多时相SAR和GPS轨迹协同下的城市道路提取研究

With the rapid urbanization in China, the urban road network has dramatically expanded accordingly, and thus, it is critical to monitor and update road information timely for urban management and planning. Due to the complex scenario of urban, the accuracy, completeness and verisimilitude of road extraction using only satellite images has met the bottleneck. Recently, the advent development and accumulation of multi-temporal SAR imagery and GPS trajectories provide a new solution for urban road extraction. Based on this consideration, this project will conduct research on the synergy of multi-temporal SAR imagery and GPS trajectories with applications in urban road extraction. The project consists of three main parts:..1).This project will present a model based on the integration of multi-temporal SAR imagery and GPS trajectories to adjust the GPS offset caused by the positioning error...2).This project will design a multiple-feature-set to measure road information to enhance the contrast of road and background. The new descriptor will solve to some extend the limited accuracy of traditional road extraction methods using few road features...3).This project will present a parameter-uncertainty-based one class classifier (OCC) and a new centerline extraction and fusing model to overcome the influence of OCC parameters on the classification boundary, to eliminate centerline spurs and discontinuities. The results of new method will well retain the smoothness and completeness of road centerlines, which in turn improves the road extraction accuracy...The outcome of this project will accelerate the application of multi-temporal SAR in urban road extraction, and eventually provide service for the government in urban management and planning.

随着我国城镇化进程的加快，城市道路随之急剧扩张，道路信息及时获取及更新对城市管理和规划具有重要意义。受限于城市场景复杂性，仅依赖遥感影像的道路提取在精度、完整性和现势性遇到了瓶颈。近年来，SAR影像和GPS轨迹的不断获取为城市道路提取提供了一个新的解决思路。因此，本项目开展GPS轨迹与多时相SAR协同下的城市道路提取研究。具体研究内容包括：1）提出集成SAR影像与GPS轨迹的纠偏模型解决轨迹偏移问题；2）提出基于GPS轨迹和多时相SAR影像的多特征集，增大道路与背景的对比度；3）提出一种基于参数不确定性的单类分类器和一种精准道路中心线提取和融合模型，解决分类参数对分类边界的影响以及道路中心线“毛刺”和断裂问题，提高道路中心线的光滑性、完整性和精度。本项目研究成果将推动多时相SAR在城市道路提取中的应用水平，为城市管理和规划部门提供服务。

道路网络是交通基础设施的重要组成部分，同时也是地理国情的重要基础数据。完整、及时、准确的道路网络，在日常出行、电子商务、物流配送等都具有广泛的社会需求，同时也在社会经济活动中发挥着重要作用。准确、可靠、快速的道路提取算法对于城市道路网信息更新、突发事件应急、交通基础设施现状评估等具有重要应用价值和社会意义。本项目主要内容包括：多源异构遥感的基本原理以及国内外研究现状、基于光谱特征增强的道路提取、空-谱特征联合的道路提取方法、基于众源时空数据的道路提取方法、集成GPS轨迹和SAR影像的道路提取方法。研究成果表明：1）众源数据协同遥感影像可为目标提取、机器学习等提供一种快速、可靠的自动样本生成策略；2）基于颜色空间变换和多特征融合的提取算法可克服道路材料变化对提取精度的影响，进而提升道路提取精度；3）众源数据集成遥感影像为区域不透水面提取提供了一种新的思路。本项目对提高高分影像道路提取技术和多尺度空-谱信息融合的集成应用具有重要的理论价值；也对准确、可靠、快速的城市道路网信息更新、突发事件应急、交通基础设施现状评估等具有重要的应用价值和社会意义。另外，本项目研究成果对研究高效、准确的车道级道路提取方法具有重要支撑作用，对于构建交通规则约束下的精细道路网络，提高自动驾驶的安全性具有重要的现实意义。