自动赋初值的LSB-Snake模型的道路半自动提取方法研究

摘要

LSB-Snake模型是一个半自动提取线状地物的有效方法,但是在提取道路时需要人工输入道路特征(与背景相比道路的亮暗、宽度)作为初始值,在初始种子点稀少的时候不够稳健,且降低了LSB-Snake模型的效率.因此,本文提出了自动赋初值的LSB-Snake模型,采用自适应模板匹配方法为LSB-Snake模型提供初始特征,同时在初始种子点的基础上自动生成可靠、密集的点,共同作为LSB-Snake模型的种子点参与道路提取.对IKONOS和QuickBird进行道路提取的试验证明:在给定同样数目的初始种子点的情况下,提出的自动赋初值LSB-Snake模型比LSB-Snake模型更加稳健;由于无需人工输入道路特征,自动化程度更高;在道路附近地物阴影、遮挡较多的情况下,抗干扰能力更强.