多尺度遙感影像道路信息提取方法研究.pdf

1、道路作為一種最基本的地理信息數據，它獲取方式的自動化程度、提取效率、更新速度、定位的準確度在地理信息數據的更新方面有著非常重要的意義。本文從實際應用的角度出發(fā)，以多尺度遙感影像為研究對象，使用最小二乘模板匹配法、自適應區(qū)域生長法、支持向量機及其改進算法進行道路提取研究，對提取方法進行了可行性實驗，并通過定量指標評價算法的有效性。
　　本文針對遙感影像道路提取算法研究，主要工作有如下幾點:
　　(1)分析總結了遙感影像道路提取

2、的研究現狀，對比分析了不同方法的優(yōu)劣，學習和參考前人的研究成果，為本研究方法夯實了基礎。
　　(2)根據我國道路的分類體系，分析了不同分辨率遙感影像上不同類型道路的特征。
　　(3)為了提高遙感影像道路提取的效果和精度，削弱噪聲的干擾，結合研究基礎和文獻資料，使用Dudo道路算子進行遙感影像銳化，并進行中值濾波或者雙邊濾波，實現遙感影像的平滑等預處理。
　　(4)針對高分辨率遙感影像特點，由于道路信息的復雜性與過多的噪

3、聲，本文提出并實現了改進的基于最小二乘矩形模板匹配的道路追蹤方法。通過對比本文改進的矩形模板匹配、剖面模板匹配、角度紋理的道路追蹤提取方法在高分辨率遙感影像上進行定性定量對比實驗，矩形模板匹配法提取完整率最好，達到90.7％，分別高于剖面模板匹配法的81.5％和角度紋理法的85.3％;矩形模板匹配法的正確率優(yōu)于90％，提取質量優(yōu)于81.6％;矩形模板匹配法的自動化程度比剖面匹配法、角度紋理法高46.9％和37.6％;提取速度以矩形模板匹

4、配的45.8米/秒遠高于剖面匹配和角度紋理方法的22.9米/秒和30.8米/秒。通過實驗證明了矩形模板匹配道路提取方法與其他幾種方法相比，能夠更有效地從高分辨率遙感影像上提取道路。
　　(5)針對中等分辨率遙感影像道路信息相對簡單、噪聲點較少的特點，本文提出了基于支持向量機與區(qū)域生長耦合的道路信息提取方法，并通過定性和定量的實驗對比分析在中等分辨率遙感影像上道路提取支持向量機、區(qū)域生長法和耦合方法?；谥С窒蛄繖C與區(qū)域生長的耦合方

5、法漏分誤差為14.5％，錯分誤差為8.8％，總體分類精度達90.7％，均明顯優(yōu)于支持向量機的區(qū)域生長自適應;Kappa系數為0.91，優(yōu)于支持向量機的0.81和區(qū)域生長自適應方法0.72。結果表明，支持向量機與區(qū)域生長自適應耦合方法進行道路提取，可以較大幅度提高道路提取的精度。
　　(6)為了更有加有效地評價道路信息提取的有效性，根據他人研究成果并結合本研究的實際情況，提出用完整率、正確率、提取質量、自動化程度、繪圖時間等指標來評