CN111310771A - 遥感影像的道路图像提取方法、装置、设备及存储介质 - Google Patents

遥感影像的道路图像提取方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111310771A
CN111310771A CN202010168522.8A CN202010168522A CN111310771A CN 111310771 A CN111310771 A CN 111310771A CN 202010168522 A CN202010168522 A CN 202010168522A CN 111310771 A CN111310771 A CN 111310771A
Authority
CN
China
Prior art keywords
image
road
road area
remote sensing
similarity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010168522.8A
Other languages
English (en)
Other versions
CN111310771B (zh
Inventor
吕军
王晓鹏
石岚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerial Photogrammetry and Remote Sensing Co Ltd
Original Assignee
Aerial Photogrammetry and Remote Sensing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aerial Photogrammetry and Remote Sensing Co Ltd filed Critical Aerial Photogrammetry and Remote Sensing Co Ltd
Priority to CN202010168522.8A priority Critical patent/CN111310771B/zh
Publication of CN111310771A publication Critical patent/CN111310771A/zh
Application granted granted Critical
Publication of CN111310771B publication Critical patent/CN111310771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种遥感影像的道路图像提取方法、装置、设备及存储介质，属于遥感图像处理技术领域。该方法包括：采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像；根据增强处理后的图像，采用相似度算法计算道路区域与其他非道路区域的相似度；根据相似度，将增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；采用面向对象特征提取，从分离后的图像中提取获取道路区域图像。因为采用预设增强算法和相似度计算算法，从而确认道路区域和非道路区域，使得可以将道路区域和非道路区域进行分离，提高了遥感影像中道路图像的提取精度。

Description

遥感影像的道路图像提取方法、装置、设备及存储介质
技术领域
本发明涉及遥感图像处理技术领域，具体而言，涉及一种遥感影像的道路图像提取方法、装置、设备及存储介质。
背景技术
道路是地图绘制、路径分析和应急处理的重要基础地理数据。作为基础数据，道路对城市建设、GIS系统更新、数字化城市以及军事侦察等方面影响较大，因此道路信息提取在城市发展规划、电子信息化、国防等方面有着重要的应用。
相关技术中，在实现高分辨率遥感影像道路信息提取的方法通常采用边缘检测提取法、数学形态提取法和水平集方法等。但是分析发现通过上述方法进行提取道路信息时，当图像中非道路区域时过多时，例如：植被土壤、建筑物等较多时，在提取道路信息产生一定的干扰，导致提取的精度低。
发明内容
本发明的目的在于提供一种遥感影像的道路图像提取方法、装置、设备及存储介质，用于改善上述问题。
本发明的实施例是这样实现的：
本发明实施例的一方面，提供一种遥感影像的道路图像提取方法，包括：
采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像；
根据所述增强处理后的图像，采用相似度算法计算所述道路区域与其他非道路区域的相似度；
根据所述相似度，将所述增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；
采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像。
可选地，所述根据所述增强处理后的图像，采用相似度算法计算所述道路区域与其他非道路区域的相似度，包括：
