[发明专利]基于联合滤波的遥感影像路网提取技术

说明书

技术领域

本发明涉及遥感应用领域，特别涉及一种基于联合滤波的遥感影像路网提取技术。

背景技术

遥感技术具有高效性、实时性以及信息多元化等特点,其作为一种先进的对地观测方法在城市交通领域中发挥了重要的作用。

在基于遥感技术的道路提取中，传统道路提取算法主要依赖于道路的几何地理特征，利用道路区域的识别规则对道路进行提取。近年来，道路提取相关领域倾向于建立复杂的系统用以提取道路信息，其中多类方法采用了相关滤波技术。传统道路提取滤波方法如高斯滤波，中值滤波等，均对整幅卫星遥感图像进行程度一致的滤波。此类方法对于复杂的遥感影像，难以在平滑非道路信息的同时保留道路特征。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种基于联合滤波的遥感影像路网提取技术。

为实现上述目的，本发明采用以下技术方案：

基于联合滤波的遥感影像路网提取技术，包括以下步骤：

S1、输入源图像，计算源图像的道路显著结构度量模型M_p，所述显著结构度量模型M_p具有如下形式，

M_p＝A_p·D_p·L_p

式中，函数A_p、D_p以及L_p是中心像素点p显著结构的各向异性、局部方向性以及非周期性的度量；

S2、基于道路显著结构度量模型引导，结合线积分卷积相关原理，建立新的自适应平滑积分模型，对非道路结构的特征和潜在道路结构特征进行自适应的平滑滤波；

S3、根据所得平滑后图像，结合极大值极小值滤波方法，以道路结构模型为导向，建立一种改进的冲击滤波模型，实现对显著道路结构的增强。

进一步地，步骤S1的计算具体如下：

S11、各向异性度量A_p通过下式计算

式中λ_1，p以及λ_2，p分别为中心像素点p处结构张量矩阵S_p的特征值，以较大的特征值λ_1，p为主特征值，较小的特征值λ_2，p为副特征值；

中心像素点p处的结构张量通过下式计算

式中q为流线上像素点，其为p的一个邻域N(p)内的一个像素，〈·，·〉表示内积运算；I_q为流线上像素点q的强度值，及为流线上像素点q在x和y方向的偏导数；

S12、局部方向性的度量D_p通过下式计算

式中分别为中心像素点p和流线上像素点q的结构张量矩阵对应的副特征向量，N(p)为中心像素点p所在的邻域，A_q为流线上像素点q点的显著性度量值；

S13、非周期性度量L_p通过下式计算

式中w_p，q为权值，通过下式计算

式中(x_p，y_p)为中心像素点p的坐标；(x_q，y_q)为流线上像素点q的坐标；σ为高斯函数中的标准差。

更进一步地，所述邻域N(p)为边长为5像素的正方形区域。

进一步地，步骤S2具体包括以下步骤：

S21、计算平滑程度控制函数g(σ_d，M)，

g(σ_d，M)为高斯核函数，式中，σ_d为g(σ_d，M)的宽度参数，M为源图像的道路显著结构度量模型的值，M_p和M_q代表中心像素点p和流线上像素点q处的道路显著结构度量模型的值；

S22、结合导向滤波概念与线积分卷积思想，定义了一个自适应平滑滤波函数I′_p，

其中，为I′_p的归一化参数，I为源图像像素点的像素值，I_q为流线上像素点q的像素值，为传统线积分卷积过程中采用的一维低通滤波器的高斯核函数，通过下式计算，