第三讲遥感影像的特征提取和地物更新课件.ppt

《第三讲遥感影像的特征提取和地物更新课件.ppt》由会员分享，可在线阅读，更多相关《第三讲遥感影像的特征提取和地物更新课件.ppt（69页珍藏版）》请在三一办公上搜索。

1、第三讲遥感影像的特征提取和地物更新,3.1 遥感影像上线状地物的特性3.2 遥感影像上线状地物的提取方法3.3 遥感影像上线状地物提取流程3.4 面向对象的遥感提取方法 3.5 遥感影像上道路的提取3.6 遥感影像上铁路的提取3.7 基于高分辨率遥感影像的 基础空间数据更新,第三讲遥感影像的特征提取和地物更新,一、遥感影像上道路影像示例二、遥感影像上道路提取的作用 三、遥感影像上道路提取的难度四、遥感影像上道路特性,3.1遥感影像上线状地物的特性,一、遥感影像上道路影像示例,3.1 遥感影像上线状地物的特性,一、遥感影像上道路影像示例,3.1遥感影像上线状地物的特性,一、遥感影像上道路影像示例

2、,3.1遥感影像上线状地物的特性,（IKONOS左右像对，已缩小）,一、遥感影像上道路影像示例,3.1遥感影像上线状地物的特性,一、遥感影像上道路影像示例,3.1遥感影像上线状地物的特性,航空影像上的立交桥,一、遥感影像上道路影像示例,3.1遥感影像上线状地物的特性,卫星影像上的立交桥,一、遥感影像上道路影像示例,3.1遥感影像上线状地物的特性,一、遥感影像上道路影像示例,3.1遥感影像上线状地物的特性,数字城市,数字校园,数字铁路,二、遥感影像上道路提取的作用,3.1遥感影像上线状地物的特性,基于移动终端的空间信息服务,二、遥感影像上道路提取的作用,3.1遥感影像上线状地物的特性,由于太阳光

3、线被遮挡航空、遥感影像上有 阴影是不可避免的,阴影,三、遥感影像上道路提取的难度,3.1遥感影像上线状地物的特性,三、遥感影像上道路提取的难度,3.1遥感影像上线状地物的特性,四、高分辨率遥感影像上道路特性,对特定的地物的描述将导出对应的相关知识和约束，成为提取的基础。以道路为例，Vosselman和Knecht用以下指标来描述道路的特性：几何（Geometric）光度或辐射度（Photometric）拓扑（Topologic）功能（Functional）和关联或上下文（Contextual）,3.1高分辨率遥感影像上线状地物的特性,对道路的功能和上下文特性是其在景物域或物方空间的知识，偏重于

4、语义描述；而道路的光度、几何与拓扑特性则由景物域的特征投影到影像域，它们有着直接对应的关系。,四、高分辨率遥感影像上道路特性,3.1高分辨率遥感影像上线状地物的特性,对城市道路的各种特性的详细描述： 几何特性：宽度、宽度的一致性、形状、大小和朝向、曲率、模式； 光度特性：目标的反射特性，以及与周围环境的对比度。 拓扑特性：表示了道路目标满足作为网络一部分的完整性程度，以及连接的类型。连接类型有T形，+形和Y形等。 上下文特性：完整性、连接性、周边区域的关联特性、局部上下文线索、高程断面。 功能特性：人工目标在现实世界所实现的功能。,四、高分辨率遥感影像上道路特性,3.1高分辨率遥感影像上线状地

5、物的特性,3.1高分辨率遥感影像上线状地物的特性,一、基于结构信息的侯选道路段提取二、GIS引导的道路提取三、基于感知编组的道路提取四、基于统计信息的道路提取五、基于自适应模板的道路提取六、基于带状Snake的道路提取七、城市道路新型提取方法,3.2 高分辨率遥感影像上线状地物的提取方法,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,提取线特征分两步:首先提取反映灰度变化的基本单元边缘其次再将这些边缘连接为有意义的线特征通常将前者称为边缘检测，后者称为边缘连接或边缘跟踪常用的各种边

6、缘检测算子（如Robertes、Sobel、Prewitt等）:缺点在于很难可靠的确定边缘的存在和边缘存在的位置因为真实的灰度变化不一定是阶跃的，基于阶跃变化假定的算子将要检出多个边缘,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,多种改进方法，这些新的算子大致可以分为三类：最优算子多尺度方法自适应方法Canny应用变分原理推导出一种Gaussian模板导数逼近的最优算子，是目前被广泛使用的边缘检测方法Canny给出了评价边缘检测性能优劣的三个指标：好的信噪比好的定位性能对单一边缘有唯一的响应,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地

7、物的提取方法,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,在边缘检测及跟踪后，采用栅格转矢量的方法可将图像中的线条形成矢量的表示形式,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,直接从图像上获取的矢量线段常常带有锯齿状采用一定的压缩光滑算法，如Douglas_Peuker算法,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,对于曲线，将会将其分为多段。这里采用了一种折线分裂方法，其原理如下： 找出起始和终止点，对

8、于封闭区域可将最远的两点选为起点和终点 按某种原则检查是否满足要求，如不满足，则从距当前拟合直线最远点处将当前拟合直线分裂为两部分，并递归地进行这一步骤，直至满足条件。此处的原则可以是最大垂直距离小于某一阈值，也可是最大垂直距离起止点间的夹角关系,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,平行直线段的生成,在图像中，道路的本质特征从边缘上看是一组平行线，而且通常是亮白色的平行线段，因此首先需要提取平行线段。由于图像中道路的表现不是理想的平行线而且在直线提取时会存在误差判断平行线的准则是提取在一定范围内近似平行的直线段平行线段不一定都是道路段，符合下列两个条

9、件的平行线段才是候选的道路段： 几何特征，宽度要在一定的范围之内 灰度特征，平行线段内的平均灰度应满足一定的范围限值,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,道路段的编组,在提取的过程中对每一道路段记录了如下参数： 道路段对象标识 平行线组的标识标明是单平行线对（一对一的平行线对）还是多平行线组 左平行线的个数 左平行线的集合 与左平行线的集合一一对应的平行距离集合 右平行线的个数 右平行线的集合 与右平行线的集合一一对应的平行距离集合 组织的标志，标明该道路段是否已被组织过,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法

10、,道路段的编组,通常在图像中，有些平行线段表现很明显，它们具有较长的长度，而且平行性很好等等，可称之为可靠线道路段而有些则断断续续，长度较短，可称之为可疑道路线段从可靠线段出发可很容易获取道路的初始网络模型，它们是最可能的道路段，是决定道路提取成败最为关键的因素之一，因此有必要对提取的候选道路段进行筛选,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,可靠道路段的准则,对于单平行线对，可靠道路段的具体准则： 道路段的两边线都应比较长 道路段的两边线的长度应具有相似性，即二者的长度之比应较大 道路段的两边线的应具有一定的交叠距离,一、基于结构信息的侯选道路段提取,

11、3.2 高分辨率遥感影像上线状地物的提取方法,可靠道路段的准则,对于多平行线对，可靠道路段的具体准则： 道路段里有较多的比较长的线段，至少边线和中间部分的线段较长平行线段之间如果不存在与之相平行的线段，则它们之间的距离不能超过限值 平行线段之间不能出现与之存在大角度且长度较长的线段 平行线段之间应具有较大的交叠距离,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,基于平差模型的道路段精定位,从图像上提取出的平行线段由于成像时的噪声及提取时的误差等的影响，决定平行线段的边缘强度有时会很弱致使平行线段的边界点定位不准，使用基于最小二乘模板匹配的自动平行化算法改正后的

12、平行线段最接近真实的图像直线边缘平行线段的两边线平行或尽可能接近平行理想的阶跃边缘经过成像系统往往变成刀刃曲线，由直线边缘沿垂直直线方向的灰度剖面可生成直线模板,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,基于平差模型的道路段精定位,一、基于结构信息的侯选道路段提取,3.2 高分辨率遥感影像上线状地物的提取方法,GIS引导的道路跟踪的关键是填补断裂空隙提取道路并同时检测发生变化的道路，图像上道路出现的断裂现象主要表现： （1）道路是连续的，但由于成像过程、反射条件、阴影等影响的干扰，提取的线条不能表达连续的信息，通常在这种情况下断裂长度较小 （2）道路是连续

13、的，但由于遮挡（如成行树木的遮挡）、与周围环境的反差较低等的原因，无法提取相应的线条，通常在这种情况下断裂长度较大（3）道路发生了变化，依据提供的信息不能找到与前面道路相连的证据，通常在 这种情况下断裂长度很大，而且没有证据能填补它,3.2 高分辨率遥感影像上线状地物的提取方法,二、GIS引导的道路提取,二、GIS引导的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,二、GIS引导的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,二、GIS引导的道路提取,对于特定道路段的某一部分所对应的两边线存在如下的特征：（1）道路的一边线与对应的另一边线均存在且相互平行； （2）道路的一边

14、线存在，另一边线不存在；（3）道路的两边线均不存在； 对于特征（1）和（2），在跟踪时可以利用道路双边线的互补作用来增强道路跟踪的效果，对于特征（3），则主要借助图形上道路数据的引导。在低分辨率的图像上，道路主要表现为双平行线的线状目标，跟踪时困难不大但在高分辨率的图像上，主要道路的表现形式是道路的各种子结.构包括斑马线、防护栏、两边及中间的绿化带、防护堤、车辆等的混合表现，在经过边缘检测和跟踪后道路的主要表现形式是多组不连续的平行线,3.2 高分辨率遥感影像上线状地物的提取方法,二、GIS引导的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,二、GIS引导的道路提取,3.2 高分辨率

15、遥感影像上线状地物的提取方法,二、GIS引导的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,二、GIS引导的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,二、GIS引导的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,三、基于感知编组的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,四、基于统计信息的道路提取,道路的统计特性能从模板内的灰度、梯度方向和梯度强度等直方图上反映出来： （1）因为道路内部的灰度比较均匀，模板内道路段的灰度直方图应当仅仅具有一个主峰；（2）道路具有平行的双边，且梯度方向相反，所以在模板内的梯度方向直方图中具有对称的双峰； （3）道路

16、与背景的灰度差别反映在模板内道路段的梯度强度直方图中应当是具有一个非零主峰，而这个主峰的中心值反映了道路内部的灰度与背景灰度的差别程度。,3.2 高分辨率遥感影像上线状地物的提取方法,五、基于自适应模板的道路提取,该算法的思想是：将具有一定尺寸（长度为L，宽度为H）的模板叠加到图像上，从左到右滑动窗口，如果发现窗口内： （1）梯度方向直方图存在对称双峰； （2）灰度直方图存在单一主峰； （3）梯度强度直方图存在非零单一主峰； 那么这说明了该模板T对应的窗口可能是道路段，继续沿水平方向滑动模板，如果发现模板不符合条件，这时需要做特别的处理。由于道路是连续的，模板T可能沿着其它方向延伸，因此以模板

17、窗口的中心点为圆心，半径2L做模板搜索圆，搜索的范围从水平向右开始顺时针到水平向左结束（180度），移动步距可由用户规定比如5度10度。,3.2 高分辨率遥感影像上线状地物的提取方法,五、基于自适应模板的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,六、基于带状Snake的道路提取,Snake模型具有一些经典方法所无法比拟的优点： 图像数据、初始估计、目标轮廓及基于知识的约束统一于一个特征提取过程中； 经适当地初始化后，它能够自主地收敛于能量极小值状态； 尺度空间中由粗到精地极小化能量可以极大地扩展捕获区域和降低计算复杂性。,3.2 高分辨率遥感影像上线状地物的提取方法,六、基于基于

18、带状Snake的道路提取,3.2 高分辨率遥感影像上线状地物的提取方法,3.3高分辨率遥感影像上线状地物提取流程,一、半自动提取现状二、自动提取现状三、半自动提取策略四、半自动提取流程,一、半自动提取现状,“在可预见将来”全自动提取是不太现实的。鉴于此和实际应用的考虑，由人工干预或人工引导的半自动提取将人的模式识别能力和计算机的快速、精确的计算能力有机的结合起来提高效率减轻劳动强度,3.3高分辨率遥感影像上线状地物提取流程,基于对线特征的灰度特征和几何约束的整体优化计算动态规划:导出道路的一般参数模型，将其表达成种子点之间的“代价”函数，以动态规划作为确定种子点之间最优路径的计算工具可变模型或

19、Snakes方法最小二乘B样条,一、半自动提取现状,3.3高分辨率遥感影像上线状地物提取流程,对于自动提取所用的方法大致可以分为三类（1）一类是基于道路本身特性的方法（2）另一类是基于上下文信息的方法（3）第三类是前二者的混合,二、自动提取现状,3.3高分辨率遥感影像上线状地物提取流程,提取的正确率和稳健性、精度、高效率的人机交互这几方面的性能的协调工作，才能充分发挥系统的作用，真正较大地提高测图的效率。因此，算法和提取策略的设计除了要保证高成功率和精度外，还应当遵循以下原则：（1）操作员的输入应当简单（2）提取结果的实时响应（3）允许提取结果的回退操作,三、半自动提取策略,3.3高分辨率遥感

20、影像上线状地物提取流程,具体策略： （1）在依次输入的人工点形成的各段内，以快速的模板匹配和基于神经网络的优化计算快速提取出道路特征的初始值；（2）基于平差模型的自适应模板匹配对每段进行相对独立的提取，即提取各段连续的二次曲线； （3） 最后，由上述提取的结果作为初值，基于最小二乘样条曲线提取算法对其进行精确定位。,三、半自动提取策略,3.3高分辨率遥感影像上线状地物提取流程,3.3高分辨率遥感影像上线状地物提取流程,3.4 面向对象的遥感提取方法,eCognition 软件 基于阈值的分割方法 基于边缘的分割方法 基于区域的分割方法,城市道路遥感影像,道路影像边缘检测结果,3.5 遥感影像上道路的提取,提取出的道路矢量,3.5 遥感影像上道路的提取,3.6 高分辨率遥感影像上铁路的提取,包含城区铁路的QuickBird遥感影像数据,采用面向对象分割的结果,3.6 高分辨率遥感影像上铁路的提取,分割合并后提取的城区铁路道路段,3.6 高分辨率遥感影像上铁路的提取,3.7 基于高分辨率遥感影像的基础空间数据更新,DMC影像,DLG成果,DEM成果,正射影像成果,谢谢,骑封篙尊慈榷灶琴村店矣垦桂乖新压胚奠倘擅寞侥蚀丽鉴晰溶廷箩侣郎虫林森-消化系统疾病的症状体征与检查林森-消化系统疾病的症状体征与检查,