对所述增强处理后的图像进行滤波处理，获取滤波后的图像，所述滤波后的图像中所述道路区域的边缘锐化；
相应地，所述根据所述相似度，将所述增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像，包括：
根据所述相似度，将所述滤波后的图像中道路区域和非道路区域分离，获取分离后的图像。
可选地，所述采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像，包括：
采用预设增强算法获取所述目标遥感影像的归一化差异水体指数 NDWI和土壤亮度指数SBI；
根据所述NDWI和SBI的差值，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像。
可选地，所述采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像之前，还包括：
采用预设数据形态变换，将所述分离后的图像进行瑕疵修复，获取修复后的图像；
相应地，所述采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像，包括：
所述采用面向对象特征提取，从所述修复后的图像中提取获取所述道路区域图像。
可选地，所述采用面向对象特征提取，从所述修复后的图像中提取获取所述道路区域图像，包括：
采用预设约束条件，从所述修复后的图像中分割获取初始道路区域图像，其中所述预设约束条件包括下述一项或多项：预设分割尺度、预设合并尺度、预设圆度；
对所述初始道路区域图像进行聚类和滤波处理，获取所述道路区域图像。
本发明实施例的另一方面，提供一种遥感影像的道路图像提取装置，包括：
增强模块，用于采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像；
计算模块，用于根据所述增强处理后的图像，采用相似度算法计算所述道路区域与其他非道路区域的相似度；
获取模块，用于根据所述相似度，将所述增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；
提取模块，用于采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像。
可选地，所述计算模块具体用于：
对所述增强处理后的图像进行滤波处理，获取滤波后的图像，所述滤波后的图像中所述道路区域的边缘锐化；
相应地，所述获取模块具体用于：
根据所述相似度，将所述滤波后的图像中道路区域和非道路区域分离，获取分离后的图像。
可选地，所述增强模块具体用于：
采用预设增强算法获取所述目标遥感影像的归一化差异水体指数 NDWI和土壤亮度指数SBI；
根据所述NDWI和SBI的差值，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像。
可选地，所述装置还包括：
修复模块，用于采用预设数据形态变换，将所述分离后的图像进行瑕疵修复，获取修复后的图像；
相应的，所述提取模块，具体用于所述采用面向对象特征提取，从所述修复后的图像中提取获取所述道路区域图像。
可选的，所述提取模块，还具体用于采用预设约束条件，从所述修复后的图像中分割获取初始道路区域图像，其中所述预设约束条件包括下述一项或多项：预设分割尺度、预设合并尺度、预设圆度；对所述初始道路区域图像进行聚类和过滤处理，获取所述道路区域图像。
本发明还提供了一种计算机设备，包括：存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述所述的方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述所述的方法的步骤。
综上所述，本发明实施例提供的一种遥感影像的道路图像提取方法、装置、设备及存储介质，通过采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，突出遥感影像中的道路区域，根据增强处理后的图像，采用相似度算法计算道路区域与其他非道路区域的相似度；通过计算相似度，可以根据相似度判断道路区域和非道路区域，将增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；采用面向对象特征提取，从分离后的图像中提取获取道路区域图像。实现了采用预设增强算法和相似度计算算法，来确认道路区域和非道路区域，使得可以将道路区域和非道路区域进行分离，提高了遥感影像中道路图像的提取精度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种遥感影像的道路图像提取方法的流程示意图；
图2为本发明另一实施例提供的遥感影像的道路图像的流程示意图；
图3为本发明另一实施例提供的遥感影像的道路图像的流程示意图；
图4为本发明实施例提供的遥感影像的道路图像的装置示意图；
图5为本发明又一实施例提供的遥感影像的道路图像的装置示意图；
图6为本发明另一实施例提供的遥感影像的道路图像的计算机设备示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
