高分辨率光学卫星影像城市道路识别方法研究

论文摘要

本文针对城市高分辨率遥感影像，分析不同等级道路在影像上表现出的主要特点，从道路的概念模型出发，将道路按其影像上表现的像素宽度分为主宽路和次宽路，系统地提出高分辨率影像的道路提取方法和开发关键算法，达到自动快速准确地提取出城市快速路、主干道、部分次干道的目的。 论文的研究内容主要包括三个部分：预处理阶段图像质量的改善，这部分的内容主要是影像的分割和路面障碍物的去除；主宽路种子点的自动提取及道路跟踪形成主宽路网络；次宽路提取及道路网络的生成。 预处理阶段图像质量的改善运用特征空间密度梯度方法检测特征空间局部区域内最大密度点（模式点），并基于模式点的K-均质聚类、及模式点索引进行影像分割，在这个过程中提出了针对道路型细长区域的自适应Parzen窗口选择的方法。 主宽路的提取是基于道路理想模型，在影像分割的基础上，通过选择道路区域识别的典型因子（面积、细长度、紧致度、矩形度、灰度值），自动提取主宽路典型片断，并自动提取道路种子点对；然后利用道路种子点对提供的道路方向、位置、灰度特征等信息，提取出基于相邻道路小片断的小波不变矩的匹配跟踪算法，有效地提取出了主宽路网络。 次宽路的提取包括次宽路中心点（线）的检测和次宽路道路网络的生成。在检测次宽路中心线时，本文把次宽路看作影像曲面脊状连续弯曲结构，并在此基础上设计影像曲面脊状结构的提取算法，提出了基于海塞矩阵的二阶导数脊的检测算法，该方法较传统的高程脊检测法更能有效地抑制阶梯状边缘的响应，得到初始线状结构。在连接初始线状结构生成道路网络时，首次提出了建立道路邻域系统模型，运用随机点过程来模拟道路网络的生成，并用MCMC（Markov Chain Monte Charlo）对该过程进行模拟退火，以得到道路网络的最小能量。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 问题的提出
• 1.2 道路提取概述及国内外研究现状
• 1.2.1 道路提取概述
• 1.2.1.1 道路模型及其特点
• 1.2.1.2 道路提取的技术阶段分类及各阶段要解决的问题
• 1.2.2 国内外道路提取的研究现状
• 1.3 本文概述
• 1.3.1 研究目标
• 1.3.2 研究对象
• 1.3.3 研究内容及方法
• 1.3.4 本论文组织结构
• 1.4 定义及约定
• 第二章 道路影像预处理
• 2.1 基于概率密度估计的模式检测及聚类方法
• 2.1.1 基于Parzen窗口技术的概率密度估计
• 2.1.1.1 概率密度估计方法
• 2.1.1.2 Parzen窗口法原理
• 2.1.2 密度梯度估计
• 2.1.3 模式检测
• 2.1.3.1 概率密梯度估计的收敛
• 2.1.3.2 模式检测算法
• 2.2 道路自适应Parzen窗口的影像分割方法
• 2.2.1 Parzen窗口自适应选择
• 2.2.1.1 RAPW调整策略
• 2.2.1.2 基于RAPW的模式检测
• 2.2.2 道路影像聚类过程
• 2.3 道路区域知觉组织方法
• 2.2.1 区域邻接图
• 2.2.2 道路区域知觉组织准则
• 2.4 实验结果与分析
• 2.5 定义及约定
• 第三章 主宽路提取方法研究
• 3.1 道路典型片断提取
• 3.1.1 主宽路提取的视觉基础
• 3.1.2 道路典型片断几何特征提取
• 3.1.2.1 分割图像的区域类型分析
• 3.1.2.2 道路区域的典型特征因子
• 3.1.2.3 道路典型片断提取方法
• 3.1.3 道路种子点的自动提取
• 3.1.3.1 区域轮廓光滑
• 3.1.3.2 区域细化变换
• 3.1.3.3 种子点提取
• 3.2 道路跟踪
• 3.2.1 道路匹配方向估计
• 3.2.2 道路匹配片断几何纠正
• 3.3 道路匹配的不变小波矩方法
• 3.3.1 不变小波矩
• 3.3.3.1 小波变换
• 3.3.3.2 关于矩的基本理论
• 3.3.3.3 不变小波矩
• 3.3.2 基于不变小波矩的道路跟踪算法
• 3.4 实验结果与分析
• 第四章 次宽路提取方法研究
• 4.1 影像曲面脊、谷状结构检测
• 4.1.1 次宽路自动提取方法的模型依据
• 4.1.2 海塞矩阵在脊点检测中的几何含义
• 4.1.3 影像曲面脊点检测
• 4.1.3.1 影像曲面二阶导数脊及其检测条件
• 4.1.3.2 高斯偏导数卷积算子的“尺度-空间”因子
• 4.1.3.3 对阶梯状边缘响应的抑制
• 4.1.3.4 基于海塞矩阵的影像曲面脊点检测算法
• 4.1.4 影像曲面脊点的连接
• 4.2 基于随机点过程的道路网络提取
• 4.2.1 随机点过程
• 4.2.1.1 随机点过程简介
• 4.2.1.2 马尔科夫点过程与Gibbs点过程
• 4.2.2 道路网络空间随机模型
• 4.2.2.1 不规则邻域系统
• 4.2.2.2 RLPNS模型
• 4.2.3 模拟道路线段空间随机点过程
• 4.3 实验结果与分析
• 4.3.1 影像曲面脊线检测实验
• 4.3.2 基于随机点过程的道路网络提取实验
• 4.4 定义及约定
• 第五章 结论
• 5.1 论文概要
• 5.2 本文的创新点
• 5.3 研究展望
• 参考文献
• 博士期间科研及发表论文情况
• 致谢