基于道路交通标线识别的高分辨率遥感影像城市道路网提取方法研究

高分辨率遥感影像中城市道路网提取是一个亟待解决的难题，尤其是在道路检测和道路编组方面，已有方法没有实质性进展。本申请基于道路交通标志线是道路的标志性地物、高分辨率遥感影像中道路交通标志线受噪声干扰概率较小的事实，提出了基于道路交通标志线识别的高分辨率遥感影像中城市道路网提取的策略。本申请围绕面向道路交通标志线的图像增强、道路交通标志线检测、道路交通标志线扩展和处理、道路编组、结果评价等五部分开展，其中的创新性内容包括:（1）基于改进的小波变换的图像融合，（2）基于形态学运算的道路交通标志线的扩张和噪声滤除，（3）基于多尺度剖面相关、形态学重建、保持边缘信息的图像分割和one-class SVM分类、D-S证据理论融合的道路交通标志线检测，（4）道路交通标志线的扩展、噪声滤除和合并，（5）基于改进的随机标值点过程的道路网编组等。通过上述方法的研究以高效提取高分辨率遥感影像城市道路网。

从高分辨率遥感影像上进行道路目标的半自动的提取，是摄影测量与遥感、计算机视觉、模式识别与人工智能等研究领域面临的重大挑战之一，也是当前研究的热点之一。数十年来，人们付诸了种种努力，提出、建立了许多理论框架、实验系统与算法。然而，受制于问题本身的复杂度、难度和当前科技发展的水平，要研制达到满足工程需要且具有很高自动化程度的实用系统，在理论和算法上，恐怕还要花很长的一段时间。本项目对高分辨率遥感影像上道路半自动提取的理论与方法进行了系统的分析和深入的探索，提出并实现了一系列有实际应用价值的方法和算法，主要研究内容包括：.（1）提出了基于辐轮（Spoke Wheel）算法和区域生长算法集成的道路参数获取方法，为道路追踪获取必需的先验信息：道路的起始点、道路宽度和道路行进方向。该方法在用户输入两个初始种子点的情况下，可以提取某道路段对应的矩形，该矩形可以派生后续道路追踪所必需的先验信息。.（2）提出了基于支持向量数据描述（SVDD）与距离变换集成的道路追踪方法，可提取高/超分辨率遥感影像上有严重噪声干扰的非等级道路。道路追踪过程中，该方法采用SVDD对目标模板进行实时的分类，采用距离变换的方法削弱噪声对SVDD分类的负面影响。.（3）提出了基于最小二乘“+”形模板匹配的道路追踪方法，可提取高/超高分辨遥感影像上带清晰的车道标记线、道路中心线或绿化条带的等级道路。它将道路参考剖面与车道标记线、道路中心线或绿化条带的矩形参考模板组合起来，形成类似“+”形的参考模板，这种参考模板可以最大限度地削弱车辆遮蔽、阴影等对后续道路追踪的干扰。追踪过程中，使用了最小二乘模板匹配原理获取最佳的道路轨迹.（4）提出了剖面变换的方法，可自动检测高/超高分辨遥感影像道路面上的车道标记线、道路中心线，以辅助基于最小二乘“+”形模板匹配的道路追踪中参考模板的生成。. 本项目取得了丰硕的研究成果，包括：.（1）发表科技论文16篇，其中SCI检索9篇、EI检索4篇。.（2）基于上述研究成果，成功申报国家自然科学基金面上项目一项、测绘与地理信息局基础测绘项目一项。.（3）培养博士后两名，博士一名，硕士两名。