基于GMM-MRF的高分辨率遙感影像道路提取算法研究.pdf

1、在遙感影像中，道路信息不僅是一種重要的基礎(chǔ)地理信息，而且可以作為提取其他地物目標(biāo)的線索和參考，它的正確提取對(duì)高分辨率遙感影像的應(yīng)用具有重要的意義。然而，高分辨率遙感影像中信息豐富，道路目標(biāo)越來(lái)越多，且存在樹(shù)木、建筑物的陰影或遮擋等造成的各種干擾，因此研究高分辨率遙感影像中的道路提取具有重要的理論意義和實(shí)用價(jià)值。
　　高斯混合模型和馬爾可夫隨機(jī)場(chǎng)(GMM-MRF)作為一種紋理分割算法，可以很好地描述待分割圖像的灰度變化率、邊緣的幾何

2、特征以及紋理基元的排列等信息，能夠?qū)D像的先驗(yàn)知識(shí)轉(zhuǎn)化為先驗(yàn)分布模型，能有效表征圖像數(shù)據(jù)的空間相關(guān)性，在圖像處理中有很高的應(yīng)用價(jià)值。本文的工作重點(diǎn)是圍繞GMM-MRF在遙感影像道路提取方面的應(yīng)用而展開(kāi)。
　　本文的主要內(nèi)容如下:
　　1.基于GMM-MRF和模糊連接度的高分辨率遙感影像道路半自動(dòng)提取算法:首先對(duì)高分辨率遙感影像進(jìn)行GMM-MRF紋理分割，把原始影像分成3類;然后從分割結(jié)果上人工選取1個(gè)道路點(diǎn)作為種子點(diǎn)，并計(jì)算

3、各像素點(diǎn)相對(duì)于種子點(diǎn)的模糊連接度，通過(guò)模糊連接度的比較確定初步的目標(biāo)區(qū)域;接著采用形狀指數(shù)方法和形態(tài)學(xué)運(yùn)算對(duì)目標(biāo)區(qū)域進(jìn)行后處理;最后采用映射方法和道路位置評(píng)估指標(biāo)對(duì)后處理結(jié)果進(jìn)行客觀評(píng)價(jià)，結(jié)果顯示該算法能準(zhǔn)確地得到道路區(qū)域。
　　2.基于GMM-MRF和協(xié)方差矩陣的自動(dòng)道路提取算法:首先用GMM-MRF紋理分割方法把高分辨率遙感影像分成3類，然后計(jì)算出每一類的協(xié)方差矩陣均值，選取均值最大的一類作為目標(biāo)，其余的作為背景，從而把圖像二

4、值化，得到包含道路的二值圖像;接著采用上述同樣的后處理方法對(duì)提取結(jié)果進(jìn)行后處理;最后采用上述同樣的評(píng)估方法對(duì)后處理結(jié)果進(jìn)行評(píng)價(jià)。
　　3.在VC++6.0上開(kāi)發(fā)了基于GMM-MRF紋理分割模型的高分辨率遙感影像道路提取系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了遙感影像的幾何校正、灰度化處理和歸一化等預(yù)處理，基于GMM-MRF的高分辨率遙感影像分割、基于GMM-MRF和模糊連接度的半自動(dòng)道路提取、基于GMM-MRF和協(xié)方差矩陣的自動(dòng)道路提取遙感影像道路提取