图1为本发明实施例提供的一种遥感影像的道路图像提取方法的流程示意图，如图1所示，该方法包括：
步骤101、采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像。
其中，遥感影像可以是通过卫星等图像采集设备采集的图像，遥感图像中可以包括道路、建筑、田地、河流等各种地理元素。一些场景下，为了对道路信息进行分析，突出目标遥感影像中的道路区域。首先可以对目标遥感影像进行增强处理，预设增强算法可以包括：基于空域的算法和基于频域的算法，基于空域的算法可以分为点运算算法和邻域去噪算法，领域增强算法可以分为图像平滑和锐化两种方法。还可以通过增强算法获取增强处理后的图像，本发明实施例对此不做限定。
具体地，通过高分1号PMS(Plant Management System，设备管理体系)传感器获取遥感影像，对遥感影像进行预处理，获取目标遥感影像，为了进一步突出目标遥感影像中的道路区域，可以采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，抑制目标遥感影像中道路区域之外的非道路区域特征，例如：建筑物、土壤、水体还可以是其他非道路区域特征。最终可以得到增强处理后的图像，以便后续步骤中对增强处理后的图像进行处理。
需要说明的是，通过高分1号PMS传感器获取的遥感影像数据中由于采集环境的各种外界因素，遥感影像受到大气等外界条件的影响，采用预设增强算法，对目标遥感影像中的道路区域进行增强处理之前，需要对获取的遥感影像数据进行预处理，预处理的主要操作步骤可以包括：正射校正、辐射定标、大气校正和图像融合。其中，正射校正，可以用于对遥感影像进行倾斜改正和投影差改正，辐射定标，可以用于将遥感影像的灰度值转换为辐射亮度值图像，大气校正，可以减少大气对遥感影像的影响，得到真实的地表反射信息，图像融合，可以采用Gram-Schmidt融合方法，较好的保留了图像的光谱信息。
步骤102、根据增强处理后的图像，采用相似度算法计算道路区域与其他非道路区域的相似度。
其中，道路区域可以是通过计算相似度从目标遥感影像中获取的道路特征以及与道路相似的非道路特征，非道路区域可以是建筑物、土壤等非道路特征。
具体地，由于获取增强处理后的图像后，图像中道路区域有一定增强，再进一步采用相似度算法计算道路区域与非道路区域的相似度。通过计算得到的相似度值可以进一步对道路区域和非道路区域初步区分，以便后续步骤中对道路区域和非道路区域进行处理。
例如:通过增强处理后的图像，可以从目标遥感影像中获取的道路区域，分别计算道路区域与目标遥感影像中非道路区域的相似度，例如与田地区域、河流区域等之间的相似度，可以得到多个相似度对应的数值。
需要上说明的是，通过相似度计算，可以将道路区域中的与道路相似的非道路特征通过相似度值表示出来，通过相似值以便后续步骤中可以消除道路区域中的与道路相似的非道路特征。
步骤103、根据相似度，将增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像。
具体地，根据计算的道路区域与非道路区域的相似度，可以得到多个相似度对应的数值，通过相似度对应的数值可以进一步地将增强处理图像中的道路区域和非道路区域进行分离，可以得到道路区域图像和非道路区域图像。
例如：可以预先设置道路阈值，将相似度对应数值大于固定阈值所对应的区域作为道路区域，将相似度小于道路阈值的区域作为非道路区域，通过相似度比较，可以分离道路区域与非道路区域，得到道路区域和非道路区域对应的图像。
步骤104、采用面向对象特征提取，从分离后的图像中提取获取道路区域图像。
其中，面向对象特征提取指的是基于遥感影像空间以及影像光谱特征，从高分辨率的多光谱数据中提取道路区域图像，即最后获取的图像上只保留道路区域，其他区域可以隐去或者用其他统一颜色替代等，在此不作限制。
具体地，采用面向对象特征提取的方法，利用高分辨率的全色和多光谱数据的空间、纹理及光谱信息对上述步骤分离后得到的图像进行分割与分类，基于道路的光谱特性和空间特性，采用基于规则的面向对象提取方法，进行道路区域图像的提取。
综上所述，本发明实施例提供的一种遥感影像的道路图像提取方法，通过采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，突出遥感影像中的道路区域，根据增强处理后的图像，采用相似度算法计算道路区域与其他非道路区域的相似度；通过计算相似度，可以根据相似度判断道路区域和非道路区域，将增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；采用面向对象特征提取，从分离后的图像中提取获取道路区域图像。实现了采用预设增强算法和相似度计算算法，来确认道路区域和非道路区域，使得可以将道路区域和非道路区域进行分离，提高了遥感影像中道路图像的提取精度。
上述步骤102还可以包括：对增强处理后的图像进行滤波处理，获取滤波后的图像，滤波后的图像中道路区域的边缘锐化。
