[发明专利]一种基于非局部理论的遥感影像中道路提取方法

说明书

本发明涉及遥感影像技术领域，尤其涉及一种基于非局部理论的遥感影像中道路提取方法，包括以下步骤：首先对于大幅遥感影像，根据一定大小分割子图，对各子图进行如下道路提取：基于非局部理论道路模型，进行多尺度多特征边缘检测，计算出候选段特征矢量，统计候选段中心位置、长度、方向与宽度，与子图局部主方向比较，通过最小化能量函数从这些候选段中确定道路边界，由此得到道路区，能够有效的解决干扰严重、道路断裂、边缘模糊和误提取等问题，实现道路的只能提取，适合服务于无人驾驶等智能交通领域。

技术领域

本发明涉及遥感影像技术领域，尤其涉及一种基于非局部理论的遥感影像中道路提取方法。

背景技术

遥感影像中道路提取服务于及时更新地理信息系统、智能交通及无人驾驶等需求，及时准确地获得道路信息对于市政建设、交通运输、车辆导航等均具有重大的战略意义和应用价值。在高分辨率遥感影像中，道路不再表现为线特征，而是表现出双边缘包围的带状区域，此区域中存在大量干扰(如路面车辆、标志线、树木、阴影等)，它们与道路在图像中混为一体，造成计算机提取困难，容易误提。

目前，德国eCognition中面向对象分类模块对遥感道路提取比较有名，它是基于影像分割分类提取，面向对象法易受到各种因素干扰(建筑物阴影、道路标志线、路面车辆、树木等)，分割结果不佳。与本发明相关的现有技术还有模板匹配、知识驱动、深度学习法等，主要利用图像中道路特征如辐射特征、几何特征、底层特征等与其他地物相区别。

传统技术普遍存在的技术问题：影像中受建筑物阴影遮挡的道路中断、道路本身灰度变化不匀、有行道树及众多车辆的道路误提取，深度学习方法缺乏足够样本集，标注样本耗时费力等。针对现有的利用遥感影像进行道路提取方法存在的受各种干扰严重、道路断裂、边缘模糊、误提取等问题，本发明提出一种基于非局部理论遥感影像中道路提取方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于非局部理论的遥感影像中道路提取方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于非局部理论的遥感影像中道路提取方法，包括以下步骤，

步骤1：依据预设的划分方式，将大幅遥感影像划分为子图；

步骤2：对各子图进行如下道路提取：基于非局部理论道路模型，进行多尺度多特征边缘检测，计算出候选段特征矢量，统计候选段中心位置、长度、方向与宽度；

步骤3：与子图局部主方向比较，通过最小化能量函数从这些候选段中确定道路边线，连接成网，由此得到道路区域；

所述子图的道路提取包括以下步骤：

步骤2.1:影像中道路干扰反映了一种能量跃升,经过推导，去干扰,所提取的道路可以等价为最小化以下函数：

其中，σ为应力张量，为对称梯度算子，Ω为有界开集，K为边界，u为转移场，u0为原始场；

步骤2.2：影像中道路受各种干扰断裂为有限个分段：C＝{c_i,i＝1,…,n}，每个分段表示为：

c_i＝(coord_i,f_i)，

其中，coord_i＝(x_i,y_i)为分段中心坐标，f_i为特征，则：

f(C)∝βⁿ exp(-Ξ(C))

于是，确定道路边线段等价为最小化函数：

其中，Ξ表示能量，