高分辨率遥感影像中的道路提取方法研究

"这篇论文研究了天基信息系统中任务流度量方法及其在高分辨率遥感影像道路提取中的应用。作者提出了一种新的道路提取策略，该策略结合了多种现有算法，旨在从复杂的高分辨率遥感影像中准确提取城市道路。" 在论文中，作者首先介绍了道路提取方法的历史，早期的研究主要集中在低、中分辨率影像上，采用的方法包括Hough变换、相位编组、动态规划和蛇模型等。随着高分辨率卫星技术的发展，高分辨率遥感影像成为道路提取的新焦点。不同的研究者提出了各种方法，例如基于边缘平行线的提取、SAR图像中的道路提取、以及利用遗传算法和蛇模型的结合。 论文重点介绍了新提出的道路提取策略。这个策略首先运用角度纹理特性法对原始影像进行分割，以识别初步的道路特征。接下来，通过直线匹配原理去除非道路地物，得到更清晰的道路条带。随后，使用形态学操作获取道路中心线，并将中心线分解为多段直线。为了恢复完整的道路网络，作者引入了结合上下文知识的马尔可夫模型，用来组织和连接道路段。这种方法在实验中表现出良好的性能，能够在高分辨IKONOS遥感影像中有效地提取复杂的城市道路。 对比其他研究，如Shi Wenzhong等人使用直线匹配法和数学形态学取得中心线，朱长青等人提出新的形态学方案进行分割，以及Grote等人依据边缘和颜色信息进行区域合并，本文的方法在处理高分辨率影像时，更加注重道路的形状特性和上下文关系，通过马尔可夫模型实现了更精确的道路连接。 此外，文献中还引用了其他研究，如Tupin等人利用马尔可夫随机场模型连接道路段，以及Haverkamp利用角度纹理特性进行道路提取。这些工作都展示了在道路提取过程中，利用形状特点和概率模型的重要性。 这篇论文研究的是一种融合了多种算法和理论的新型道路提取方法，特别适用于处理高分辨率遥感影像，对于提高天基信息系统的任务执行效率和精度具有重要意义。