由于在高分辨率的遥感影像中，道路区域相似的特征影响道路区域特征的提取，为了使得道路区域更加清楚，需要对上述增强后的图像进一步处理，例如：道路区域相似的特征一般可以包括建筑物，道路和建筑物的光谱差异较小，但道路的边界灰度突出，边缘信息清楚。在频率域中，高频分量对应于图像中的细节和边界可以采用高通滤波器对增强处理后的图像进行滤波处理。
具体地，可以采用高通滤波器对上述步骤中增强处理后的图像进行滤波处理，获取滤波后的图像，滤波后的图像中可以突出道路区域的边缘轮廓，保留道路区域的边界，并将道路与道路区域相似的特征，如建筑物进行区分。
上述步骤103还可以包括：根据相似度，将滤波后的图像中道路区域和非道路区域分离，获取分离后的图像。
具体地，根据计算道路区域和非道路区域的相似度得到的相似度对应的数值，可以根据预先设置的道路阈值与相似度对应数值进行比较，将相似度小于道路阈值的区域作为非道路区域。
其中，预先设置的道路阈值可以由用户根据实际场景进行设置，将预先设置的道路阈值作为判断道路区域和非道路区域的判断条件。
图2本发明另一实施例提供的遥感影像的道路图像的流程示意图，如图2所示，上述步骤101还包括：
步骤1011、采用预设增强算法获取目标遥感影像的归一化差异水体指数NDWI和土壤亮度指数SBI。
具体地，获取的遥感影像数据中，包含蓝、绿、红、近红外四个波段，获取四个波段对应的波段的反射率，利用下述公式(1)计算遥感影像中的水体指数NDWI。通过红光波段反射率和绿光波段反射率，利用下述公式(2)计算遥感影像中土壤亮度指数SBI。
NDWI＝(Bgreen-Bnir)/( Bgreen+Bnir) (1)
SBI＝ SBI＝ sqrt(Bred 2+Bnir 2) (2)
其中，NDWI表示水体指数，Bgreen代表绿波段对应的反射率，Bnir 代表近红外波段对应的反射率，SBI表示土壤亮度指数，Bred代表红波段对应的反射率。根据上述公式最终可以得到水体指数NDWI和土壤亮度指数SBI。
步骤1012、根据NDWI和SBI的差值，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像。
具体地，通过上述步骤中计算得到水体指数NDWI和土壤亮度指数 SBI，根据NDWL和SBI的差值，可以对目标遥感影像中的道路区域进行增强处理，进一步突出道路区域。
进一步地，为了使得图像更加的清晰，可以将增强后的图像进行直方图均衡拉伸，以便后续步骤中可以根据直方均衡拉伸后的图像进行处理。
需要说明的是，通过根据NDWI和SBI的差值，对目标遥感影像中的道路区域进行增强处理，可以抑制图像中的水体和土壤，避免水体和图像对于道路区域提取造成影响，使得图像中的道路区域增强，以便后续步骤对增强后的图像进行处理。
上述步骤104之前还可以包括：采用预设数据形态变换，将分离后的图像进行瑕疵修复，获取修复后的图像。
其中，预设数据形态变化指的是数学形态学处理，数学形态学处理包括四种基本运算：腐蚀、膨胀、开运算和闭运算。腐蚀用于使得道路边界向内部收缩，从里面消除小并且没有意义的点。膨胀用于把道路区域附近的小背景融入到道路区域中，可以填充图像在分离后存在的空洞。开运算指的是对图像先进行腐蚀然后再进行膨胀处理消除小物体，除掉图像中单独存在的小点，并不对道路区域有明显的改变；闭运算指的是先对图像进行膨胀，膨胀处理后再进行腐蚀，目的是消除物体边界，但是物体的面积却不随之改变。
具体地，采用预设数据形态变换，将分离后的图像进行修复，修复道路的断线连接、内部斑点以及边界平滑等，获取修复后的图像，修复后的图像中可以识别分离道路区域和图像中其他区域的边界，将道路区域与道路区域相似的特征分离，得到道路区域骨架。
上述104还可以包括：采用面向对象特征提取，从修复后的图像中提取获取道路区域图像。
具体地，将通过预设形态变换处理后，得到的修复后的图像进行面向对象特征提取的方法，利用高分辨率的全色和多光谱数据的空间、纹理及光谱信息对上述步骤分离后得到的图像进行分割与分类，基于道路的光谱特性和空间特性，采用基于规则的面向对象提取方法，进行道路区域图像的提取。最终可以得到道路区域图像。
图3为本发明另一实施例提供的遥感影像的道路图像的流程示意图，上述采用面向对象特征提取，从修复后的图像中提取获取道路区域图像，还可以包括：
步骤1041、采用预设约束条件，从修复后的图像中分割获取初始道路区域图像。
其中预设约束条件包括下述一项或多项：预设分割尺度、预设合并尺度、预设圆度。
具体地，采用预设约束条件，预设条件中预设分割尺度可以设置为 40，预设合并尺度可以设置为90，预设约束条件还可以包括预设延长线和预设紧密度，预设延长线可以设置为0.9，紧密度可以设置为0.35，通过上述预设约束条件对应的数值对修复后的图像进行处理，从修复后的图像中分割获取初始道路区域图像。
需要说明的是预设约束条件根据实际应用场景由用户根据实际应用而设置，预设约束条件还可以包括其他用于从修复后的图像中分割获取初始道路区域图像的参数。
步骤1042、对初始道路区域图像进行聚类和过滤处理，获取道路区域图像。
其中，聚类处理是将临近的类似道路区域聚类并进行合并，提高道路区域的空间连续性；过滤处理是解决道路区域中出现的孤岛问题。
具体地，将上述步骤中从修复后的图像中分割获取的初始道路区域图像进行聚类和过滤处理，消除初始道路区域中存在的各种小的影响因子，最终获取道路区域图像。
