基于多标记像素匹配的高分辨率遥感图像道路提取

交通运输系统工程与信息 ›› 2020, Vol. 20 ›› Issue (1): 68-74.

• 智能交通系统与信息技术 • 上一篇下一篇

基于多标记像素匹配的高分辨率遥感图像道路提取

杨蕴，李玉^*，赵泉华

辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所，辽宁阜新 123000

收稿日期:2019-07-23 修回日期:2019-11-07 出版日期:2020-02-25 发布日期:2020-03-02
作者简介:杨蕴(1990-)，男，河南南阳人，博士生.
基金资助:
国家自然科学基金/National Natural Science Foundation of China(41301479，41271435).

High-resolution Remote Sensing Image Road Extraction Based on Multi-mark Pixel Matching

YANG Yun, LI Yu, ZHAO Quan-hua

Institute for Remote Sensing Science and Application, School of Geomatics, Liaoning Technical University, Fuxin 123000, Liaoning, China

Received:2019-07-23 Revised:2019-11-07 Online:2020-02-25 Published:2020-03-02

摘要/Abstract

摘要：

针对高分辨率遥感图像道路提取方法存在提取不完整和误提取问题，提出一种基于多标记像素匹配的高分辨率遥感图像道路提取方法. 将待提取图像由RGB颜色空间转换到 Lab颜色空间，选取与照明强度弱相关的色相特征作为初始匹配项. 以矩形框的方式标记不同类型的道路，利用t 检验法剔除其匹配项的异常值，从而确定阈值来匹配道路像素点，利用局部纹理算子对匹配结果进行筛选. 利用道路区域的形态特征对匹配结果进行优化处理. 为验证所提方法的可行性和优越性，对不同传感器获取的高分辨遥感图像进行测试，与现有道路提取方法进行对比. 定性和定量精度评价结果表明，所提方法对不同类型道路的提取具有较高的精度.

关键词: 信息技术, 道路提取, 多标记, 匹配, 高分辨率

Abstract:

Aiming at the problem of incomplete and mis- extraction of road extraction methods for highresolution remote sensing image, a high-resolution remote sensing image road extraction method based on multimark pixel matching is proposed. The image to be extracted is converted from RGB color space to Lab color space, and the hue feature that is weakly related to the illumination intensity is selected as the initial matching term. Different type of roads is marked by drawing rectangular boxes, and the outliers of the matching items are eliminated by t-test, so as to determine the threshold to match the road pixels, and the matching results are filtered by local texture operator. The matching results are optimized by using the morphological features of the road region. In order to verify the feasibility and superiority of the proposed method, the high-resolution remote sensing images obtained by different sensors were tested, and compared with the existing road extraction methods. The qualitative and quantitative accuracy evaluation results show that the proposed method has higher accuracy for different types of road extraction.

Key words: information technology, road extraction, multi-mark, matching, high resolution

中图分类号:

TP753

杨蕴，李玉，赵泉华. 基于多标记像素匹配的高分辨率遥感图像道路提取[J]. 交通运输系统工程与信息, 2020, 20(1): 68-74.

YANG Yun, LI Yu, ZHAO Quan-hua. High-resolution Remote Sensing Image Road Extraction Based on Multi-mark Pixel Matching[J]. Journal of Transportation Systems Engineering and Information Technology, 2020, 20(1): 68-74.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19977.shtml

http://www.tseit.org.cn/CN/Y2020/V20/I1/68

参考文献

[1] 杨先武, 陈旭, 何宽. 基于高通滤波的高分辨率遥感影像城市道路提取[J]. 测绘科学, 2011, 36(4): 50-52. [YANG X W, CHEN X, HE K. Urban road extraction of high resolution RS imagery based on high-pass filter[J]. Science of Surveying and Mapping, 2011, 36(4): 50-52.]

[2] 周家香, 周安发, 陶超, 等. 一种高分辨率遥感影像城区道路网提取方法[J]. 中南大学学报(自然科学版), 2013, 44(6): 2385-2391. [ZHOU J X, ZHOU A F, TAO C, et al. A methodology for urban roads network extraction from high resolution remote sensing imagery [J]. Journal of Central South University(Science and Technology), 2013, 44(6): 2385-2391.]

[3] 施海亮. 基于Snakes模型的高分辨率遥感影像道路提取方法研究[D]. 南京: 河海大学, 2007. [SHI H L. Research on road extraction method of high resolution remote sensing image based on Snakes model[D]. Nanjing: Hohai University, 2007.]

