面向对象的高分辨率遥感影像道路提取

遥感影像能够快速地获取地球表面信息，特别是随着高分辨率遥感影像的应用，使其成为GIS数据库以及地图更新的重要信息源。但是如何从高分辨率遥感影像中自动获取特征信息，一直是遥感应用的重要问题。传统的人工判读和识别工作量大、成本高，因此利用计算机对遥感影像目标自动识别、特征提取是当前遥感信息处理的重要方向。道路是遥感影像中的一个重要的特征，其提取可以分为全自动和半自动两种。全自动提取无疑是遥感影像目标识别与特征提取的最终目标，但是由于遥感影像的复杂性和多样性，对道路等人工地物的自动提取又涉及到计算机视觉、人工智能、模式识别与图像理解等诸多方面。因此尽管自动提取道路等线状地物的研究已经进行了许多年，国内外专家在这方面做了大量的探讨和努力，但至今仍无一般意义上的最佳方法。

在高分辨率遥感影像中，道路表现为具有一定长度和宽度的面状地物，传统的方法采用种子生长算法，如基于最小二乘B样条曲线的道路识别方法n’23、基于边缘跟踪的方法。3等。但这些提取的算法主要还是基于像元的灰度特征的，其在实用性、准确性等方面离大规模实际应用还有较大的差距。面向对象的影像分析方法将影像对象作为影像分析的基本单元，影像对象是指影像分割后若干“同质”像素的集合。在很多特征信息提取的问题中，能够完整表现目标特征的并非单个像元，而是那些“同质”像素的集合，因此，基于对象的分析方法能更好地利用目标的特征。采用面向对象的提取方法有以下优势：首先，通过对影像分割，噪声问题可以得到较好的解决，因为这些噪声区域将和其周边的像元一起合并到特定的影像对象中去，这使得部分孤立地物如车辆等被融人道路对象中。其次，采用面向对象的方法，可充分利用道路的几何结构特征(长、宽等)和光谱特征(方差、均值等)。最后，面向对象的影像分析中引入了空间特征(距离、拓扑邻接和方向等)，可有效利用影像对象问的语义关系，使专家知识能够直接指导影像分析。在面向对象的道路提取中，道路被分割成一个个具有一定长度的长条状对象，这些对象具有以下两个特征：一是在灰度上具有一定的相似性，二是这些对象具有一定的长度或较大的长宽比。因此可首先利用对象的灰度特征提取出灰度满足条件的影像对象；再通过一个形状参数的约束得到满足上述条件的道路；最后，利用对象之间的拓扑关系细化提取结果。