高分辨率遥感影像道路线性要素识别

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (18): 142-147.

• 图形、图像、模式识别 • 上一篇下一篇

高分辨率遥感影像道路线性要素识别

袁丛洲1，2，张金芳1，彭进1，2

1.中国科学院软件研究所综合信息系统技术国家级重点实验室，北京 100190
2.中国科学院研究生院，北京 100190

出版日期:2012-06-21 发布日期:2012-06-20

Recognition of lineaments on road from high resolution remote sensing image

YUAN Congzhou1，2, ZHANG Jinfang1, PENG Jin1，2

1.National Key Lab of Integrated Information System Technology, Institute of Software, Chinese Academy of Sciences, Beijing 100190, China
2.Graduate University, Chinese Academy of Sciences, Beijing 100190, China

Online:2012-06-21 Published:2012-06-20

摘要/Abstract

摘要： 为有效从高分辨率遥感影像中自动提取道路，提出利用线性要素间的拓扑关系识别道路线性要素的方法。提取影像中的线性要素并获取其邻域的光谱属性形成有向直线段；利用提出的道路线性要素识别模型，将满足条件的有向直线段聚类生成道路要素集；利用先验知识进一步验证。该方法主要使用道路线性要素的结构信息，适用于大范围、场景复杂的遥感影像，具有较高鲁棒性，目前该方法已应用于基于高分辨率遥感影像的GPS导航道路数据的生产和更新。

关键词: 高分辨率遥感影像, 线性特征, 道路提取, 道路识别, 拓扑

Abstract: In order to extract roads automatically from high resolution remote sensing images with effect, a method based on the topology of lineaments to recognize lineaments on road is proposed. Line segments as well as gray values on their left and right sides are extracted from remote sensing images; line segments on roads are clustered as road lineaments using the recognition model proposed in this paper; verifications are done using prior knowledge. The method mainly uses struct information of lineaments, and it is robust to be applied to road extraction from remote sensing images with large scales and complex scenes. The method has been applied to the production and update of road data for GPS navigation from high resolution remote sensing images.

Key words: high resolution remote sensing, linear feature, road extraction, road recognition, topology

袁丛洲1，2，张金芳1，彭进1，2. 高分辨率遥感影像道路线性要素识别[J]. 计算机工程与应用, 2012, 48(18): 142-147.

YUAN Congzhou1，2, ZHANG Jinfang1, PENG Jin1，2. Recognition of lineaments on road from high resolution remote sensing image[J]. Computer Engineering and Applications, 2012, 48(18): 142-147.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	李代栋，赫晓慧，李盼乐，田智慧，周广胜. 基于SPUD-ResNet的遥感影像道路提取网络[J]. 计算机工程与应用, 2021, 57(23): 240-247.
[3]	鄢鹏高，贾涛. 面向矢量路网的自适应紧凑二维图像表达方法[J]. 计算机工程与应用, 2021, 57(14): 194-200.
[4]	宋廷强，刘童心，宗达，蒋晓旭，黄腾杰，范海生. 改进U-Net网络的遥感影像道路提取方法研究[J]. 计算机工程与应用, 2021, 57(14): 209-216.
[5]	胡璨，崔晓晖. 社交网络用户发布模式和兴趣预测研究[J]. 计算机工程与应用, 2020, 56(9): 99-105.
[6]	赵童，黄钲，王秀超，李淼，张昀，郑秀娟，刘凯. 心理测试中掩饰行为的识别研究[J]. 计算机工程与应用, 2020, 56(20): 158-164.
[7]	谢升旭，魏伟，邢长友，张国敏. 面向SDN拓扑发现的LDoS攻击防御技术研究[J]. 计算机工程与应用, 2020, 56(10): 88-93.
[8]	吴亮然，林剑，刘毅志，刘敏. 基于车辆配送线路的区域协同配送方法[J]. 计算机工程与应用, 2020, 56(1): 244-250.
[9]	温宇轩，王加阳. 商空间中半序结构的拓扑合成方法[J]. 计算机工程与应用, 2019, 55(6): 120-125.
[10]	王珺，王梦林，王悦，刘俊杰. SDN数据中心网络基于流分类的负载均衡方案[J]. 计算机工程与应用, 2019, 55(24): 75-83.
[11]	胡晓辉，巩俊辉，徐宁，杜永文. 跨层优化的WSN能耗均衡拓扑博弈算法[J]. 计算机工程与应用, 2019, 55(14): 69-75.
[12]	单文波1，陈博伶2，钟秋浩1，王建新1. 基于终端数据的电信承载网异常节点定位方法[J]. 计算机工程与应用, 2019, 55(11): 85-92.
[13]	候梦男，王志晓，何婧，芮晓彬，高菊远. 融合拓扑势的社交网络层次化社区发现算法[J]. 计算机工程与应用, 2019, 55(1): 56-63.
[14]	任成林，姜丽雁，单晓欢，宋宝燕. 层次序列索引的大规模动态标签图子图查询[J]. 计算机工程与应用, 2019, 55(1): 70-75.
[15]	程红霞1，谭新莲2. 多次重传的链状无线传感网络可靠性分析[J]. 计算机工程与应用, 2018, 54(5): 79-84.

高分辨率遥感影像道路线性要素识别

Recognition of lineaments on road from high resolution remote sensing image

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics