一
种基 于高分辨率遥感影像 的道路提取方法
谢谦 礼 ｔ 程承 旗 １ 马 廷２
（ 北京 大 学遥 感所 ， 北京 １ ０ ７ ） ０ ８ １ （ 国科 学院地 理科 学 与资源研 究所 资 源与环境 信 息 国家重点 实验 室 北京 ｌｏ ｏ ） 中 ｏ ｌ １
．
Ｅ—ｍａｌ ｘ ｉ： ｑｌ ｑａ ＠ｐ ｕｅ ｕｃ ｉｎ ｋ ．ｄ ．ｎ
—
摘 要 道 路 等 线性 地 物 的 自动 提 取 一 直是 高分 辨 率 遥 感 影像 研 究 所 关 注 的 内容
，
论 文 在 分 析 现 有 的 各 种 提 取 方 法 的 基 础 上 ， 合 城 市道 路 在 高分 辨 率 遥 感 影像 上 的特 点 提 出一 种 半 自动 的道 路 提 取 法 。该 ： 法 先 对遥 感 影 像 中的 道路 点 结 ５ － －
Ｘ ｅ Ｑｉｎｉ Ｃ ｅ ｇ Ｃ ｅ ｇ ｉ Ｍａ Ｔ ｎ ￣ ｉ ａｌ ｈ ｎ ｈ ｎ ｑ ｉｇ
（ ｓ ｔｔ ｏ ｅ ｔ ｅｓ ｇ Ｐ ｋｎ ｎｖｒｉ ， ｅ ｉｇ １ ０ ７ ） Ｉ ｔｕｅ ｆＲ ｍｏｅＳ ｎｉ ，ｅ ｉｇ Ｕ ｉ ｓ ｙＢ ｉｎ ０ ８ １ ｎｉ ｎ ｅ ｔ ｊ
ｉ ｔｈ ｖ ａ ｌｄ ｓ ｍｅ ｐ ｘ ｌ ｎ ｋ ｎ ｓａ ｉ ｉ ｌ ｃ ｌｕ ａ ｉ ｆ ｔ ｅｒ ｐ ｃ ｒ Ｔ ｅ ａ ｅ ｓ ｔ ｎ ｏ ｇ ｎ ｐ ｘ ｌ ｆ ｓ ａ ｅ ｓ ｍｐ ｅ ｏ ｉｅｓ ａ ｄ ｍａ ｅ ｔｔ ｔ ａ ａｃ ｌｔ ｎ ｏ ｈ ｉ ｓ ｅ ｔ ｍ、 ｈ ｎ ｗｅ ｈ ｖ ｅ ａ ｒ ｉ ａ ｉ ｅ ｎ ｒ ｓｃ ｏ ｕ ｉ ｌ ｉ
（ｔ ｅ Ｋ ｙ Ｌ ｂ ｏ ｅｏｒｅ ｎ ｎ ｉ ｎ ｎ ｎｏｍ ｔ ｎ Ｓ ｓ ｍ． ｓ ｔｔ ｏ ｅ ｇａ ｈ ｃｅ ｃ ＆ Ｓａ ｅ ａ ． ｆＲ ｓｕｃｓａ ｄ Ｅ ｖｒ ｍｅｔＩｆｒ ａｉ ｙｔ Ｉ ｔｕｅ ｆＧ ｏｒｐ ｙ Ｓ ｉ ｅ ｔ ｏ ｏ ｅ ｎｉ ｎ
如何利用遥感影像进行测绘数据提取
如何利用遥感影像进行测绘数据提取遥感技术是一种通过无人机或卫星获取地球表面信息的方法，通过对遥感影像进行分析和解译，可以提取出大量的地理信息数据，并应用于地质学、土地利用规划、城市建设等领域。
本文将探讨如何利用遥感影像进行测绘数据的提取，以及其在实践中的应用。
1. 遥感影像的获取与处理遥感影像的获取可以通过无人机或卫星来进行。
无人机可以实现低空高分辨率的影像获取，而卫星则能够实现广域和全球尺度的遥感影像获取。
在选择遥感影像时，除了要考虑空间分辨率和时间分辨率外，还需要根据实际需求选择多光谱、高光谱或合成孔径雷达等传感器。
在获取到遥感影像后，需要进行一系列的处理。
首先是影像预处理，包括大气校正、辐射校正和几何校正等步骤，以保证影像数据的准确性和一致性。
然后是遥感影像的分类与解译，可以使用基于像元或目标的分类方法，识别出不同地物类型。
2. 测绘数据的提取方法遥感影像提供了丰富的地理信息，其中包括地物边界、地物类型、地表高度等数据。
在进行测绘数据提取时，可以采用以下几种方法：(1) 物体提取：通过遥感影像的边界检测和分割算法，提取出不同地物的轮廓信息。
这可以应用于道路、河流、建筑物等地物的提取与识别。
(2) 高程数据提取：通过遥感影像的立体像对或多光谱图像，可以进行地表高程的提取与测量。
其中，基于立体像对的视差匹配方法可以得到地表高程数据，而多光谱数据则可以进行数字高程模型(Digital Elevation Model, DEM)的生成。
(3) 地物分类与变化检测：遥感影像中的地物可以通过基于像元的分类方法进行提取。
利用不同波段的光谱信息，可以将遥感影像中的像素根据其光谱特征归类为不同物体类型。
此外，通过对多期遥感影像进行比较，还可以检测出地物的变化信息，如城市扩张、森林变化等。
3. 遥感数据在实践中的应用测绘数据的提取是遥感技术的一个重要应用领域。
遥感影像提供了大量的地理信息数据，可以用于土地利用规划、环境监测、城市建设等方面。
高分辨率遥感影像提取道路方法研究进展
种 子点 ； 第三步 ， 对种子点进行跟踪和扩展 ， 并形成 道路段 ； 第 四步 ， 将道路段 连接起来 ， 组成道路 网络 ． 下面介绍几种 目
征信息进行获取和辨别的方式． 这个方 法中最重要 的一步是
需 要人 提供道路的种子点 ， 有时还需要知 道初始 的方向 ， 然 后 ． 特征区域越大也就说明包含的信息量就越
