道路提取

道路信息自动化和半自动提取研究综述

姓名：******

学号：******

专业：地图学与地理信息系统

学院：*******

道路信息自动化和半自动提取研究综述

摘要:道路信息作为一种重要的基础地理信息，可以作为提取其他地物目标的线索和参考系，具有很强的现实意义。从遥感影像自动提取人工地物,特别是线状地物(主要是道路),不仅是摄影测量与遥感领域的难题,也是计算机视觉与图像理解研究的重点之一。本文首先阐述了道路提取的基本思想以及与道路提取有关的背景知识，然后介绍了国内外比较成熟的理论与技术，最后总结并展望了道路提取的发展趋势。

关键词：道路提取，自动化道路提取，半自动道路提取

Abstract：Road information as a kind of important basic geographic information, and other features can be extracted the clues and reference of the target has a strong practical significance. Automatic extraction of artificial from remote sensing image features, especially linear feature (mainly road), not only is a difficult problem in the field of photogrammetry and remote sensing, is also the emphasis of research in computer vision and image understanding. Firstly, this paper expounds the basic ideas and road extraction road extraction related background knowledge, and then more mature theory and technology at home and abroad is introduced, finally summarized and prospected the development trend of road extraction.

Key words: road feature extraction; automatic road extraction; semi-automatic road extraction

随着实时、全天候、大面积获得地面高分辨率、高精度、多时相、多光谱的数字影像成为可能。而又作为获得地面几何与物理信息的主要信息源,遥感影像解译或者说信息的自动提取是摄影测量与遥感以及计算机视觉等领域的热门课题,有着十分重要的理论和意义。道路不仅是一种重要的基础地理信息，而且可以作为提取其他地物目标的线索和参考系。影像上的道路虽然比其他地物更突出，但实现起来却很困难[1]。这主要是因为目前计算机人工智能还远未达到完全自动地从数字影像中理解与提取地物信息的水平[2]。但是在道路提取方面，国内外还是涌现出了许多重要理论与技术。这里主要是对道路信息提取做了一个总体概述，并展望了其发展趋势。

1 道路特征及提取思想

1.1道路的基本特征

影像特征是由于景物的物理与几何特性使影像中局部区域的灰度产生明显变化而形成的[3]。在高分辨率遥感图像上,图像分辨率的提高使得图像细节特征越来越丰富。欲得到理想的道路提取效果,必须充分了解道路在遥感影像上的基本特征。有关道路的影像特征描述很多,Vosselman和Kneeht等将道路描述为几何(Geometries)特性、辐射度(photometries)特性、拓扑(Topologies)特性、功能(Functional)特性和关联(Contextual)特性,其中几何特性、辐射度特性和拓扑特性属于中低级知识,功能特性和关联特性属于高

级知识,具体描述如下:[6]

1)几何特征

道路呈长条状(一定的长度,大的长宽比);宽度较窄且变化比较小;方向变换比较慢;曲率有一定的限制;连接处形成“T”字型或“十”型等几何模式:

2)辐射度(光度)特性:

道路内部灰度比较均匀;与其相邻区域灰度反差较大:一般有两条明显的边缘线(边缘梯度较大);

3)拓扑特征

道路存在相交和交叉;有“T”型、“Y”型、“十”型或“X”型等:连成网络;很少突然中断;

4）功能特性:作为交通网络的一部分,道路起着运输通道的作用;一般都有指向,与村庄、城镇等居民地或人工设施相连接;

5）关联(上下文)特性:周边区域内存在与道路相关的影像特征。如:高架道路产生的阴影,可能遮断道路表面的树木,路边的行树,邻近的道路、道路目的地等。

1.2 提取思想

对道路进行特征分析后，就可以综合利用各种所得信息进行下一步的工作，进入提取过程。影像特征的提取，即从影像中提取有用的信息和视觉特征。与其他特征提取一样，道路特征提取同样遵循 Marr 视觉理论，应该在低、中、高三个层次上进行。一般方法主要分以下阶段，如图 1 所示。在低层次处理中，利用各种不同提取要素的方法提取各种要素，如特征点、边缘、纹理等，在这个层次没有用到与道路有关的知识，所提取的点、线、面都没有结构化；中层次处理是对低层次处理的结果进行分析、选择、重组和综合，在这个层次利用了一些有关道路的几何假设；在高层次处理中，利用要素的结构和关系、道路模型和与道路有关的规则与知识理解和识别道路。

图1道路提取流程

1.3道路提取中知识的表达与应用

知识是人工智能(Artificial Intelligence)的核心问题之一。遥感影像理解作为影像智能处理,不可避免要涉及到知识的表达与运用。由于道路自动提取的复杂性,它对知识的表达与运用又有其自身的特殊性。知识表示是为描述世界所作的一组约定,是知识的符号化过程。它将关于世界的事实、关系、过程等编码成为一种合适的数据结构。知识表