基于遥感影像的道路信息提取方法研究

摘要

随着航天科技水平的发展，遥感卫星获取影像的分辨率越来越高，获取的地物信息也越来越丰富，对其中的地物信息进行提取和处理是遥感应用的主要研究方向。道路作为遥感影像中一种特征明显的地物，对其进行提取一直是应用研究的热点之一，提取的道路信息可以应用于地图更新和汽车导航等。
　　论文首先对遥感影像的灰度直方图具有明显特征的情况，采用将灰度直方图阈值分割和数学形态学相结合的方法提取道路信息。当影像灰度直方图不具有明显的特征，且影像中含有多种不同类型道路的时候，采用将Mean Shift平滑与分割和灰度直方图多阈值分割相结合的方法提取道路信息，根据不同类型道路在灰度值上的差异，选择多个灰度值区间进行阈值分割得到初始道路，然后通过数学形态学运算处理得到道路信息。
　　在高分辨率遥感影像中，道路的纹理分布差异及其所受的干扰也变得明显，以此为出发点，论文对模糊C均值（FCM）的原理进行了研究，采用FCM算法对遥感影像中的地物进行聚类分割，然后选择道路类所对应的灰度值进行阈值分割提取道路信息；FCM算法在实现过程中对初始输入参数的依赖较大，同时道路纹理分布的差异也会使FCM聚类分割后的道路存在断裂等现象，本文采用将Mean Shift算法和FCM聚类分割相结合的方法提取道路，根据Mean Shift分割之后的灰度直方图中灰度值的分布，选择 FCM聚类分割中的聚类个数，然后进行直方图阈值分割得到道路信息。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2 道路及其在遥感影像中的特征

1.3 国内外研究现状

1.4 研究中存在的问题

1.5 论文的研究内容和结构安排

第二章 结合直方图阈值分割和数学形态学提取道路

2.1 引言

2.2 阈值分割的原理

2.3 数学形态学

2.4 道路提取

2.5 小结

第三章结合Mean Shift算法和阈值分割提取道路

3.1 引言

3.2 Mean Shift算法原理

3.3 Mean Shift算法步骤

3.4 Mean Shift平滑与分割

3.5 道路提取流程及处理步骤

3.6 实验与结果分析

3.7 小结

第四章 结合聚类分割和阈值分割提取道路

4.1 引言

4.2 FCM聚类分割

4.3 结合FCM聚类分割和阈值分割的方法提取道路

4.4结合Mean Shift算法和FCM的方法提取道路信息

4.5 小结

总结与展望

参考文献

致谢

在读期间发表的学术论文与取得的其他研究成果