《基于模糊连接度的道路自动提取方法研究》由会员分享，可在线阅读，更多相关《基于模糊连接度的道路自动提取方法研究（58页珍藏版）》请在金锄头文库上搜索。
1、南京航空航天大学 硕士学位论文 基于模糊连接度的道路自动提取方法研究 姓名：钱厦 申请学位级别：硕士 专业：通信与信息系统 指导教师：宗鹏;盛庆红 2011-03 南京航空航天大学硕士学位论文 i 摘 要 随着空间技术的飞速发展， 空间遥感活动也得到了充分的扩展和应用， 遥感信息已经成为一 种不可或缺的地理信息数据源，相对于传统的地理信息，遥感信息更具有经济型、时效性、综合 性等特点。同时，各类遥感数据获取系统的飞速发展，海量的遥感数据源源不断的发回地面，使 得原有的遥感影像处理技术面临着前所未有的巨大挑战， 因而， 如何从海量遥感影像数据中优质 高效地提取目标信息， 已成为遥感技术及其应用领
2、域中的一个热点问题。 道路信息作为遥感信息 中非常重要的一类地理信息，在交通导航、城市规划、军事侦察等领域有着广泛的应用，准确快 速地获取道路信息才能满足现实应用的需求。 但由于遥感道路信息的高度复杂性， 且现今计算机 自动化水平尚未达到相应的需求， 到目前为止仍然没有一种成熟可靠的道路自动提取方法， 所以 道路自动提取技术也成为遥感信息处理领域中的研究热点之一。 模糊数学， 作为一种描述不确定状态的模糊性理论， 为机器智能化奠定了理论基础和方法手 段， 使机器可以接受并理解自然事物， 一方面提高了机器运作的灵活性， 另一方面是机器更加 “聪 明” ，智能化程度更高，更符合人类的思维方式，已成
3、功运用于控制工程、人工智能、空间信息 处理等领域。 本文围绕模糊连接度理论在遥感道路提取方面的应用展开， 对影像中道路的自动提 取方法进行研究， 提出将模糊数学理论与道路纹理特性相结合的提取方法， 实现对道路的自动提 取。 本文主要工作和创新点包括： 1） 研究学习模糊数学理论中关于模糊连接度的知识，模糊连接度在影像处理中的表现形式及影 响参数，通过对遥感道路影像进行种子点提取及模糊连接度扩展，验证模糊连接度算法在影 像道路扩展方面的可行性。 2） 提出基于影像非监督分类算法的种子点校正策略，有效剔除影像中的非道路地物段，减少道 路种子点误提取率，提高种子点影像的精确度，为模糊连接度扩展提供可
4、靠的道路种子点。 3） 结合影像纹理特征，融入模糊连接度计算理论，建立纹理模糊连接度概念，从局部性与区 域性来同时考虑像素特征，更好的反映影像中道路边缘点之间的关联程度，为道路点扩展提 供了一种更合适的特征值。通过实验证明，采用纹理模糊连接度概念来扩展的道路影像比 采用模糊连接度扩展的道路具有更精确、更稳健的效果。 关键词：关键词：遥感图像处理，道路提取，模糊连接度，影像分类，道路种子点，影像纹理 基于模糊连接度的道路自动提取方法研究 ii ABSTRACT Along with the rapid development of the space technology, remote sen
5、sing also get full extension and application, remote sensing information has become an indispensable geographic information data sources. Compared with traditional geographic information, remote sensing information is more economical, timeliness, integrated. As an important class of geographic infor
6、mation, road information has widespread application in traffic navigation, urban planning, military reconnaissance and other fields. Only accurate and fast road information extraction can meet the practical application requirements. Due to the complexity of the remote sensing road information and no
7、w computer automation level have not reached the corresponding demand, there is not a mature and reliable automatic road extraction method yet, so the automatic road extraction technology also become a study hotspot in the field of remote sensing information processing. Fuzzy mathematics, as a kind
8、of theory for description of uncertain state, established theoretical foundation and method for machine intelligent, make the machine can accept and understanding of the nature things. Fuzzy mathematics has been successfully applied to control engineering, artificial intelligence, spatial informatio
