數(shù)字?jǐn)z影測(cè)量技術(shù)在城市道路網(wǎng)提取及更新中的應(yīng)用

課程設(shè)計(jì)論文題目數(shù)字?jǐn)z影測(cè)量在城市道路網(wǎng)的提取及更新中的應(yīng)用英文題目Detectionandextractionofroadnet-workformdigitalphotogrammetricimages學(xué)生姓名：學(xué)號(hào)：鄰域：學(xué)院：指導(dǎo)教師：職稱：二0一四年十二月數(shù)字?jǐn)z影測(cè)量技術(shù)在城市道路網(wǎng)提取及更新中的應(yīng)用摘要：本文對(duì)目前主要的幾種有關(guān)道路網(wǎng)提取的方法進(jìn)行了梳理，并簡要介紹了每一種方法的基本思想，特點(diǎn)和優(yōu)缺點(diǎn)。最后闡述了今后在利用遙感影像圖提取城市道路網(wǎng)的發(fā)展前景。關(guān)鍵詞：道路網(wǎng)數(shù)字?jǐn)z影測(cè)量遙感影像提取攝影測(cè)量與遙感技術(shù)發(fā)展攝影測(cè)量很簡單地說就是，攝影和測(cè)量，也就是說利用攝影技術(shù)攝取物體的影像，從而識(shí)別此物體并測(cè)求其形狀和位置。至今，攝影測(cè)量己經(jīng)經(jīng)歷了從模擬到解析再到數(shù)字的三個(gè)發(fā)展階段。數(shù)字?jǐn)z影測(cè)量將數(shù)字化的影像或數(shù)字影像作為處理對(duì)象，以計(jì)算機(jī)對(duì)框標(biāo)和同名點(diǎn)的識(shí)別來代替人眼的觀測(cè)從而自動(dòng)獲取地面的三維信息。相比于模擬和解析攝影測(cè)量，它不論從獲取信息的手段、能力、效率還是靈活性都是一個(gè)革命性的飛躍。自上世紀(jì)九十年代以來，商業(yè)數(shù)字?jǐn)z影測(cè)量工作站的進(jìn)入市場(chǎng)進(jìn)行生產(chǎn)，數(shù)字地面模型（DTM）的自動(dòng)匹配和生成的技術(shù)日益成熟。盡管在特征提取方面取得了很大進(jìn)展，然而自動(dòng)化程度還是不夠高。大部分工作仍需人工來完成，而且這部分工作量占到80%以上（如城市地區(qū)的測(cè)圖）。因此，高度自動(dòng)化是攝影測(cè)量發(fā)展的一個(gè)方向。在遙感方面，航空航天技術(shù)發(fā)展迅速，以及高分辨率的傳感器的應(yīng)用，大大促進(jìn)了遙感技術(shù)的發(fā)展。目前，各種大、中、小衛(wèi)星系統(tǒng)提供的空間遙感圖像大量增加，它們的空間分辨率、光譜分辨率和時(shí)間分辨率都不斷提高，與航空攝影測(cè)量與地面攝影測(cè)量的地圖生產(chǎn)的傳統(tǒng)手段一起，為從影像獲取建設(shè)數(shù)字地球空間數(shù)據(jù)框架的基礎(chǔ)信息準(zhǔn)備了豐富的數(shù)據(jù)源。近幾年來，高分辨率的遙感圖像逐漸應(yīng)用到商業(yè)領(lǐng)域中。幾乎涉及國土普查、地質(zhì)調(diào)查、水利建設(shè)、石油勘探、地圖測(cè)繪、環(huán)境檢測(cè)、地震預(yù)報(bào)、鐵路及公路選址、考古研究等各個(gè)領(lǐng)域。由于遙感影像能夠迅速獲取數(shù)據(jù)(只須幾天),縮短成圖和更新周期,使得人們實(shí)時(shí)地采集數(shù)據(jù)、處理信息、更新數(shù)據(jù)以及分析數(shù)據(jù)成為可能,高分辨率的遙感圖像成為測(cè)繪界越來越重要的數(shù)據(jù)源。因此，在面對(duì)如此龐大的數(shù)據(jù)，如何高效益的應(yīng)用成為了遙感技術(shù)發(fā)展的一個(gè)方向。二、道路網(wǎng)提取現(xiàn)狀道路網(wǎng)提取是一個(gè)非常復(fù)雜的問題。目前，還沒有一套完全成熟的解決方法。在進(jìn)行道路網(wǎng)提取時(shí)，首先要思考如何能提高道路網(wǎng)提取的準(zhǔn)確率，因此按照道路網(wǎng)提取的自動(dòng)化程度進(jìn)行方法分類時(shí)易于分類，但不能揭示道路網(wǎng)提取的特點(diǎn)，不利于啟發(fā)道路網(wǎng)提取的新思路。為了能夠更好地揭示道路網(wǎng)提取的本質(zhì)?？