大， 特征 区域小 的区域意味着有 较小的信息量 ． 人 眼很 容易
数 据的速度 慢 ， 周期长 ， 工作 量大 ， 工作人员 对收集工 作产 生厌倦 ，导致工作人员一味 的收集信息而不 去解 决更高层
次 的问题和应用研究 ． 在此背 景下 ， 很 多学者开始探 索 自动
的道路信息提取方法 ，一方面使工作人员从 大量繁重 的数
来进行 ， 要从低到 中再 到高的步骤进行 ． 首先是低层次 的处 理 ，在处理过程 中使用不 同的采集方法对不 同要 素提取信
第２ ９卷 第 １ ０期（ 上）
２ ０ １ ３年 １ ０月
赤 峰 学 院 学 报 （自 然 科 学 版 ）
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｃ ｈ ｉ ｆ ｅ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ（ Ｎ ａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ ｄ ｉ ｔ ｉ ｏ ｎ ）
路的基 本现状 ． 传统 的道路信息获取的方法存 在很 多漏 洞 ，
比如需 要大量的人力和物力来进行完成 ，并 且还存在收集
（ ４ ） 上下文特征 ． 这一特征包含 和道路所处 的环 境有牵
连的信息 、 和道路现实特征相关的信息 、 道路 与地面建筑物
如何进行遥感影像的分类与地物提取
如何进行遥感影像的分类与地物提取遥感影像是近年来在地理信息领域中应用广泛的一种技术。
通过使用遥感影像，我们可以获取地球表面的大量数据，可以利用这些数据进行地物的分类与提取。
地物分类与提取在自然资源管理、城市规划、环境监测等领域都有着重要的应用。
本文将探讨如何进行遥感影像的分类与地物提取。
一、遥感影像的分类方法遥感影像的分类主要是将影像中的像素点划分到不同的类别中，常用的分类方法有监督分类和无监督分类两种。
监督分类是指根据已经标记好的样本数据进行分类。
首先需要准备一部分已经标记好的样本数据，然后通过分析样本的特征，建立一个分类模型。
接下来，通过模型对整幅影像进行分类。
监督分类需要充分利用专业知识和经验，对样本特征进行细致的分析，从而提高分类的准确性。
无监督分类是指根据影像中像素点的相似性进行分类，不需要准备样本数据。
无监督分类是一种相对简单和快速的分类方法。
它可以帮助我们发现影像中存在的一些隐含的地物类型，但由于没有准确的样本数据，分类结果可能会存在一定的误差。
二、地物提取的方法地物提取是指根据分类结果，将影像中的地物单独提取出来。
常用的地物提取方法有阈值分割、形态学操作、边缘检测等。
阈值分割是一种基于像素灰度值的提取方法，根据不同地物的灰度特征，设置合适的阈值将地物提取出来。
阈值分割简单直观，但对光照、阴影等影像杂波比较敏感，对影像质量要求较高。
形态学操作是一种基于形状和结构的提取方法，通常包括腐蚀和膨胀操作。
通过对影像进行腐蚀操作，可以去除噪声，减小地物的面积；通过膨胀操作，可以填补裂缝，增大地物的面积。
形态学操作结合的阈值分割可以得到较为精确的地物提取结果。
边缘检测是一种基于边缘信息的提取方法，通过检测影像中的边缘特征来提取地物。
常用的边缘检测算法有Sobel算子、Canny算子等。
边缘检测可以提取出地物的轮廓信息，但对于复杂纹理和噪声干扰较多的影像，边缘检测可能会存在一定的偏差。
三、遥感影像分类与地物提取的挑战尽管遥感影像的分类与地物提取方法日益成熟，但仍然存在一些挑战。
从高分辨率遥感影像中提取道路信息的方法综述及展望
０ 引 言
随着 遥感技 术 的 不 断 发 展 ， 遥 感 影 像 的空 间 分 辨 率 也 越来 越 高 ， 已经 达 到亚米 级 ， 这 些 高分 辨率 的遥 感影 像 逐 渐成 为遥感 技术应 用 的主要数 据来源 ， 为Ｇ Ｉ Ｓ 数据 的更 新、 目标检测 、 数字测 图及 自动 化提 供 了有 利 的条 件 。如 何 准确 、 快 速地 从 高 分 辨 率遥 感 影 像 中提 取 出感 兴 趣 的 目标特征 信息 已成 为 一 个 重要 的研 究 方 向 ， 而 道 路 特 征 信 息 的提取 是 其 中 的一 个 热 点 。然 而 ， 至今 没 有 一 套 完
Ｈｉ ｇ ｈ Ｒｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ Ｒｅ ｍｏ ｔ ｅ Ｓ ｅ ｎ ｓ ｉ ｎ ｇ Ｉ ｍａ ｇ ｅ ｓ
ＸＩ ＡＮＧ Ｈａ ｏ—ｄ ｏ ｎ ｇ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｒ ｅ ｍｏ ｔ ｅ Ｓ ｅ ｎ ｓ ｉ ｎ ｇ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｉ ｔ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｗｕ ｈ ａ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｗｕ ｈ ａ ｎ ４ ３ ０ ０ ７ ９ ，Ｃ ｈ ｉ ｎ ａ ）
第３ ６卷 第 ８期
２ ０ １ ３年 ８ 月
测 绘 与 空 间地 理 信 息
Ｇ ＥＯ ＭＡＴ Ｉ Ｃ Ｓ＆ Ｓ Ｐ ＡＴ Ｉ Ａ Ｌ ｌ ＮＦ ｏＲ ＭＡ Ｔ ｌ ｏＮ Ｔ Ｅ Ｃ ＨＮＯ Ｌ ＯＧ Ｙ
Ｖ０ １ ． ３ ６． Ｎｏ ． ８
Ａｕ ｇ ． ，２ ０ １ ３
从 高 分 辨 率遥 感 影像 中提 取 道 路 信 息 的 方 法 综 述 及 展 望
ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｉ ｍａ ｇ ｅ ｓ ｈ ａ ｓ ａ ｌ ｒ ｅ ａ ｄ ｙ ｂ ｅ ｃ ｏ ｍｅ ａ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｈ ｏ ｔ ｓ ｐ ｏ ｔ ａ ｎ ｄ ｄ ｉ ｆ ｆ ｉ ｃ ｕ ｌ ｔ ｙ ．Ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ，ｉ ｔ ｉ ｆ ｒ ｓ ｔ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｔ ｈ ｅ ｉ ｄ ｅ ａ ａ ｎ ｄ ｍｅ ｔ ｈ ｏ ｄ ｓ ｏ ｆ ｒ ｏ ａ ｄ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ．Ｔ ｈ ｅ ｎ ｉ ｔ ｅ ｎ ｕ ｍｅ ｒ ａ ｔ ｅ ｄ ａ ｎ ｄ ａ ｎ ｌｙ ａ ｚ ｅ ｄ ｓ ｅ ｖ ｅ ｒ ａ ｌ ｒ ｅ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ａ ｔ ｉ ｖ ｅ ｍｅ ｔ ｈ ｏ ｄ ｓ ｏ ｆ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ，ａ ｎ ｄ ｐ ｏ ｉ ｎ ｔ ｅ ｄ ｏ ｕ ｔ ｔ ｈ ｅ ｅ ｘ ｉ ｓ ｔ ｉ ｎ ｇ ｐ ｒ ｏ ｂ —
改进DeepLabV3+网络的遥感影像道路综合提取方法
2022年第6期 任月销，等：改进DeepLabV3 +网络的遥感影像道路综合提取方法55引文格式:任月娟，葛小三.改进DeepLabV3 +网络的遥感影像道路综合提取方法[J].测绘通报，2022(6) :55-61. DOI: 10. 13474/j. cnki. 11- 2246. 2022.0171.改进DeepLabV3+网络的遥感影像道路综合提取方法任月娟，葛小三(河南理工大学测绘与国土信息工程学院，河南焦作454003)夺商要:遥感图像复杂场景道路提取过程受树木和建筑物阴影，以及荒地、空地等因素干扰较多。
针对利用DeePLabV3+网络模型进 行道路提取时存在的道路信息不完整和细节信息丢失的问题，本文提出了一种改进D eepLabV3 +网络的遥感影像道路提取方法。
该方法以轻量级的M〇bileNelV2作为骨干网络进行特征提取，采用空间金字塔池化模块获得多尺度道路信息特征，从而减少道路 遥感图像细节的损失，并提高网络模型的道路提取精度。
在DeepGIobe数据集上进行道路提取试验的结果表明，该方法在提升准 确率的基础上,有效降低了计算的复杂度;像素准确率和交并比分别达79. 7%、64. 3%,均优于DeePLabV3+网络及其他经典网络模 型，表现出更优异的道路提取能力。
