對(duì)高空?qǐng)D像中道路的自動(dòng)識(shí)別和提取.pdf

1、由高空?qǐng)D像或衛(wèi)星照片出發(fā)對(duì)圖像數(shù)據(jù)的識(shí)別實(shí)現(xiàn)自動(dòng)化，是近年來(lái)非常熱門(mén)的一項(xiàng)研究領(lǐng)域，具有很高的實(shí)用性和現(xiàn)實(shí)意義。 事實(shí)上，隨著衛(wèi)星圖像技術(shù)的日趨完善，模式識(shí)別已經(jīng)成為一種被越來(lái)越廣泛使用的信息源。很多學(xué)科領(lǐng)域例如制圖領(lǐng)域等，都充分享用了道路識(shí)別技術(shù)的發(fā)展成果。而且，這些領(lǐng)域?qū)Φ缆纷R(shí)別技術(shù)往往有著很高標(biāo)準(zhǔn)的要求：基于道路自動(dòng)識(shí)別技術(shù)的研究因此存在著很大的探索空間。 本文主要通過(guò)啟發(fā)式的研究方式，對(duì)各種算法進(jìn)行探索，通過(guò)對(duì)各

2、種算法的逐步實(shí)現(xiàn)，在對(duì)各算法取得的結(jié)果的分析中，經(jīng)過(guò)不斷的修改，完善，逐漸總結(jié)出道路的數(shù)學(xué)模型，給出了道路在數(shù)學(xué)上的定義。 利用道路的灰度與其周圍區(qū)域形成較明顯對(duì)比這一定義，本文首先對(duì)初始高空?qǐng)D像應(yīng)用了全局灰度限值過(guò)濾算法，對(duì)圖像中灰度值明顯較低的像素點(diǎn)進(jìn)行了第一輪的篩除。接下來(lái)，考慮到高空?qǐng)D像中的噪音信息的存在，本文進(jìn)一步對(duì)圖像應(yīng)用局部灰度限值的過(guò)濾，考慮局部像素點(diǎn)鄰域的信息，對(duì)其進(jìn)行高斯平均，進(jìn)一步篩除了大量的非道路區(qū)域像素

3、點(diǎn)。在剩余的像素點(diǎn)中，本文利用道路的數(shù)學(xué)定義中道路的線性這一特性，采用在圖像識(shí)別領(lǐng)域很常用的霍夫變換的算法從中偵測(cè)出代表道路的直線或線段的信息。為了去除可能出現(xiàn)的由樹(shù)林和田野的分界線，或兩片不同灰度田野的分界線所組成的“假道路”現(xiàn)象，本文繼續(xù)利用道路在其數(shù)學(xué)定義中具有一定寬度的特性，對(duì)偵測(cè)到的直線進(jìn)行寬度偵測(cè)。為做到這一點(diǎn)，本文對(duì)高空?qǐng)D像進(jìn)行梯度矢量圖的求取，求得道路的輪廓圖，接下來(lái)對(duì)偵測(cè)到的輪廓及其梯度矢量方向上的平移進(jìn)行相關(guān)性的計(jì)算

4、，以偵測(cè)出輪廓是否由兩條曲線組成，并由此根據(jù)平移的像素點(diǎn)個(gè)數(shù)來(lái)求出兩條曲線間的寬度，這樣，既可除去霍夫變換算法結(jié)果中那些組成沒(méi)有寬度的“假道路”的像素點(diǎn)的集合，又可同時(shí)求得道路的寬度。在以上算法先后應(yīng)用后得到的結(jié)果的基礎(chǔ)上，本文最后對(duì)結(jié)果中保留下來(lái)的道路信息進(jìn)行了連續(xù)長(zhǎng)度的偵測(cè)，以排除一排樹(shù)木的存在可能對(duì)道路識(shí)別產(chǎn)生的錯(cuò)誤影響。經(jīng)過(guò)最后這步過(guò)濾器的應(yīng)用，凡不具備一定連續(xù)長(zhǎng)度的線段信息得到有效篩除。綜上所述，本論文前后分別利用了整體灰度限