论文部分内容阅读
在遥感影像中，道路信息不仅是一种重要的基础地理信息，而且可以作为提取其他地物目标的线索和参考，它的正确提取对高分辨率遥感影像的应用具有重要的意义。然而，高分辨率遥感影像中信息丰富，道路目标越来越多，且存在树木、建筑物的阴影或遮挡等造成的各种干扰，因此研究高分辨率遥感影像中的道路提取具有重要的理论意义和实用价值。高斯混合模型和马尔可夫随机场(GMM-MRF)作为一种纹理分割算法，可以很好地描述待分割图像的灰度变化率、边缘的几何特征以及纹理基元的排列等信息，能够将图像的先验知识转化为先验分布模型，能有效表征图像数据的空间相关性，在图像处理中有很高的应用价值。本文的工作重点是围绕GMM-MRF在遥感影像道路提取方面的应用而展开。本文的主要内容如下：1.基于GMM-MRF和模糊连接度的高分辨率遥感影像道路半自动提取算法：首先对高分辨率遥感影像进行GMM-MRF纹理分割，把原始影像分成3类；然后从分割结果上人工选取1个道路点作为种子点，并计算各像素点相对于种子点的模糊连接度，通过模糊连接度的比较确定初步的目标区域；接着采用形状指数方法和形态学运算对目标区域进行后处理；最后采用映射方法和道路位置评估指标对后处理结果进行客观评价，结果显示该算法能准确地得到道路区域。2.基于GMM-MRF和协方差矩阵的自动道路提取算法：首先用GMM-MRF纹理分割方法把高分辨率遥感影像分成3类，然后计算出每一类的协方差矩阵均值，选取均值最大的一类作为目标，其余的作为背景，从而把图像二值化，得到包含道路的二值图像；接着采用上述同样的后处理方法对提取结果进行后处理；最后采用上述同样的评估方法对后处理结果进行评价。3.在VC++6.0上开发了基于GMM-MRF纹理分割模型的高分辨率遥感影像道路提取系统。该系统实现了遥感影像的几何校正、灰度化处理和归一化等预处理，基于GMM-MRF的高分辨率遥感影像分割、基于GMM-MRF和模糊连接度的半自动道路提取、基于GMM-MRF和协方差矩阵的自动道路提取遥感影像道路提取等算法。