遥感影像道路提取：植被指数与数学形态学结合方法

本文主要探讨了遥感影像中城市道路的提取方法，涉及噪声去除、细化等步骤，结合数学形态学技术实现高效的道路提取。 在遥感影像处理中，道路提取是一项关键任务，有助于地理信息的准确分析。针对遥感影像中存在的同物异谱和异物同谱现象导致的噪声问题，文章提出了一个去斑策略。首先，通过标记并计算所有区域的面积S，可以去除小于特定阈值的小图斑，以此消除居民地和道路混杂的噪声。对于较大且与其他区域连通的图斑，通过计算周长P和形状指数C，利用形状指数阈值来过滤非线状区域，保留符合条件的区域。 接着，为了进一步精细化处理，文章引入了数学形态学的方法。通过对去斑后的图像进行开运算和方向膨胀，可以去除仍与道路粘连的图斑，并修复断裂处。细化运算则用于优化图像细节，使得道路特征更加清晰。 在实际应用中，文章提出利用植被指数先提取道路两侧的植被，以隔离道路信息，提供更好的二值图像基础。实验使用的是南京市鼓楼区的IKONOS遥感影像，结果显示这种方法有效。作者还回顾了现有的道路提取研究，包括自动和半自动特征提取的各种方法，如像素与背景的算子模型、树结构的特征判别模型等，以及神经网络、遗传算法等新兴技术的应用。 该文提供了一种结合植被提取和数学形态学的遥感影像道路提取方法，适用于城市环境，有助于提高道路检测的精度和效率。这种方法的实用性已在实验中得到验证，为遥感影像分析提供了有价值的参考。