基于高分辨率遥感影像的道路矢量地图变化监测外文翻译资料

 2022-10-17 03:10

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

基于高分辨率遥感影像的道路矢量地图变化监测

作者：Ting Yang1, Lulin Zhang2, Haitao Wang2, Yong Zhang1

1、遥感信息工程学院，武汉大学，武汉，中国

2、湖北影像遥感协会，武汉，中国

Email: yangting0808@163.com

接受时间：2014年10月24日;

修订时间：2014年11月24日;

收录时间：2014年12月23日;

版权所有copy;2014由作者和科研出版社有限公司该作品采用知识共享署名国际许可（CC BY）许可。

摘要

关于道路矢量地图的变化检测的一些研究在本文中完成的。首先，在旧路矢量数据的基础上，将原有的高分辨率遥感图像切成段。然后，完成这些段的灰色分析和边缘提取，这样道路的变化就可以被检测到。最后，根据矢量数据并没有改变的道路的灰度信息，道路模板提取后并自动保存。在该国某些地区的世界观高分辨率图像上执行这种方法。检测结果表明，检测正确性可以达到79.56％和完整性可以达到97.72％。此外，提取的道路模板的要领是道路提取的模板匹配方法。

关键字：路径向量；高分辨率遥感影像；边缘提取；变化监测

  1. 介绍：

如今，来自两个方面——道路提取和道路变化检测的研究人员，研究了遥感图像道路信息。相当多的对道路提取的研究工作被国内外学者共同支持和完成。Laptev I用色带蛇和拉链蛇方法提取道路线[1]。湘云胡[2]和S. R. Park and T. Kim [3] 使用最小二乘法模板来检测道路。获得根据平行线的信息的道路线路的中心点之后，候选点用一个自组织道路地图（SORM）萃取连接到道路网络[4]。正如Q. P. Zhang所建议的 [5] 道路簇使用基于一组预定义的路面隶属函数的模糊分类自动识别。迭代和本地变换为道路的提取，其分组为道路网的发展。 M. Wang, C. J. Luo, C. W. Zhou等 [6] 研究了道路几何模型作为识别道路和M. Barzohar和D. B. Cooper [7] 对道路图像生成的几何概率模型。 Z. J.黄，J. F.张F.J。徐[8]提出了一种多级方法，包括自动信息提取和半自动后处理，其目的是从图像中提取更好的道路信息的。虽然很多道路上的研究已经完成，但仍难以提取各种类型道路的完全，因为道路信息的复杂性的。

鉴于提取的道路的困难，许多研究人员使用现有的道路信息考虑到检测的道路信息的变化。如 [9]中所说，有道路变化检测的两种模式：第一种是变化检测之后检测，并且第二个是与所述图像配准同步检测。匹配与现有的道路矢量遥感图像可以帮助检测到的道路信息的变化，据米东，H. T.张，X. K.朱等人。 [10]。此外，H J.马和N鲁[11]通过匹配与旧的新图像实施了地震灾区的道路段的提取。

路变化检测包括两种类型，即现有道路的消失和新的道路的提取。本文提出的方法主要解决老道路的变化检测。同时，这种方法提取道路模板库，它提供了用于检测和新的道路提取的重要信息。

在本文中使用的图像和载体是通过自动注册的由L. P.路，Y.张，P. J.涛等人提出的方法处理。 [12]。此外，在本文中，霍夫变换基于所述无限对称指数滤波器（ISEF）被呈现给增益道路边缘，然后道路变化检测如下文。

  1. 变化检测方法：

本节介绍了基于新的高分辨率遥感影像的老向量的检测算法。如随后在图1中所示的具体过程的流程图。

2.1、Douglas Peucker向量压缩算法

曲线压缩的目的是减少所需的点数量的线在al-lowable误差极限。基于曲线的压缩,道格拉斯Peucker算法[13]。本文采用了引用的图2中,向量的压缩P1Pn描述如下：
1)计算所有节点距离向量从(P2、P3,hellip;,Pnminus;1)到线P1Pn;
2)找到最远的点从pi;pi;和记录(Di) 到P1Pn线的距离;
3)保持点P1和点Pn和删除所有其他点如果Di小于给定的阈值;
4)重复步骤(1)-(3)分别判别P1Pi和PiPn Di是否超过给定阈值。（阈值被设置为3像素）

2.2、部分的坐标变换

原始图像分为部分基于矢量线段的边界矩形。坐标变换后,水平轴与向量的方向段和垂直轴perpendicu-lar向量的方向。在新的坐标,方向的道路大约是接近水平轴,它提供了方便的条件提取边缘检测变化。

2.3、ISEFHough边缘提取

2.3.1、ISEF过滤算法

图像预处理的目的是削弱虚假边缘生成的图像噪声,提高右边缘信息。M. Sharifi, M. Fathy, M. T. Mahmoudi [14]讨论了一些边缘检测算法的优点和缺点,表明,无限对称指数滤波器(ISEF)噪声条件下表现出更好的性能。ISEF来自IIR指数平滑滤波器,但它不是对噪声敏感和容易递归的。它可以计算边缘的方向而检测边缘[15]。此外,ISEF的ex-tract少有虚假边缘,更重要的是持续性,这就是我们需要的。
一维ISEF可以写成,

原始向量

矢量压缩

源图像

基于矢量单元处理图像

分割

坐标转换

图像增强 否

水平边缘提取

矢量单元

是否变化

积累长度改变向量单元

与阈值作比较

小于

图1. 道路变化检测过程的流程图

图 2. 矢量压缩

当 0 le;a0le; 1, C= 1(2minus;a0 )那么

指数滤波器可以实现使用递归算法,对二维图片:输入图像定义为s0(x,y),一个二维指数滤波器作为f(x,y)和输出s(x,y)的形象

s ( x , y )= s0( x , y )times; f ( x , y)

