基于核k均值聚類的高分辨率遙感圖像的道路特征提取研究.pdf

1、自從1957年10月4日第一顆人造衛(wèi)星發(fā)射以來，衛(wèi)星遙感也隨著產(chǎn)生，隨著航空航天事業(yè)的不斷發(fā)展進(jìn)步，地球表面信息的獲取一直都是人類不斷追求的一個(gè)方向，地形探測(cè)、災(zāi)難受損情況檢測(cè)、城市規(guī)劃、獲取城市道路信息等等，而這其中應(yīng)用最廣的莫過于城市道路信息的獲取。衛(wèi)星航天等技術(shù)的發(fā)展使得遙感圖像分辨率越來越高，高分辨率的遙感圖像提供了豐富的地面信息，但是由于有分辨率太高導(dǎo)致了有太多的干擾，道路上行駛的車子、路上的行人、道路兩旁的樹木、道路旁邊的建

2、筑物在道路上形成的陰影等，以及一些類似于道路表面特征的干擾，比如停車場(chǎng)、寬闊的屋頂?shù)?，這些都給道路提取帶來很大的麻煩。
　　 本文的主要工作首先對(duì)圖像進(jìn)行邊緣信息提取與分類，研究了常見的一些圖像邊緣信息提取與分類的算法，有基于一階微分算子的roberts、prewitt、sobel還有基于二階微分算子的log以及canny、分水嶺分割邊緣信息提取方法。并對(duì)仿真出的結(jié)果進(jìn)行了對(duì)比，從對(duì)比結(jié)果中可以看到不同算法對(duì)圖像邊緣信息檢測(cè)的優(yōu)

3、點(diǎn)和缺點(diǎn)，并且得出這些常見的圖像邊緣信息監(jiān)測(cè)方法對(duì)高分辨率遙感圖像不適用的結(jié)論，從而在后文中引入了基于k均值的聚類分割算法，成功的將我們需要的道路區(qū)域分割出來。通過k均值聚類分割算法雖然能夠成功的分割出道路區(qū)域，但是由于受到道路旁邊的各種噪聲干擾，得到的結(jié)果并不是很理想，因此本文中將核的方法應(yīng)用于k均值聚類分割算法中，通過基于核的k均值聚類分割算法對(duì)高分辨率遙感圖像進(jìn)行道路檢測(cè)，得到的結(jié)果相對(duì)于k均值有著明顯的改進(jìn)，雖然道路旁邊的噪聲干