[发明专利]基于遥感图像的道路边缘提取方法和装置

说明书

本公开提供了一种基于遥感图像的道路边缘提取方法和装置，所述方法包括：获取目标遥感图像，所述目标遥感图像为包括道路的遥感图像，对所述目标遥感图像进行预处理，将所述目标遥感图像中的道路和背景进行初步分割，生成分割图像；对所述分割图像进行噪声粗剔除，并对噪声粗剔除后的分割图像进行逐像元判断和标记道路边缘与背景区域，提取道路边缘，生成边缘提取图像；根据预设的包括多个尺度的噪声像元捕捉滑动窗口，捕捉并剔除所述边缘提取图像中的斑块噪声，生成优化边缘提取图像。以此方式，能够在有效提取高分辨率遥感图像道路边缘的基础上，剔除图像中不同大小的斑块噪声，实现道路边缘提取及优化。

技术领域

本公开的实施例一般涉及遥感图像处理数据预处理技术领域，并且更具体地，涉及基于遥感图像的道路边缘提取方法和装置。

背景技术

随着高分辨率遥感探测技术的快速发展，高分辨率影像已实现既能满足大范围地物探测的任务需求，又能提供更加清晰的地物形状、丰富的纹理信息以及精准的空间分布，因此在实施城市基础设施监测，尤其是在我国城市智能交通、数字化地图等智慧城市建设中发挥着重要作用。道路边缘提取是城市道路数字化建设的重要基础，然而，传统的人工道路矢量化方法会耗费巨大的人力、物力和财力资源，因此基于高分辨率影像的道路边缘自动提取技术成为了研究热点之一。

目前，基于图像处理的边缘检测技术仍是面向高分辨率遥感图像目标边缘检测的最便捷且高效的方法之一，能够根据待检测对象的纹理、形状及灰度特征针对性的设计特征提取算子，能够自动、高效地实施高分辨率遥感图像全域的道路边缘提取。传统的边缘检测算法如sobel算子、roberts算子、canny算子等在实际生产中已得到了广泛的应用，此类方法主要通过直方图均衡化、二值化等预处理方法进行图像分割，利用空域滤波实施图像降噪，之后利用边缘检测算子进行道路边缘检测。

虽然高分辨率遥感图像能够提供丰富的道路形状、纹理、灰度等信息，但同时也包含大量其他地物信息(如建筑、车辆、树木、阴影等)，传统的边缘检测算法同样会对非道路地物进行边缘提取，导致信息冗余，产生大量形态各异的噪声，而传统的空域滤波降噪方法仅对像素级噪声(如椒盐噪声)有良好的效果，但无法对由非道路地物形成的大面积斑块噪声进行剔除。因此，针对高分辨率遥感图像的道路边缘自动化提取与降噪优化成为了难题。

发明内容

根据本公开的实施例，提供了一种能够同时实施道路边缘提取和多尺度噪声去除的像元捕捉模型，并建立了一套完整的基于高分辨率遥感图像道路边缘提取方法。该方法能够在有效提取高分辨率遥感图像道路边缘的基础上，剔除图像中不同大小的斑块噪声，实现道路边缘提取及优化。

在本公开的第一方面，提供一种基于遥感图像的道路边缘提取方法，包括：

获取目标遥感图像，所述目标遥感图像为包括道路的遥感图像，对所述目标遥感图像进行预处理，将所述目标遥感图像中的道路和背景进行初步分割，生成分割图像；

对所述分割图像进行噪声粗剔除，并对噪声粗剔除后的分割图像进行逐像元判断和标记道路边缘与背景区域，提取道路边缘，生成边缘提取图像；

根据预设的包括多个尺度的噪声像元捕捉滑动窗口，捕捉并剔除所述边缘提取图像中的斑块噪声，生成优化边缘提取图像。

在一些实施例中，所述对所述目标遥感图像进行预处理，包括：

采用加权平均法对所述目标遥感图像进行灰度化处理，具体包括：

对于包括红、绿、蓝三通道的真彩色目标遥感图像，对红、绿、蓝三个波段进行赋权，通过加权平均法计算图像灰度值，加权平均法的计算公式如下：

g＝0.3R+0.59G+0.11B

其中，g为灰度图像灰度值；R为原图像红色波段灰度值；G为原图像绿色波段灰度值；B为原图像蓝色波段灰度值。