图4为本发明实施例提供的遥感影像的道路图像的装置示意图，如图 4所示，该装置具体包括：
增强模块401，用于采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像；
计算模块402，用于根据增强处理后的图像，采用相似度算法计算道路区域与其他非道路区域的相似度；
获取模块403，用于根据相似度，将增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；
提取模块404，用于采用面向对象特征提取，从分离后的图像中提取获取道路区域图像。
可选地，计算模块402具体用于：对增强处理后的图像进行滤波处理，获取滤波后的图像，滤波后的图像中道路区域的边缘锐化；
相应地，获取模块403具体用于：根据相似度，将滤波后的图像中道路区域和非道路区域分离，获取分离后的图像。
可选地，增强模块401具体用于：采用预设增强算法获取目标遥感影像的归一化差异水体指数NDWI和土壤亮度指数SBI；根据NDWI和SBI 的差值，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像。
图5为本发明又一实施例提供的遥感影像的道路图像的装置示意图，可选地，参考图5，装置还包括：
修复模块405，用于采用预设数据形态变换，将分离后的图像进行瑕疵修复，获取修复后的图像；
相应的，提取模块404，具体用于采用面向对象特征提取，从修复后的图像中提取获取道路区域图像。
可选的，提取模块404，还具体用于采用预设约束条件，从修复后的图像中分割获取初始道路区域图像，其中预设约束条件包括下述一项或多项：预设分割尺度、预设合并尺度、预设圆度；对初始道路区域图像进行聚类和过滤处理，获取道路区域图像。
图6为为本发明另一实施例提供的遥感影像的道路图像的计算机设备示意图，如图6所示，该计算机设备包括：存储器601、处理器602，存储器601中存储有可在处理器602上运行的计算机程序，处理器602执行计算机程序时，实现上述方法的实施例。
本发明还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现如上述方法的实施例。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种遥感影像的道路图像提取方法，其特征在于，包括：
采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像；
根据所述增强处理后的图像，采用相似度算法计算所述道路区域与其他非道路区域的相似度；
根据所述相似度，将所述增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；
采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像。
2.如权利要求1所述的方法，其特征在于，所述根据所述增强处理后的图像，采用相似度算法计算所述道路区域与其他非道路区域的相似度，包括：
对所述增强处理后的图像进行滤波处理，获取滤波后的图像，所述滤波后的图像中所述道路区域的边缘锐化；
相应地，所述根据所述相似度，将所述增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像，包括：
根据所述相似度，将所述滤波后的图像中道路区域和非道路区域分离，获取分离后的图像。
3.如权利要求1或2所述的方法，其特征在于，所述采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像，包括：
采用预设增强算法获取所述目标遥感影像的归一化差异水体指数NDWI和土壤亮度指数SBI；
根据所述NDWI和SBI的差值，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像。
4.如权利要求1或2所述的方法，其特征在于，所述采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像之前，还包括：
采用预设数据形态变换，将所述分离后的图像进行瑕疵修复，获取修复后的图像；
相应地，所述采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像，包括：
所述采用面向对象特征提取，从所述修复后的图像中提取获取所述道路区域图像。
5.如权利要求4所述的方法，其特征在于，所述采用面向对象特征提取，从所述修复后的图像中提取获取所述道路区域图像，包括：
采用预设约束条件，从所述修复后的图像中分割获取初始道路区域图像，其中所述预设约束条件包括下述一项或多项：预设分割尺度、预设合并尺度、预设圆度；
对所述初始道路区域图像进行聚类和过滤处理，获取所述道路区域图像。
6.一种遥感影像的道路图像提取装置，其特征在于，包括：
增强模块，用于采用预设增强算法，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像；
计算模块，用于根据所述增强处理后的图像，采用相似度算法计算所述道路区域与其他非道路区域的相似度；