[4] 谭仁龙, 万幼川, 袁芳, 等. 基于圆形模板的高分辨率遥感影像道路半自动提取[J]. 测绘通报, 2014(10): 63-66. [TAN R L, WAN Y C, YUAN F, et al. Semiautomatic road extraction of high resolution remote sensing images based on circular template[J]. Bulletin of Surveying and Mapping, 2014(10): 63-66.]

[5] ZHANG X, WANDELL B A. A spatial extension of CIELab for digital color image reproduction[J]. 2012, 5 (1): 61-63.

[6] GARCIAOLALLAO,ALEGREE,FERNANDEZROBLES L, et al. Local oriented statistics information booster (LOSIB) for texture classification[C]. International Conference on Pattern Recognition, IEEE Computer Society, 2014.

[7] 朱贺, 李臣明, 张丽丽, 等. 融合图模型及形态模型的 SAR 图像中河道提取[J]. 遥感技术与应用, 2015, 30 (2): 337- 344. [ZHU H, LI C M, ZHANG L L, et al. Graph model and river prior model based river extraction in SAR images[J]. Remote Sensing Technology and Application, 2015, 30(2): 337-344.]

[8] MODAVA M, AKBARIZADEH G. Coastline extraction from SAR images using spatial fuzzy clustering and the active contour method[J]. International Journal of Remote Sensing, 2017, 38(2): 355-370.

[1]	王健, 王慧, 胡晓伟, 李园园. 高峰期考虑乘客议价的网约车定价与平台收益及社会福利优化[J]. 交通运输系统工程与信息, 2022, 22(2): 54-63.
[2]	陈鼎, 周水庭, 陈云, 苏敏咸. 拥堵指数自适应调节的交通运行状态识别方法及应用研究[J]. 交通运输系统工程与信息, 2022, 22(2): 137-144.
[3]	许镇义, 王仁军, 张聪, 王瑞宾, 夏秀山. 基于深度特征聚类的高排放移动污染源自动识别[J]. 交通运输系统工程与信息, 2021, 21(6): 298-309.
[4]	郭继孚, 刁晶晶, 缐凯, 王倩. 预约出行模式展望[J]. 交通运输系统工程与信息, 2021, 21(5): 160-164.
[5]	李鑫，史天运，常宝，马小宁，刘军. 基于设备画像的机车标签体系构建方法研究[J]. 交通运输系统工程与信息, 2021, 21(2): 189-195.
[6]	钟军，林岩，杭宇. 中国城市网约车服务对公交使用量的影响[J]. 交通运输系统工程与信息, 2020, 20(5): 234-239.
[7]	李兴鑫，朱力强，余祖俊. 自适应铁路场景前景目标检测[J]. 交通运输系统工程与信息, 2020, 20(2): 83-90.
[8]	侯涛，伍海萍，牛宏侠. 改进MOG-LRMF 的铁轨动态异物检测[J]. 交通运输系统工程与信息, 2020, 20(2): 91-100.
[9]	郭子明，蔡伯根，姜维，王剑，上官伟. 基于贝叶斯建模的轨道占用识别方法[J]. 交通运输系统工程与信息, 2020, 20(1): 47-53.
[10]	张红颖，周子林，李彪. 基于多Agent 的通航运力资源协同调度[J]. 交通运输系统工程与信息, 2020, 20(1): 214-221.
[11]	郭羽含，于俊宇. 考虑时空热度的共乘匹配问题建模及求解[J]. 交通运输系统工程与信息, 2019, 19(6): 112-122.
[12]	贾富强，李引珍，杨信丰，马昌喜. 基于稳定匹配的路径选择行为研究[J]. 交通运输系统工程与信息, 2019, 19(6): 129-134.
[13]	王宇沁，吴娇蓉. 城市综合体对社区居民出行行为影响研究[J]. 交通运输系统工程与信息, 2019, 19(3): 182-187.
[14]	牛宏侠，张肇鑫，宁正，陈光武. 铁路轨道异物完整性检测与跟踪算法研究[J]. 交通运输系统工程与信息, 2019, 19(1): 45-54.
[15]	刘海洋，冯仲科，吴云鹏，呼诺，冯泽邦 . 车联网信息技术高速公路预警与应急避险模型[J]. 交通运输系统工程与信息, 2018, 18(6): 35-40.

基于多标记像素匹配的高分辨率遥感图像道路提取

High-resolution Remote Sensing Image Road Extraction Based on Multi-mark Pixel Matching

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