(4)

由于二维指数滤波器的可分性,s(x,y)可以表示为,

s ( x , y )= s0( x , y )times; f ( x , y )= s0( x , y )times; f1( x )times; f 2( x )times; f1( y )times; f 2( y)

(5)

2.3.2 ISEFHough线提取算法

霍夫变换的边缘检测利用投票的统计方法,它可以避免虚假边缘部分闭塞所致。ISEFHough不仅提取道路边缘,而且准确地计算边缘点的梯度方向sx(x,y),sy(x,y)可以由公式(5),如下,

（6）

因此，能够得到

梯度值：

（7）

渐变角度：

（8）

直线检测算法描述如下,
1) 根据公式(6)计算偏导数sx(x,y),sy(x,y)每个像素。
2) 按照公式(6)-(7)计算梯度大小和梯度角度,并找到边缘点通过确定获得点最大大小沿梯度方向。
3)离散化参数空间(k,b),形成一个二维矩阵Mtimes;N积累para(i,j)。首先,这个积累矩阵被初始化为零的所有细胞,然后为每个边缘点,根据ktimes;y = x b,使用增量迭代获得para(i,j)。最后,做非最大抑制para(i,j)。
4)如果para(i,j)对应于最后投票(k,b)小于给定阈值T,确定没有边缘点。否则,画一条直线在图像空间的边缘。

图3显示了ISEFHough线提取工艺的结果。在这个实验中,ISEF——分解

正向和反向递归滤波的行和列分别用于预处理和图3(b)显示了过滤器的结果图3(a)。计算每个像素的梯度大小和坡度角,然后做非最大抑制处理边缘提取。图3(c)显示了边缘提取结果。图3(d)是最终结果与道路边缘线ISEFHough提取。

2.4、矢量变化的方向

是否道路矢量变化可以确定在2.3节中提取的边缘信息的帮助。矢量单元和整个道路的变化进行了讨论。对于一个向量单位,认为单位是没有改变如果相应的段是双边信息horizon-tal方向(或近水平),除了计算比例的整个长度nRoadRatio它占据了。整个道路矢量,如果不变的积累(SumRoadRatio)向量的配给

(a)

(b)

(c)

（d）

图3. ISEFHough线提取工艺的结果：(a)原始图像;(b)过滤图像ISEF;(c)ISEF边缘图像的边缘提取;(d)由ISEFHough道路边缘线提取。

(nRoadRatio)大于某个阈值(在实验设置为0.6),它被认为没有改变,否则,视为已经发生了变化。
单矢量单元(S)变化检测过程描述如下,

/ / ExtractLine(段)函数提取部分的边缘信息,并且确定是否bila-teral边缘。
/ / nChange(p)向量的变化状态的判断,误代表不变,真正显示改变单一的道路矢量R变化检测过程描述如下,

/ / si表示R的子集
/ / n表示R的子集的数量
/ / nRoadRatio(s)表示的整个长度,子集的长度占的百分比/ / SumRoadRatio代表的总和的比值不变的道路矢量/ /阈值代表了阈值的长度比例(在这个实验中设置为0.6)

2.5、模板生成


不变向量单位,计算b 2.3.2节中描述的步骤是模板,半宽度的道路和方向的矢量方向模板。定义一个向量的终点作为基点,并设置的平均灰度值沿垂直方向向量作为相应的模板的灰度值,图4显示了模板生成的方法。

图4、模板生成方法

3 .实验分析


在这项研究中,0.5个全色世界观的国内区域的图像用于检测旧道路矢量。世界观的变化状态数据包括1.85米分辨率的多光谱图像数据和0.5米的全色光谱图像数据。

图像数据的特征和光谱和高分辨率的优点。这个实验只需要使用高分辨率的全色图像的实验数据,分析实验存在的问题和相应的解决方案是本文中描述。

3.1、不同的道路类型的图像

在高分辨率的图像,城市主要道路和郊区道路视为细长均匀做出几乎恒定的宽度,但灰色信息块的道路图像表现出相当大的变化,因为树木和建筑的遮挡,这破坏了道路的双边信息。

在这项研究中,应用金字塔图像来检测不同道路类型的变化。发现:在高分辨率的情况下,部分图像在城市包括更少的建筑信息,使其更容易检测到双边边缘;适当降低分辨率时,提取的道路受到更好的连续性,但未能提取当地道路边缘减少太多。全面解决时,选择合适的分辨率能有效减少检测错误率。在这个实验中,适当的分辨率降低3倍相比,选择原始图像。

3.2、遮挡的道路

无论是在城市还是农村,道路可能会受到不同程度的阻塞。庇护材料主要是周围的建筑物和树块以及双方在郊区。
在闭塞的情况下,一般的边缘检测算者(Gradient, Canny operator, et al)主要提取的边缘保护材料而不是直路边缘。霍夫变换的优点是能够克服的困难造成的局部遮挡和提取正确的线性道路边缘,如图5所示。

3.3、显示和试验结果分析

图6显示了实验结果,红线代表不变的道路矢量和绿色线的改变。整个图像的检测结果显示在表1中, 完整性和正确性的定义提出了以下公式：

正确性=数量的正确检测出道路
已发现的道路数量

完整性=数量的正确检测到改变道路
数量实际上改变了道路

实

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[151026]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章