不同数据源的道路提取方法

不同遥感图像数据源(如航空或航天、中低分辨率或高分辨率、光学或雷达、单源或多源等)参与道路提取，其设计的算法也不同。首先，图像分辨率决定道路呈现的图像特征。高分辨率图像中道路细节明显，因此平行边缘检测、条带检测和道路截面分析成为道路提取的重要手段。低分辨率图像中道路呈约1～3个像素宽度的线特征，基于线特征检测的方法适用于该分辨率下道路提取。无论低分辨率遥感图像还是高分辨率遥感图像，在道路网络提取中各有优势利弊。Baum-gartner等融合了高分辨率和低分辨率图像中道路网络提取方法的优点，提出了一种多分辨率图像中的道路网络提取方法，利用低分辨率图像检测道路中心线，利用高分辨率图像提取平行的边界线，融合高低分辨率图像中的提取结果识别道路线段。Castro和Centeno综合利用ALOS卫星的AVNIR-2和PRISM传感器数据基于数学形态学完成了道路提取工作。

此外，图像的成像方式也影响着道路特征提取算法。例如，Gamba等提出了一种从高分辨 率光学/SAR图像中提取城区道路网的算法，主要包括4个步骤:自适应方向滤波、候选道路区域选择、线形特征提取和道路修正。在光学图像中噪声是加性的，而在SAR图像中噪声是乘性的，两类图像边缘提取算法也不同。许多在光学图像处理中获得满意效果的边界提取算法，如差分算子、Canny 算子、零交叉算子等直接应用于SAR图像进行边缘检测，并不能获得满意的检测效果。针对SAR图像的特点，研究者先后提出了比值边缘检测算子、比值线条检测算子、DRO算子等。