随着信息科学技术的快速发展,航拍图像已成为目前获取大量地面观测数据的重要来源之一。本文以模糊不清的航拍图像为对象,重点研究了图像的增强及其道路的提取与分析,具体工作内容如下:1、基于幂次变换和尺度变化的Retinex增强方法。在深入分析Retinex理论和发展历程的基础上,通过分析Retinex理论在不良天气条件下增强图像的应用,针对景深信息差别较大的航拍图像,提出了一种改进的Retinex图像增强算法。首先,利用幂次变换增强图像暗区信息,压缩图像的动态范围,同时为了抑制图像白光区域出现,对幂次变换进行非线性变换;其次,根据算出的暗原色传播图来估算出图像中不同区域的Retinex高斯滤波尺度和确定变化的滤波尺度;最后通过采用变化尺度的高斯函数和原始图像做卷积处理来得到照射分量,再从原始图像中减去照射分量,并对该图像进行指数变换得到最终图像增强结果。2、基于分数阶微分的增强方法。在分数阶微积分的定义和特性的析的基础上,探讨了分数阶微分G-L方程中各项系数的特性,根据这些特性,针对景深信息差别不大的航拍图像,提出了一种改进的分数阶微分模板的图像增强方法。通过与其它整数阶微分方法和传统的分数阶微分增强算法比较,新的分数阶微分算子能够得到较好的增强效果,并且对于较弱信号处理效果不理想的缺陷给予了弥补,该算法更具实用性和针对性。3、基于改进Canny算子的道路提取方法。首先,对于景深信息差别较大及道路有一定宽度的航拍图像,通过Retinex算法增强图像;然后用改进的Canny算子检测出主要道路段,在改进的Canny算子中,对于不同的航拍图像,高低阈值是自动获得的,确定高低阈值是使用贝叶斯和交叉熵理论来进行的;最后,基于二值图像中不连续道路段的形状参数来修正和连接路段。实验中,分别大量地测试了道路段均匀性好的和均匀性差的图像,并比较了几种常用的图像分割算法,试验及对比分析结果表明:对模糊或光照不均的高精度图像(道路有一定的宽度),新算法有着明显的效果。4、基于谷点边界特性的道路提取方法。对低精度图像,该算法采用分数阶微分进行图像增强后,将图像中细窄的道路段看成是谷点边界。首先将彩色图像在保证突出道路的前提下转换成灰度图像,然后在灰度图像中,用一个5?5的模板检测图像中的每一个像素是否是可能的谷点,对每一个点的检测是分别在四个方向上按3-4个像素的连线来进行的,而不是基于单独一个点来检测的,这样可以减少许多噪声的产生,从而减少候选谷点线段的后处理工作。通过对谷点的判断,可有效地去除复杂背景对道路提取的影响。最后通过图像后处理,消除短线和噪声影响,并将断续的路段连接起来。实验表明,该算法可以有效地减弱复杂背景的影响,最后从图像连续性、置信度和量化度三个方面分析了算法的可靠性。5、基于二阶矩的最小外接矩形测量算法。由于道路目标形状不规则及图像数字离散化的原因,道路长度和宽度计算精度会受到较大影响,为了提高测量精度,将复杂的线状目标按曲率节点分成不同的准直线段,然后把每线段放到其最小外接矩形内进行长度和宽度的测量。每一线段的最小外接矩形的获取是:首先根据二值图像中每条线段的质心和通过质心的二阶矩来计算主次轴方向;然后基于主次轴有条件地向外扩展四条直线来确定该线段的最小外接矩形,所以该算法是与线段转动角度无关的方法,只与四条直线与目标相交的点数有关。最后将每条直线段的长度累加起来的结果就是图像中该道路的长度,并算出该段路的平均宽度。实验结果表明,该算法对获取线状目标的全局信息和形状、宽度、长度都有较好的效果。