梢缘缆肪W(wǎng)提取分為兩類：第一類，基于邊緣特征的道路網(wǎng)提??；第二類，面向?qū)ο蟮牡缆肪W(wǎng)提取。2.1基于邊緣特征的道路網(wǎng)提取2.1.1輻度法高分辨率遙感影像包含了豐富的地物光譜信息，每一種地物都有其固有光譜特征也就是輻度特征，道路根據(jù)其建筑材質(zhì)，我們可以確定其輻度特征，也就是說在影像上，道路的灰度值與其他地物的灰度值不同，根據(jù)這個(gè)來提取道路，稱為輻度法。這種方法出現(xiàn)異物同譜的可能性比較大，提取精度不是很高。2.1.2模型法很簡單的定義就是，針對(duì)道路網(wǎng)建立一個(gè)模型，模型包括道路段定義，道路幾何特征和灰度特征，還包括道路段之間的拓?fù)潢P(guān)系要素，根據(jù)這個(gè)模型來提取道路網(wǎng)。目前應(yīng)用較多的是Snakes模型。該模型假設(shè)對(duì)于擬合目標(biāo)有一個(gè)待選曲線集，并定義一個(gè)能量函數(shù)與待選集中每一條曲線相關(guān)聯(lián)，影響到的各種特征（包括影像強(qiáng)度和梯度）及連續(xù)性與平滑性都約束在這個(gè)能量函數(shù)里，通過自動(dòng)自適應(yīng)計(jì)算能量函數(shù)的最小值，以達(dá)到提取道路的目的。這種方法需要人機(jī)交互設(shè)定的閾值需要根據(jù)待提取道路的長短及初始輪廓離道路的遠(yuǎn)近來適當(dāng)調(diào)整，閾值太小會(huì)使初始輪廓無法收斂到路邊緣，太大則使初始輪廓無法收斂到道路邊緣。2.1.3平行線法道路的邊緣我們認(rèn)為是一組平行線，因此可以根據(jù)這個(gè)約束條件來提取道路。首先識(shí)別圖像中突出的路段，再利用道路網(wǎng)的連接性約束，識(shí)別其他符合所定義的道路模型的不突出的路段，形成整個(gè)圖像的道路網(wǎng)。2.1.4邊緣擬合法首先用灰度形態(tài)學(xué)方法對(duì)影像進(jìn)行簡化，然后分成兩個(gè)并行過程：第一個(gè)過程是影像分割、鏈編碼、感知編組提取直線；第二個(gè)過程則是利用小波變換首先降低影像的分辨率，提取出面狀道路，繼而得到道路的輪廓；最后，根據(jù)提取的道路輪廓從已提取的直線中搜索道路的邊緣。2.2面向?qū)ο蟮牡缆肪W(wǎng)提取所謂面向?qū)ο缶褪前训缆樊?dāng)成一個(gè)整體，從面向?qū)ο蟮慕嵌瘸霭l(fā)，提取道路面，然后在進(jìn)行細(xì)化操作，提取道路中心線。2.2.1基于二值化圖像的方法此類方法通過設(shè)定閾值進(jìn)行圖像二值化，并配合使用濾波器直接獲得初始面狀道路的信息，再使用形態(tài)學(xué)工具對(duì)面狀道路進(jìn)行細(xì)化，提取中心線。主要有安如等提出一種基于二值化影像提取道路網(wǎng)的方法，首先將道路影像二值化，并使用數(shù)學(xué)形態(tài)學(xué)工具去除噪音、斷線連接、細(xì)化，得到初始的道路網(wǎng)絡(luò)；然后對(duì)初始道路網(wǎng)絡(luò)進(jìn)行分析、連接、選??；最后用Douglas-Peuker算法對(duì)道路進(jìn)行平滑處理，得到最終提取的道路網(wǎng)絡(luò)。2.2.2基于形態(tài)學(xué)的方法高分辨率遙感影像上，道路的面狀特征較為明顯，綜合考慮道路的幾何、輻射特征，可以用圖像分割的方法提取道路這一特殊地物。具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的，在道路網(wǎng)提取時(shí)，經(jīng)常使用數(shù)學(xué)形態(tài)學(xué)工具來細(xì)化、連接、修改初始提取的道路網(wǎng)。2.2.3基于支持向量機(jī)的方法目前，支持向量機(jī)(SupportVectorMachine,SVM)成為了一種比較流行的機(jī)器學(xué)習(xí)方法，在學(xué)習(xí)、分類效率、可表達(dá)性等方面比神經(jīng)網(wǎng)絡(luò)更具有優(yōu)勢(shì)。SVM具有學(xué)習(xí)速度快，泛化能力好的特點(diǎn)。汪閩等提出一種高分辨率遙感影響上自動(dòng)提取道路的方法。