论文部分内容阅读
道路作为现代交通系统中重要的组成部分,在车载导航、城市规划、电商物流以及抢险救灾中都发挥着重要作用,如何快速实现道路信息的更新是一个迫切需要解决的问题。随着遥感技术的发展,从卫星图像中自动提取道路是摄影测量和遥感领域的重要研究方向。SAR作为一种主动式工作的传感器,能克服光学传感器易受天气和黑夜影响的缺点,从SAR图像中提取道路是光学影像的合适补充或替代。本文通过对高分辨率SAR图像道路自动提取的研究现状进行分析,指出存在图像相干斑噪声滤除效果不佳、线特征检测算子普适性不高、线基元提取存在漏检和虚警过高等问题。因此,本文从图像的降噪、边缘线特征检测、线基元提取和最优道路解四个方面进行深入研究。(1)针对SAR图像相干斑噪声影响道路边缘线特征提取的问题,本文通过实验对空域的Lee、Frost滤波和频域的两阶段POTDF滤波算法进行了对比分析,结果表明在高分辨率SAR图像预处理阶段,采用频域的两阶段POTDF滤波可以在降低了斑点噪声的同时最大限度的保留道路的边缘信息。(2)线特征的提取是道路自动提取至关重要的一步,它直接决定道路自动提取结果的精度。通过理论分析和实验对比的方式比较了 RLD-CCLD、I-ROEWA、W-RLD三种道路线特征检测算子的精度,结果表明I-ROEWA边缘检测算子具有更好的普适性。(3)针对传统Hough变换和Radon变换提取道路线基元存在定位不准、缺漏严重,本文利用谱分析和中值滤波技术改进了局部Radon变换方法,实验表明该方法提高了线基元检测精度。(4)针对传统MRF道路模型中存在势函数定义不合理,无法有效解决道路误检过多的问题,本文优化了 MRF模型的势函数定义,实验表明优化的MRF模型能有效剔除大量的误检测道路,降低了虚警率。本文通过选择农村、郊区和城区三种不同地理环境的区域进行实验,结果验证了本文改进的道路自动提取方法具有较好的适应性和稳定性。