获取模块，用于根据所述相似度，将所述增强处理后的图像中道路区域和非道路区域分离，获取分离后的图像；
提取模块，用于采用面向对象特征提取，从所述分离后的图像中提取获取道路区域图像。
7.如权利要求6所述的装置，其特征在于，所述计算模块具体用于：
对所述增强处理后的图像进行滤波处理，获取滤波后的图像，所述滤波后的图像中所述道路区域的边缘锐化；
相应地，所述获取模块具体用于：
根据所述相似度，将所述滤波后的图像中道路区域和非道路区域分离，获取分离后的图像。
8.如权利要求6或7所述的装置，其特征在于，所述增强模块具体用于：
采用预设增强算法获取所述目标遥感影像的归一化差异水体指数NDWI和土壤亮度指数SBI；
根据所述NDWI和SBI的差值，对目标遥感影像中的道路区域进行增强处理，获取增强处理后的图像。
9.一种计算机设备，其特征在于，包括：存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现上述权利要求1至5任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至5中任一项所述方法的步骤。
CN202010168522.8A 2020-03-11 2020-03-11 遥感影像的道路图像提取方法、装置、设备及存储介质 Active CN111310771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010168522.8A CN111310771B (zh) 2020-03-11 2020-03-11 遥感影像的道路图像提取方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010168522.8A CN111310771B (zh) 2020-03-11 2020-03-11 遥感影像的道路图像提取方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111310771A true CN111310771A (zh) 2020-06-19
CN111310771B CN111310771B (zh) 2023-07-04

Family

ID=71162244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010168522.8A Active CN111310771B (zh) 2020-03-11 2020-03-11 遥感影像的道路图像提取方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111310771B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408457A (zh) * 2021-06-29 2021-09-17 西南交通大学 一种联合高分影像和视频图像的道路信息智能提取方法
CN113421277A (zh) * 2021-08-25 2021-09-21 中科星图股份有限公司 基于遥感图像的道路提取及异常监控的方法和装置
CN115393813A (zh) * 2022-08-18 2022-11-25 中国人民公安大学 基于遥感图像的道路识别方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295562A (zh) * 2016-08-09 2017-01-04 中国科学院遥感与数字地球研究所 一种高分辨率遥感影像道路信息提取方法
WO2018107939A1 (zh) * 2016-12-14 2018-06-21 国家海洋局第二海洋研究所 一种基于边缘完备度的图像分割最优识别方法
CN109903301A (zh) * 2019-01-28 2019-06-18 杭州电子科技大学 一种基于多级特征信道优化编码的图像轮廓检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295562A (zh) * 2016-08-09 2017-01-04 中国科学院遥感与数字地球研究所 一种高分辨率遥感影像道路信息提取方法
WO2018107939A1 (zh) * 2016-12-14 2018-06-21 国家海洋局第二海洋研究所 一种基于边缘完备度的图像分割最优识别方法
CN109903301A (zh) * 2019-01-28 2019-06-18 杭州电子科技大学 一种基于多级特征信道优化编码的图像轮廓检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尧雪娟;: "基于波谱特征曲线法的遥感图像海岸线提取" *
李美玲;付慧;王晓晶;张金金;: "高分辨率遥感影像道路提取" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408457A (zh) * 2021-06-29 2021-09-17 西南交通大学 一种联合高分影像和视频图像的道路信息智能提取方法
