国外遥感影像道路网提取研究现状

王长佳

（61175部队，南京 210049）

1 引言

与道路段提取相比，高分辨率影像道路网提取是一个相对复杂的过程，需要将整幅影像上具有连通性的道路识别出来。 Poullis［1］和Mena［2］全面地将目前高分辨率影像道路网提取方法进行总结，根据道路网提取过程中知识的使用程度，将高分辨率影像道路网提取分为三类：①基于像素的道路网提取；②基于区域的道路网提取；③基于知识的道路网提取。

2 基于像素的道路网提取方法

基于像素的道路网提取方法主要从像素点中获取信息来进行道路提取。通过检测线、边缘、脊线特征来提取可能的道路点，然后把道路点连接成道路段，最后对获得的道路段进行高等级处理获取道路网。还有一些学者在探索如何利用其他的像素级别的信息，例如方向自适应滤波（Directional Adaptive Filters）、 边 界 强 度 与 方 位 信 息 （Magnitude and Orientation）等来进行道路网提取。

Yao Lu（2009）分别针对道路网提取中不可忽视的两大问题（由异物同谱引起的错误提取问题以及由路面干扰因素引起的搜索中断问题）展开研究，设计了基于多向跟踪与单向跟踪相结合的道路提取算法（RoadModeler）， 通过初始化道路信息、RoadModeler道路跟踪、道路后处理等步骤完成道路网提取。验证实验表明算法能够有效克服道路提取存在两大问题，取得了满意的效果。

Premnath和Madava等（2013）设计了一种半自动道路网提取算法［3］，通过对影像进行Sobel边界提取、道路剖面匹配后采用EKF（Extended Kalman Filter）及LLPF（Local Linearization Particle Filter）对道路进行跟踪，取得了较好的提取效果。

3 基于区域的道路网提取方法

基于区域的道路网提取方法首先对图像进行分割或分类，然后把分割得到的区域按照一定的规则不断细化筛选，最终得到道路网。

Anil和 Natarajan（2013）采用拓扑导数及形态学方法提取影像道路网［4］，首先利用拓扑导数方法对影像进行分割，然后利用形态学方法从分割影像中识别道路对象，完成道路网的提取。

Wu和Zhao等（2013）对QuickBird高分辨率影像城市道路网提取方法进行研究［5］，提出了一种基于区域分割的道路网提取算法，通过对高分辨率影像进行分割、合并相似地物、道路信息提取等步骤完成道路网的提取，实验结果显示提取精度为87%。

4 基于知识的道路网提取方法

基于知识的方法道路网提取方法使用了更高层次的信息来提取道路，充分利用高分辨率影像上道路光谱特征、几何特征、上下文特征、空间特征建立道路模型知识库，通过知识库中高级知识对分割或分类后影像进行知识发现，进而提取道路信息。

Nima等人（2013）采用基于人工神经网络的方法从Spot影像中提取道路［6］，首先将影像像素灰度信息及纹理信息（均值、方差、熵）作为神经网络分类器输入参数，然后利用数学形态学操作对分类影像进行处理，去除影像噪声并连接道路像素。

Byun（2013）提出了一种基于区域的高分辨率影像自动道路网提取方法［7］，算法通过自动种子点选取、影像自动分割、自动提取道路样本、基于SVDD（Support Vector Data Description）的道路目标监督分类等步骤完成道路网的自动提取。

上述三种道路网提取方法并不是相互独立的，高分辨率影像上场景复杂，路面干扰因素多，提取道路网时经常需根据影像特征、道路特征融合使用多种算法、多种理论才能取得理想效果。

［1］Poullis C.,You S.Delineation and Geometric Modeling of Road Networks［J］.ISPRS J.Photogramm.Remote Sens.,2010,65(2):165-181.

［2］Mena J.B.State of the Art on Automatic Road Extraction for GIS Update:A Novel Classification［J］.Pattern Recognit.Lett.,2003,24(16):3037-3058.

［3］PremnathP.,MadavaKrishnanM.,ArulselviS.,Dr Kirankumar.A Novel Method for Road Extraction from SatelliteImages［J］.International Journal of Engineering Sciences&ResearchTechnology,2013,2(5):1273-1278.

［4］Anil P.N.,Natarajan S.Road Extraction Using Topological Derivative and Mathematical Morphology［J］.J Indian Soc Remote Sens，2013,41:719-724.

［5］Wu Wenhuan,Zhao Yingjun,Lu Donghua,Zhang Donghui.The Extraction Research of Urban Road Information based on the High Resolution Quickbird Image［J］.Advanced Materials Research，2013,718-720.

［6］Nima Ghasemloo1,Mohammad Reza Mobasheri,Ahmad Madanchi Zare,Mehran Memar Eftekhari.Road and Tunnel Extractionfrom SPOT SatelliteImagesUsingNeural Networks［J］.Journal of Geographic Information System,2013,5:69-74.

［7］Younggi Byun.ANovelRegion-basedApproach for Automatic Road Extraction from High Resolution Satellite Images［J］.Applied Mechanics and Materials，2013,284-287.