结合非监督分类和几何—纹理—光谱特征的高分影像道路提取
目的 目前针对复杂场景高分辨率遥感影像道路提取多采用监督分类方法,但需要人工选择样本,自动化程度低且具有不稳定性.基于像元级的方法,提取完整度低且易产生椒盐噪声;面向对象的方法易产生粘连问题.为了提高道路提取的完整度、准确度和自动化程度,提出一种基于非监督分类和几何—纹理—光谱特征的道路提取方法.方法 首先考虑光谱特征利用非监督分类进行初步分割,结合基于纹理特征分类的结果得到初始道路区域.然后根据道路特征建立一套完整的非道路区域滤除体系:边缘滤波断开道路和非道路的连接、纹理滤波滤除大面积非道路区域、形状滤波去除剩余小面积非道路区域.最后利用张量投票算法得到连贯、平滑的道路中心线.结果 选择复杂场景下的高分辨率IKONOS影像和QuickBird影像进行实验,与国内外基于像素和面向对象的两种有代表性的道路提取方法进行对比,采用完整率、正确率、检测质量3个评价指标进行定量评价.实验结果表明该方法相比于其他算法在完整率、正确率和检测质量上平均提高26.61%、5.57%和26.77%.定性分析结果表明,本文方法可以有效改善椒盐噪声和粘连现象.此外本文方法的自动化程度更高.结论 提出了一种基于非监督分类和几何—纹理—光谱特征的高分辨遥感影像道路提取方法,非监督相对于监督分类的方法有更高的自动化程度,复杂场景下的道路提取融合几何—纹理—光谱特征有效避免了基于像元级道路提取易产生的椒盐噪声现象和面向对象道路提取易产生的粘连现象.该方法适用于高分辨率遥感影像城市道路提取,能够得到较高的完整度、准确度以及自动化程度.非监督分类和多特征结合的道路提取方法有广阔的应用前景.
非监督分类、纹理特征分类、边缘滤波、形状滤波、道路提取
22
TP753(遥感技术)
国家自然科学基金项目61771470;中国科学院青年创新促进会人才项目2014054National Natural Science Foundation of China61771470
2018-01-09(万方平台首次上网日期,不代表论文的发表时间)
共10页
1788-1797