最優特征選擇下多層次分割的城市道路提取

雷惠敏，張和生

太原理工大學 礦業工程學院，太原 030024

1 引言

道路是基礎地理信息的重要組成部分，道路提取的相關方法和理論具有較大的探索前景。隨著遙感技術的發展，遙感影像的分辨率不斷提高，影像所包含的幾何特征以及紋理信息也不斷增加，因此利用高分辨率影像進行道路提取的方法也獲得了很大的發展。目前最常用的道路提取的方法有基于像元的方法、面向對象的方法和深度學習的方法。陳立福等利用數學形態學和MRF分割的方法對高分辨率SAR影像的道路進行提取，有效的提取出了道路輪廓，但未能充分利用影像的光譜信息、紋理信息，在復雜場景的道路提取中不具有普適性[1]。王文慶、袁偉等利用深度學習方法實現了道路的自動化提取[2-3]。但深度學習方法對計算機性能要求較高，需要的數據集較多，模型搭建復雜，對于普通的道路提取效果一般。面向對象作為道路自動提取中最常用的方法，現階段仍具有重要的意義。例如，Ding等發現道路局部區域通常具有一致性，將像素合并到具有相似主方向的對象中，以計算幾何測量值，然后，使用線段連接算法提取其中的道路對象[4]。Huang等基于對象多尺度結構特征，利用SVM對不同地物進行分類，利用多數投票機制識別道路對象[5]。Maboudi、Stein等利用面向對象方法提取道路獲得了較好的效果[6-7]。面向對象的方法充分利用了影像信息對道路進行提取，雖然避免了僅利用光譜像元分類造成的影像“同譜異物和”“椒鹽現象”，取得了很好的效果[8]。……