关键词：道路提取;改进D eepLabV3+; MobileNetV2;空间金字塔池化中图分类号：P237 文献标识码：A 文章编号:0494-0911(2022)06-0055-07An road synthesis extraction method of remote sensing image based onimproved DeepLabV3+ networkREN Yuejuan, GE Xiaosan(School of Surveying and Mapping and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454003, China)Abstract ：In the process of road extraction of complex scenes from remote sensing images, the shadows of trees and buildings as well as wasteland and open space are often interfered by many factors. In view of the problems of incomplete road information and loss of detail information in road extraction from DeepLabV3+ network model, this paper proposes a road extraction method of remote sensing image based on DeepLabV3 + network, which utilizes lightweight MobileNetV2 as the backbone network for feature extraction. The spatial pyramid pooling module is used to obtain multi-scale road information features to reduce the loss of details of road remote sensing images and improve the accuracy of road extraction. Experimental results of road extraction on the DeepGIobe dataset show that the proposed method can effectively reduce the computational complexity while ensuring that the accuracy is improved. In terms of pixel accuracy and intersection ratio, it reaches 79. l°/c and 64. 3%, respectively, which are superior to DeepLabV3+ network and other classical network models, showing better road extraction ability.Key words：road extraction；improved DeepLabV3+；MobileNetV2；space pyramid pool遥感影像的道路提取在应急指挥、土地利用调 查、智能交通、城市规划等领域具有广泛应用[“3]。
快速提取城市道路中心线
２ ０ １ ５ 年 １月
测绘 与 空 间地 理 信 息
ＧＥＯＭ ＡＴ Ｉ ＣＳ ＆ Ｓ ＰＡＴＩ ＡＬ ｌ ＮＦｏＲＭＡＴｌ ｏＮ Ｔ ＥＣＨＮＯＬ ＯＧＹ
Ｖｏ １ ． ３ ８， Ｎｏ ． １
Ｊ ａ ｎ ．， ２ ０ １ ５
快 速 提 取 城 市 道 路 中心 线
Ｔｈ ｅ Ｃｅ ｎｔ ｅ ｒ ｌ ｉ ｎ ｅ Ｒａ ｐ ｉ ｄ Ｅｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ Ｕｒ ｂ ａ ｎ Ｒｏ ａ ｄ
Ｊ Ｉ ＡＮＧ Ｚ ｈ ｏ ｎ ｇ—ｌ ｉ ａ ｎ ｇ，ＹＡＮＧ Ｍｉ ｎ—ｈ ｕ ａ ，ＹＡＮＧ Ｄｅ—ｄ ｉ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｇｅ ｏ ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ ａ ｎ ｄ ｌ ｎ ｆ ｏ—Ｐ ｈ ｙ ｓ ｉ ｃ ｓ ，Ｃ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｃ ｈ ａ ｎ ｇ ｓ ｈ ａ ４ １ ０ ０ ８ ３ ， Ｃ ｈ ｉ ｎ ａ ）