9、n processing, etc. This paper focus on fuzzy connectedness theory, researches the automatic extraction methods, and puts forward the combination of fuzzy mathematic and road texture features to realize the automatic extraction of the road. This papers main work and innovation points include: 1) Stud
10、y the knowledge of fuzzy connectedness, the forms of fuzzy connectedness in image processing and influence parameters, through to the road seeds extraction and fuzzy connectedness expansion, validate feasibility of road extraction using fuzzy connectedness. 2) Put forward the seeds correction strate
11、gy based on unsupervised classification algorithm, effectively eliminate the wrong section, reduce the error percentage of road seeds, improve the accuracy of the seeds images, so that provide reliable road seeds for fuzzy connectedness expansion. 3) Combine with image texture feature, establish the
12、 texture-fuzzy connectedness, consider the pixel characteristics from local and regional concept, thereby better reflect the edge points connection and provide a more appropriate eigenvalues for road extraction. The experimental results indicate that the effect of road extraction using texture-fuzzy
13、 connectedness is more accurate and more stable than using fuzzy connectedness. Key words: remote sensing image processing, road extraction, fuzzy connectedness, image classification, road seeds, image texture 南京航空航天大学硕士学位论文 v 图表清单 图 1- 1 道路一般提取步骤3 图 3- 1 原始遥感影像14 图 3- 2 边缘提取结果15 图 3- 3 种子点影像15 图 3-
14、 4 种子点在影像上的映射 16 图 3- 5 提取基本流程17 图 3- 6 模糊连接度扩展道路影像 19 图 4- 1 影像分类22 图 4- 2 K 均值分类步骤 23 图 4- 3 K 均值分类影像 24 图 4- 4 分类影像逆颗粒化25 图 4- 5 校正后的种子点影像25 图 4- 6 校正后的种子点影像在影像上的映射 26 图 4- 7 Meteosat4 遥感影像及其纹理分类.27 图 4- 8 结合分类算法的道路提取 30 图 4- 9 结合分类算法的原始模糊连接度扩展道路影像.31 图 4- 10 图 4-9-c 在原图上的映射31 图 4- 11 纹理模糊连接度算法流程
15、.32 图 4- 12 自适应纹理模糊连接度提取结果 33 图 4- 13 贡献度测定实验34 图 4- 14 阈值不同情况下的纹理模糊连接度扩展结果.35 图 4- 15 纹理模糊连接度提取结果在原图上的映射.36 图 4- 16 原始遥感影像 2.36 图 4- 17 原始模糊连接度算法处理结果 37 图 4- 18 纹理模糊连接度算法处理结果 37 图 4- 19 纹理模糊连接度算法对多幅遥感影像处理的结果.39 图 4- 20 常用结构元素40 图 4- 21 结构元素41 图 4- 22 形态学处理结果42 图 4- 23 模板检测条件43 基于模糊连接度的道路自动提取方法研究 vi
16、 图 4- 24 图 3-1 的最终提取结果.43 图 4- 25 图 4-16 的最终提取结果.43 南京航空航天大学硕士学位论文 vii 注释表 RS 遥感 GIS 地理信息系统 GPS 全球定位系统 MAP 最大后验概率 X 有限数据集合 A 模糊子集 A X 对于 A 的隶属函数 空集 二元模糊关系 C 模糊数字空间 模糊关系隶属函数 ? 隶属场 模糊相似度 模糊相似度隶属函数 12 , m c cc? 空间元素序列 cd c 点到 d 点的路径 模糊连接度 模糊连接度隶属函数 x 模糊对象集合 贡献度 t 纹理模糊连接度 t 纹理模糊连接度隶属函数 承诺书 本人声明所呈交的硕士学位论文，是本人在导师指导下， 独立进行研究工作所取得的成果。尽我所知，除文中已经注明 引用的内容外，本学位论文的研究成果不包含任何他人享有著 作权的内容。对本论文所涉及的研究工作做出贡献的其他个人 和集体，均已在文中以明确方式标明。 本人授权南京航空航天大学可以有权保留送交论文的复 印件，允许论文被查阅