該方法利用高斯馬爾可夫隨機(jī)場(chǎng)紋理模型提取遙感影像的基本特征，并利用支持向量機(jī)非線性映射模型進(jìn)行圖像分類得到道路塊，接著對(duì)道路塊細(xì)化得到道路軸線，并登記寬度信息，最后通過啟發(fā)式規(guī)則進(jìn)行軸線連接得到道路網(wǎng)。2.2.4基于規(guī)則或知識(shí)的方法基于規(guī)則或知識(shí)從高分辨率遙感影像中提取道路網(wǎng)利用了道路的多種特征，如形狀、灰度、上下文特征等。Grote提出一種基于知識(shí)判別的面狀道路提取算法，首先將影像分塊得到一系列子圖像，在子圖像中依據(jù)道路的幾何特征（長條狀、寬度變化緩慢、灰度較均勻）以及上下文特征（車輛、行道樹等）提取道路，最后連接子圖像中的道路形成道路網(wǎng)。三、未來工作的展望近幾年來，高分辨率的遙感圖像逐漸應(yīng)用到商業(yè)領(lǐng)域中。涉及到了國土普查、地質(zhì)調(diào)查、水利建設(shè)、石油勘探、地圖測(cè)繪、環(huán)境檢測(cè)、地震預(yù)報(bào)、鐵路及公路選址、考古研究等各個(gè)領(lǐng)域。由于遙感影像能夠迅速獲取數(shù)據(jù)(只須幾天),縮短成圖和更新周期,使得人們實(shí)時(shí)地采集數(shù)據(jù)、處理信息、更新數(shù)據(jù)以及分析數(shù)據(jù)成為可能,高分辨率的遙感圖像成為測(cè)繪界越來越重要的數(shù)據(jù)源。立足現(xiàn)在，展望未來，下面就道路網(wǎng)提取發(fā)表幾點(diǎn)自身看法：(1)針對(duì)于高分辨率的遙感影像，圖像預(yù)處理應(yīng)該深入研究。在圖像增強(qiáng)時(shí)，如何有效的將地物類間方差增大，提高地物識(shí)別效率，減少“過提取”的問題，，是一個(gè)需要解決的問題。(2)在道路提取算法中如何有效的綜合道路的紋理信息、幾何特征、光譜特征和結(jié)構(gòu)特征等，提高道路識(shí)別的概率，解決道路“欠提取”的問題。(3)提高道路提取的自動(dòng)化。很明顯目前道路提取的自動(dòng)化程度不高，如何在保證提取精度的情況下，提高道路提取算法的自動(dòng)化程度，是一個(gè)值得研究的方向。(4)進(jìn)一步對(duì)圖像信息利用研究。城市道路網(wǎng)相對(duì)而言其道路特征比較明顯，在影像圖上縱橫交錯(cuò)。但是有些道路寬度不夠，在影像圖上紋理不夠明顯，如何利用潛在的特征信息推斷出道路存在是一個(gè)研究方向。(5)目前，對(duì)于道路網(wǎng)提取的算法很多，但是每一種算法都有其自身的缺陷，都是顧此失彼，犧牲某一方面精度來提高另一方面的精度。因此，如何綜合各種算法的優(yōu)點(diǎn)，取長補(bǔ)短，進(jìn)行互補(bǔ)，提高道路網(wǎng)的提取精度迫在眉睫。參考文獻(xiàn)[1]汪閩,駱劍承,明冬萍.高分辨率遙感影像上交通樞紐信息的自動(dòng)提取方法[J].計(jì)算機(jī)工程與應(yīng)用,2004,40(23):20-23.[2]安如,馮學(xué)智,王慧麟.基于數(shù)學(xué)形態(tài)學(xué)的道路遙感影像特征提取及網(wǎng)絡(luò)分析[J].中國圖象圖形學(xué)報(bào)：A輯,2003,8(7):798-804.[3]汪閩,駱劍承,周成虎.結(jié)合高斯馬爾可夫隨機(jī)場(chǎng)紋理模型與支撐向量機(jī)在高分辨率遙感圖像上提取道路網(wǎng)[J].遙感學(xué)報(bào),2005,9(3):271-276.[4]楊曉亮.高分辨率遙感影像中提取道路網(wǎng)方法綜述[J].遙感技術(shù)與應(yīng)用,2012,27(3):465-471.[5]朱長青,王耀革,馬秋禾,史文中.基于形態(tài)分割的高分辨率遙感影像道路提取[J].測(cè)繪學(xué)報(bào).2004(04).[6]汪閩,駱劍承,明冬萍.高分辨率遙感影像上交通樞紐信息的自動(dòng)提取方法[J].計(jì)算機(jī)工程與應(yīng)用.2004(23).[7]安如,馮學(xué)智,王慧麟.基于數(shù)學(xué)形態(tài)學(xué)的道路遙感影像特征提取及網(wǎng)絡(luò)分析[J].中國圖象圖形學(xué)報(bào).2003(07).[8]林宗堅(jiān),劉政榮.從遙感影像提取道路信息的方法評(píng)述[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版).2003(01).