块， 根据 道路 条 块 间 的上 下 左 右 关 系 判 断条 块 间是 否 连 通； 根据 道路 条块 间 长度 比值 以及 与 左右 两 边 起 始 点 连 线 组成 的两段 有 向线段 对应 的夹 角∽ 与 阈值 ｎ ， 的大
小 关系 判断是 否处 于 路 口。如若 连通 并 且 不处 于路 口则 合 并这 两个 道 路条 块 ， 扫描 完整 幅 图像 后 ， 所有 的道路 条
，
ｈ ａ ｓ ｐ ｒ ａ ｃ ｔ ｉ ｃ ｌ ａ ｖ ａ ｌ ｕｅ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ： ｏａ ｒ ｄ ｃ ｅ ｎ ｔ ｅ ｒ ｌ ｉ ｎ ｅ ；ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ｓ ；ｓ ｃ ａ ｎ ｌ ｉ ｎ ｅ
如何利用遥感技术进行地理空间数据提取和分析
如何利用遥感技术进行地理空间数据提取和分析遥感技术在地理空间数据提取和分析方面扮演着重要角色。
它以其高分辨率、高精度和高效性受到广泛关注和应用。
本文将探讨遥感技术在地理空间数据提取和分析中的应用，并介绍其原理、方法和应用案例。
一、遥感技术概述遥感技术是通过从卫星、飞机或无人机等平台获取地球表面信息的技术。
它可以获取到的数据包括影像数据、激光雷达数据等。
这些数据可以用于提取地理空间特征，如土地利用、地形信息等。
二、地理空间数据提取1. 土地利用/覆盖分类遥感影像可以通过图像分类算法将地表特征进行分类，如水域、建筑物、植被等。
这可以帮助我们了解不同区域的土地利用情况，为城市规划、环境保护等提供参考依据。
2. 地形图构建遥感数据可以帮助生成高程模型，辅助绘制地形图。
这对于地理学研究、灾害防治等都具有重要意义。
3. 水体提取遥感数据可以通过色彩和纹理信息提取水体特征；激光雷达数据可以通过反射特征测量水体深度。
这对于水资源管理、水质监测等至关重要。
三、地理空间数据分析1. 地表变化检测遥感技术可以通过多时相影像比对来检测地表变化情况，如城市扩张、农田变化等。
这有助于环境监测和可持续发展研究。
2. 地理空间关系分析遥感数据可以用于空间分析，检测地理实体之间的关系，如道路与河流之间的邻近性。
这在城市规划、环境保护等方面有着广泛应用。
3. 自然灾害预测与评估遥感数据可以用于监测自然灾害，如洪水、地震等。
通过数据处理和分析，可以实现对自然灾害的预测和评估，为应急响应提供及时支持。
四、遥感技术的原理与方法1. 遥感影像处理遥感影像处理涉及影像纠正、辐射校正、几何纠正等步骤。
这些步骤可以使影像数据更准确，为后续分析提供基础。
2. 图像分类与分割图像分类与分割是遥感数据处理的核心步骤。
常用的方法包括基于像素的分类方法和基于对象的分割方法，如支持向量机、卷积神经网络等。
3. 空间数据分析方法空间数据分析方法包括地理加权回归、空间插值、空间聚类等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
http://www.paper.edu.cn 遥感影像中城市道路的提取 施海亮 （河海大学土木工程学院 江苏 南京 210098） 摘 要：阐述了城市遥感影像中道路提取的特点，以及当今道路特征提取的一些研究成果。根据城市道路的特点，设计了根据植被指数先提取道路两旁的植被方法，通过面积阈值和形状指数阈值剔除图斑，以及应用数学形态学，对图像进行细化，可以提取道路目标。实验结果证明这一方法的正确性。 关键字：道路提取，归一化植被指数，数学形态学，细化
1.引言 在遥感影像处理中，特征提取和模式识别具有重要的地位。特征提取一般可分为三个部分：点特征的提取、线特征的提取和面状特征提取，其中线状特征的提取具有承上启下的作用。在一幅遥感图像中，道路是一种重要的线型地物，因此道路提取具有重要的意义。
]1[
如何提取道路特征现在已经有很多这方面的研究，但都有一定的不足。史文中等人对当今的研究进行了综述，认为根据道路提取的自动化程度，可以分为自动特征提取和半自动特征提取。其中具有代表性的方法有：基于像素与背景的算子模型的道路特征提取、基于树结构的特征判别模型的道路提取、基于最小二乘B样条曲线的道路提取、基于类与模糊集的道路网提取、基于平行线对的道路提取、基于二值化和知识的道路提取和基于窗口模型特征的道路提取。另外，