CN113421277A (zh) * 2021-08-25 2021-09-21 中科星图股份有限公司 基于遥感图像的道路提取及异常监控的方法和装置
CN113421277B (zh) * 2021-08-25 2021-12-14 中科星图股份有限公司 基于遥感图像的道路提取及异常监控的方法和装置
CN115393813A (zh) * 2022-08-18 2022-11-25 中国人民公安大学 基于遥感图像的道路识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111310771B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN107730527B (zh) 一种基于遥感卫星影像的高原地区冰湖提取方法
Zhang et al. Object-oriented shadow detection and removal from urban high-resolution remote sensing images
Wang et al. Individual tree-crown delineation and treetop detection in high-spatial-resolution aerial imagery
CN108596103B (zh) 基于最佳光谱指数选择的高分辨遥感影像建筑物提取方法
CN107862667B (zh) 一种基于高分辨率遥感影像的城市阴影检测与去除方法
CN111932567B (zh) 基于卫星影像的冰湖轮廓自动提取方法
CN111310771B (zh) 遥感影像的道路图像提取方法、装置、设备及存储介质
CN108416784B (zh) 城市建成区边界快速提取方法、装置及终端设备
CN110309781B (zh) 基于多尺度光谱纹理自适应融合的房屋损毁遥感识别方法
Mostafa et al. Shadow identification in high resolution satellite images in the presence of water regions
Yang et al. Fully constrained linear spectral unmixing based global shadow compensation for high resolution satellite imagery of urban areas
CN103839267A (zh) 一种基于形态学建筑物指数的建筑物提取方法
CN108280810A (zh) 一种单时相光学遥感图像云覆盖区修复的自动处理方法
CN112861654A (zh) 一种基于机器视觉的名优茶采摘点位置信息获取方法
CN111476723B (zh) 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法
CN114596495A (zh) 一种基于Sentinel-2A遥感影像溜砂坡判识与自动提取方法
Rashidi et al. Ground filtering LiDAR data based on multi-scale analysis of height difference threshold
Liu A SAM-based method for large-scale crop field boundary delineation
Huang et al. Multi-feature combined for building shadow detection in GF-2 Images
Yadav et al. Road network identification and extraction in satellite imagery using Otsu's method and connected component analysis
Aytekin et al. Automatic and unsupervised building extraction in complex urban environments from multi spectral satellite imagery
Grigillo et al. Classification based building detection from GeoEye-1 images
CN115661675A (zh) 多云地区地震滑坡遥感识别方法、系统、设备及存储介质
CN114119634A (zh) 结合植被剔除和图像特征一致性约束的建筑物自动提取方法及系统
Ye et al. Research on Automatic Highway Extraction Technology Based on Spectral Information of Remote Sensing Images.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant