基于霍夫变换遥感图像城市道路提取识别.doc

基于霍夫变换遥感图像城市道路提取识别 　　摘 要： 针对利用遥感图像获取城市道路目标信息的识别，为从遥感图像中快速简洁的获取道路信息，本文使用基于霍夫直线和霍夫圆检测的道路检测与提取的方法。由于根据道路的干扰信息多，首先利用中值滤波对灰度化后的图像预处理，得到去除噪声干扰的简化图像，再使用自适应阈值对图像进行分割，对分割后的图像进行边缘检测，再利用道路的线性特征找出不连续道路区域间存在的线性关系，最终提取道路信息。实验表明本文使用的方法为从遥感图像中检测与提取道路提供了一种有效的途径 关键词：遥感图像；道路提取；阈值分割；霍夫变换检测 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）03-0172-03 Extracting and Identifying Urban Roads from Remote Sensing Images Based on Hough Transform LI Jian1，ZHANG Qi-dong2 （1. School of Computer Science， North China University of Technology， Beijing 100144， China； 2.China Telecom Corporation Limited Cloud Computing Branch Corporation， Beijing 100144， China） Abstract：In this paper， a road detection and extraction method based on Hough-line and Hough-circle detection is used to obtain the road information from remote sensing images quickly and concisely for the recognition of urban road target information using remote sensing images. Because the interference information of road is much， the median image is used to preprocess the gray image， and the simplified image is obtained. Then， the image is segmented by adaptive wavelet threshold， and edge detection is carried out on the segmented image， and then uses the linear characteristics of the road to find the discontinuous road area between the linear relationships， and finally extract the road information. Experiments show that the proposed method can provide an effective way to detect and extract roads from remote sensing images. Key words：remote sensing image； road extraction； threshold segmentation； Hough Transform Detection 1 概述 ?m然人在遥感图像中的“分辨”城市道路很容易，可是当前用计算机实现起来却十分困难[1]。从遥感图像中进行道路检测识别经过近几十年的发展，到目前提出来了多种方法。当前城市道路识别主要有半自动特征提取方法和自动特征提取方法。城市道路特征提取的方法分为自动提取包括道路特征的自动识别和几何特征的自动定位，由于当前技术能力的局限性和人工智能AI算法远未达到智能化，城市道路的自动特征提取还很难实现，但却是技术发展的方向和最终的研究目标；城市道路的半自动化提取识别方法结合计算机和人类视觉识别的优点作为研究方向，获得了相对不错的研究成果，因此，目前研究半自动化道路特征的提取和识别在现实中比较实用和可靠[2] 如Gruen A，Li H等人提出了利用动态规划的最小二乘B样条模型算法提取图像中道路目标[3]，此外还根据道路特征特点定义了一个模型，并将其融入动态规划算法中；Baumgartner A， C.Steger， H