王長佳

（61175部隊，南京 210049）

1 引言

與道路段提取相比，高分辨率影像道路網提取是一個相對復雜的過程，需要將整幅影像上具有連通性的道路識別出來。 Poullis［1］和Mena［2］全面地將目前高分辨率影像道路網提取方法進行總結，根據道路網提取過程中知識的使用程度，將高分辨率影像道路網提取分為三類：①基于像素的道路網提??；②基于區(qū)域的道路網提取；③基于知識的道路網提取。

2 基于像素的道路網提取方法

基于像素的道路網提取方法主要從像素點中獲取信息來進行道路提取。通過檢測線、邊緣、脊線特征來提取可能的道路點，然后把道路點連接成道路段，最后對獲得的道路段進行高等級處理獲取道路網。還有一些學者在探索如何利用其他的像素級別的信息，例如方向自適應濾波（Directional Adaptive Filters）、 邊 界 強 度 與 方 位 信 息 （Magnitude and Orientation）等來進行道路網提取。

Yao Lu（2009）分別針對道路網提取中不可忽視的兩大問題（由異物同譜引起的錯誤提取問題以及由路面干擾因素引起的搜索中斷問題）展開研究，設計了基于多向跟蹤與單向跟蹤相結合的道路提取算法（RoadModeler）， 通過初始化道路信息、RoadModeler道路跟蹤、道路后處理等步驟完成道路網提取。驗證實驗表明算法能夠有效克服道路提取存在兩大問題，取得了滿意的效果。

Premnath和Madava等（2013）設計了一種半自動道路網提取算法［3］，通過對影像進行Sobel邊界提取、道路剖面匹配后采用EKF（Extended Kalman Filter）及LLPF（Local Linearization Particle Filter）對道路進行跟蹤，取得了較好的提取效果。

3 基于區(qū)域的道路網提取方法

基于區(qū)域的道路網提取方法首先對圖像進行分割或分類，然后把分割得到的區(qū)域按照一定的規(guī)則不斷細化篩選，最終得到道路網。

Anil和 Natarajan（2013）采用拓撲導數(shù)及形態(tài)學方法提取影像道路網［4］，首先利用拓撲導數(shù)方法對影像進行分割，然后利用形態(tài)學方法從分割影像中識別道路對象，完成道路網的提取。

Wu和Zhao等（2013）對QuickBird高分辨率影像城市道路網提取方法進行研究［5］，提出了一種基于區(qū)域分割的道路網提取算法，通過對高分辨率影像進行分割、合并相似地物、道路信息提取等步驟完成道路網的提取，實驗結果顯示提取精度為87%。

4 基于知識的道路網提取方法

基于知識的方法道路網提取方法使用了更高層次的信息來提取道路，充分利用高分辨率影像上道路光譜特征、幾何特征、上下文特征、空間特征建立道路模型知識庫，通過知識庫中高級知識對分割或分類后影像進行知識發(fā)現(xiàn)，進而提取道路信息。

Nima等人（2013）采用基于人工神經網絡的方法從Spot影像中提取道路［6］，首先將影像像素灰度信息及紋理信息（均值、方差、熵）作為神經網絡分類器輸入參數(shù)，然后利用數(shù)學形態(tài)學操作對分類影像進行處理，去除影像噪聲并連接道路像素。

Byun（2013）提出了一種基于區(qū)域的高分辨率影像自動道路網提取方法［7］，算法通過自動種子點選取、影像自動分割、自動提取道路樣本、基于SVDD（Support Vector Data Description）的道路目標監(jiān)督分類等步驟完成道路網的自動提取。

上述三種道路網提取方法并不是相互獨立的，高分辨率影像上場景復雜，路面干擾因素多，提取道路網時經常需根據影像特征、道路特征融合使用多種算法、多種理論才能取得理想效果。

［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.