人工神经网络（ANN）、遗传算法（GA）、数学形态学（Mathematical Morphology）、次胜者受罚算法（RPCL）、动态规划等一些新方法也应用到了道路提取中，并取得了一定的效果。
]2[]3[]4[
]6][5[
本文通过分析城市遥感影像，发现道路两旁一般都有绿化地带，而在遥感影像中，植被的提取比道路提取要容易。可以通过先提取植被使道路信息和其它地物孤立起来，为后续处理提供较好的二值图像。 本文选用的实验图像为南京市鼓楼区某一局部地区的IKONOS影像（见图-1- http://www.paper.edu.cn （1）），并给出了各实验阶段的实验结果图像。
2.道路提取 道路具有一些光谱、几何和空间特征。道路的光谱特征与混泥土、柏油或沙土等材料的光谱特征有关，一般来说，公路像素要比相邻区域像素低，是低亮度区。道路一般都是平直的线，其局部曲率有一上限，另外，道路很少单独存在，总是相互连接成道路网。城市道路又有自己的一些特点。由于城市中建筑物较多，道路中会有很多建筑物的阴影。道路中会有很多斑马线、分道线和不同颜色的车辆等。这些因素很容易造成提取道路时道路结果发生断裂。道路两旁一般都有一些植被作为道路的绿化地带，这为道路提取带来很大的麻烦，很容易把部分植被错分成道路，和道路粘连在一起，通过一般的方法很难除掉这部分噪声。本文采用先提取植被的方法，使道路和旁边的植被很好的分开。
2.1 图像预处理 通过分析发现道路一般都在低亮度区域，可以设定一个阈值，首先把图像中与道路亮度差异很大的区域剔除掉。这为后处理排除了一部分干扰。对于本文实验图像，通过分析道路的亮度值均在500以下，故选取500作为阈值，处理后的图像见图（2），其中图像中黑色部分为剔除掉的区域。
图（1）原图 图（2）预处理后图像 2.2植被指数 遥感图像中上的植被信息，主要是通过绿色植物的叶子和植被冠层的光谱特-2- http://www.paper.edu.cn 性及其差异、变化而反映的。不同的光谱通道所获得的植被信息与植被的不同要素或某种特征状态有各种不同的相关性。对于复杂的植被遥感，仅用个别波段或多个单波段数据分析对比来提取植被信息是相当局限的。因而往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式），产生某些对植被长势、生物量等有一定指示意义的数值---“植被指数”。它用一种简单而有效的形式----仅用光谱信息，不需要其它辅助资料，也没任何假设条件，来实现对植被状态信息的表达。 在植被指数中，通常选用对绿色植物（叶绿素引起的）强吸收的可见光红波段（0.6~0.7mµ）和对绿色植物（叶内组织引起的）高反射和高透射的近红外波段（0.7~1.1mµ）。可以利用这两个波段的比值、差分、线性组合等多种组合来增强或揭示隐含的植被信息。 本文采用植被遥感中应用最广泛的归一化植被指数（NDVI）,NDVI被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值，即：
]8[
NDVI=(NIR-R)/(NIR+R) 其中NIR为近红外波段，R为红波段。认为NDVI>0的均为植被。对原图进行NDVI植被提取后与图（2）求并，，可以得到图（3）。图（4）为对原图直接进行二值化后的图。通过对比两幅二值图，发现直接对原图二值化，道路和植被有很多混在一起，并且部分地方道路发生了断裂现象，而且道路普遍比原图变细。
图（3）求并后的二值图 图（4）直接二值化后的图 -3- http://www.paper.edu.cn 2.3噪声去除 由于遥感影像存在同物异谱和异物同谱现象，因此在图（3）中存在很多的噪声。其中以居民地和道路混杂最为明显，在图像上表现为大小不等的图斑，有的孤立存在，有的和道路紧密相连。对于较小的图斑我们可以采用下面的方法加以去除：首先标出图中所有的区域，然后计算出各区域的面积S(像素个数)，小于一定阈值的区域就作为噪声加以去除。图像中大得并且和其它区域连通的图斑用上面的方法不能去除，这时候就要考虑公路的形状特征，对这些无关特征进行去除，具体的方法如下：计算出各区域的周长P（区 域外围像素个数），然后根据公式：
SPC×=π42
求出各区域的形状指数C。显然线状物体有较大的形状指数，因此可以通过设置适当的形状指数阈值来消除那些非线状的区域。对于各区域，只有同时满足面积阈值和形状系数阈值才保留（图（5）），这两个阈值基本上是相互独立的。