[9]程承旗,馬廷.高分辨率衛(wèi)星影像上地物線性特征的自動(dòng)識(shí)別[J].遙感學(xué)報(bào).2003(01).[10]史文中,朱長青,王昱.從遙感影像提取道路特征的方法綜述與展望[J].測(cè)繪學(xué)報(bào).2001(03).[11]蔡濤,王潤生.一個(gè)從多波段遙感圖像提取道路網(wǎng)的算法[J].軟件學(xué)報(bào).2001(06).[12]劉少創(chuàng),林宗堅(jiān).航空遙感影像中道路的半自動(dòng)提取[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào).1996(03).[13]李卉,鐘成,黃先鋒,李德仁.基于LiDAR和RS影像的道路三維模型重建研究進(jìn)展[J].測(cè)繪信息與工程.2010(01)[14]李成范,劉嵐,周廷剛,張力.基于行道樹的高分辨率遙感影像道路提取研究[J].遙感信息.2009(01)[15]李曉峰,張樹清,韓富偉,秦喜文,于歡.基于多重信息融合的高分辨率遙感影像道路信息提取[J].測(cè)繪學(xué)報(bào).2008(02)[16]申邵洪,宋楊,萬幼川,劉淑范.高分辨率多光譜遙感影像中城區(qū)道路信息的自動(dòng)提取[J].遙感信息.2007(05)[17]賈玲,趙云升,張建輝,董貴華.基于Lansat7ETM+影像的城市道路信息提取研究[J].遙感技術(shù)與應(yīng)用.2005(05)[18]劉玉芳,劉定生.利用紋理特征提取城市用地信息方法探索[J].測(cè)繪科學(xué).2005(04)[19]明冬萍,駱劍承,沈占鋒,汪閩,盛昊.高分辨率遙感影像信息提取與目標(biāo)識(shí)別技術(shù)研究[J].測(cè)繪科學(xué).2005(03)[20]楊康,李滿春,劉永學(xué),程亮,江沖亞.遙感影像道路的多點(diǎn)同時(shí)快速行進(jìn)提取方法[J].遙感技術(shù)與應(yīng)用.2011(03)[21]GroteA,HeipkeC,RottensteinerF,etal.RoadExtractioninSuburbanAreasbyRegionbasedRoadSubgraphExtractionandEvaluation[J].2009UrbanRemoteSensingJointEvent,2009:1-6.[22]LuoQZ,YinQ,KuanDB.ResearchonExtractingRoadbasedonItsSpectralFeatureandShapeFeature[J].RemoteSensingTechnologyAndApplication,2007,22(2):339-344.[23]GambaP,HoushmandB.Three-dimensionalroadnetworkbyfu-sionofpolarimetricandinterferometricSARdata[C]//Interna-tionalGeoscienceandRemoteSensingSymposium.Hamburg,Germany:IEEE.1999:302-304.[24]LisiniG,GambaP,LuebeckD.Roadextractioninurbanandru-ralenvironmentsexploitingadual-bandSARsystem[C]//Pro-ceedingsofInternationalGeoscienceandRemoteSensingSymposi-um.Vancouver,BC,Canada:IEEE,2011:3610-3613.[25]NegriM,GambaP.FeaturefusionforroadextractioninSARscenes[C]//InternationalGeoscienceandRemoteSensingSym-posium.Denver,CO,USA:IEEE,2006:2514-2517.[26]De11'AcquaF,GambaP,LisiniG.ExtractionandfusionofstreetnetworksfromfineresolutionSARdata[C]//InternationalGeoscienceandRemoteSensingSymposium.Toronto