基于归一化切分与水平集方法的自动道路提取

本文档探讨了"基于Normalized Cuts和Level Set方法的自动道路提取"，发表在《计算机应用国际期刊》(International Journal of Computer Applications)上，卷18，第7期，2011年3月。道路特征提取作为图像识别领域的重要技术，在城市规划中的自动道路网络提取具有巨大的潜力，可以显著降低数据基础建设和更新的成本以及响应时间。卫星遥感技术在全球范围内被广泛认可，因其在监测和记录城市发展中扮演的关键角色。 文章提出了两种方法来自动化城市区域的道路网络提取。首先，Normalized Cuts算法被用于道路边缘检测。Normalized Cuts是一种图论中的分割算法，它能够有效地将图像划分为具有相似特征的区域，适用于寻找像道路这样的连续结构。这种方法通过计算像素间的相似度，并依据这些相似度进行划分，使得内部区域的连接度高于与其他区域，从而突出道路的边界。 其次，Level Set方法被结合进来进一步细化道路提取过程。Level Set方法是一种动态演化模型，用于跟踪物体表面的变化，常用于图像处理中的轮廓追踪。它能够精确地描绘出道路的形状和边界，即使在复杂的场景中也能保持较高的精度。 作者们分别来自Bangalore Institute of Technology、University College of Engineering Bangalore和JNTUCollege of Engineering-Kukatpally等机构，研究团队包括M.Rajeswari（电信工程）、K.S.Gurumurthy（电子与通信工程）、L.Pratap Reddy（电子与通信工程）和S.N.Omkar Senthilnath.J（航空航天工程），他们共同展示了如何利用这两种先进的计算机视觉技术来提高道路提取的准确性和效率。 这篇论文提供了一种有效的方法，通过结合Normalized Cuts的区域分割能力和Level Set的边界跟踪，实现了高分辨率卫星影像中的自动道路网络提取，对于城市规划、地理信息系统更新以及交通管理等领域具有实际应用价值。