图（5）去斑后图像 2.4细化 图像进行去斑以后，仍有部分和道路紧密相连的图斑不能去除，并且道路有 些地方发生了断裂现象。我们可以通过数学形态学的相关操作来去除这部分图斑 和完成断裂处的连接。数学形态学是一种基于集合论的非线性理论,它的基本思 想是基于像素间的逻辑关系对数字图像进行分析处理。它能定量的描述和分析影 像的几何特征。通过选择合适的结构元素，对图（5）进行开运算和方向膨胀，
去除粘连的图斑和连接断裂处（图（6））。对图（6）进行细化运算并对细化后 ]9[
-4- http://www.paper.edu.cn 的结果进行剪枝操作。得到道路的细化结果（图（7））。
图（6）开运算和方向膨胀结果 图（7）细化结果 3.结论 本文通过植被指数，先提取道路两旁的植被，把道路和植被进行隔离，为道路的后处理工作带来了很大的帮助。在去图斑上不仅考虑了各区域的面积，同时考虑了形状指数，达到了很好的效果。通过实验，本文的方法在城市遥感影像的道路提取中具有较好的效果。 由于城市遥感影像中地物的复杂性，各种干扰因素较多。不光利用植被的特性，如何利用各种地物光谱特性为道路提取提供帮助，是今后将近一步研究的方向。
参考文献： [1]. 冈萨雷斯等，数字图像处理（MATLAB版）[M]。北京，电子工业出版社，2004 [2]. 史文中、朱长青、王翌. 从遥感影像提取道路特征的方法综述和 展望[J ]. 测绘学报, 2001 [3]. 肖志强、鲍光淑.基于GA图像中主干道路的提取[J].中国图象图形学报，2004 [4]. 安如、冯学智、王慧麟. 基于数学形态学的道路遥感影像特征提取及网络分析[J].中国图象图形学报，2003 [5]. Lei Xu, Adam Krzyzak, and Erkki Oja, Rival Penalized Competitive Learning for Clustering Analysis, RBF Net, and Curve Detection. IEEE transitions on neural networks, 1993
-5- http://www.paper.edu.cn [6]. Zhi-Yong Liu、Kai-Chun Chiu、Lei Xu. Strip line detection and thinning by RPCL-based local PCA[J].pattern recognition letters,2003 [7]. 梅安新等.遥感导论[M].北京，高等教育出版社，2001 [8]. 赵英时等. 遥感应用分析原理与方法[M].北京，科学出版社，2003 [9]. 张英琦、张庆林. 数学形态学应用于于二值图象的细化[J ]. 焦作工学院学报, 1997
Road extraction of urban area from remote sensing images Shi-hailiang (The college of civil engineering, hohai university ,nanjing,jiangsu,210098) Abstract In this paper, the feature of road extraction of urban area and the research on road extraction nowdays are discussed. According to the feature of urban road, a way is proposed about vegetation index (VI) to extraction the vegetation around the road. Through the threshold of area and shape index to delete the plate and the mathematical morphology ,the road can be extracted. Experiment result show that the method is effective. Keywords：road extraction, NDVI, mathematical morphology, thinning
通讯地址：江苏省南京市河海大学563信箱 施海亮（收） 邮编：210098
-6-