一种自动的高分辨率遥感影像道路提取方法

被引：25

作者：

刘如意 ^{[1
]}

宋建锋 ^{[1
]}

权义宁 ^{[1
]}

许鹏飞 ^{[2
]}

雪晴 ^{[1
]}

杨云 ^{[3
]}

苗启广 ^{[1
]}

机构：

[1] 西安电子科技大学计算机学院

[2] 西北大学信息科学与技术学院

[3] 西安测绘研究所地理信息工程国家重点实验室

来源：

西安电子科技大学学报 | 2017年 / 44卷 / 01期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

卷积神经网络; 形状特征分析; 张量投票; 水平集分割; 信息融合;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

从高分辨率遥感影像中提取道路有着非常重要的意义,但是受到遥感影像噪声、复杂的自然场景和已有算法的局限性的影响,道路提取有待于进一步研究.近些年来水平集方法被用于提取道路,但是初始水平演化曲线的确定却是一个大的难点.笔者提出一种自动的水平集分割方法,并将其用于道路检测中.首先,将卷积神经网络用于道路的粗分类.然后,利用形状特征和孔洞填充方法得到比较准确的道路区域.在此基础上,利用张量投票来提取道路的交叉口,并将其轮廓作为水平集演化的初始曲线进行水平集分割.最后,结合卷积神经网络分类和水平集分割的优势,得到比较完整的道路区域,并保持了道路的边缘.实验结果表明,该方法能自动地提取准确完整的道路区域.

引用

页码：100 / 105

页数：6

共 6 条

[1] 基于卷积神经网络的植物叶片分类 [J].