亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于遙感影像的地圖道路網(wǎng)數(shù)據(jù)變化檢測分析

        2021-09-27 03:10:58呂喜容
        經(jīng)緯天地 2021年4期
        關鍵詞:道路網(wǎng)變化檢測結點

        呂喜容

        (廈門億力吉奧信息科技有限公司,福建 廈門 361009)

        0.引言

        道路遙感影像在民生、救災、軍事等方面具有重要作用,因此,研究地圖道路網(wǎng)數(shù)據(jù)變化檢測分析方法,分析同一地區(qū)不同時相的遙感影像,檢測道路網(wǎng)數(shù)據(jù)變化,定位產(chǎn)生變化的道路,判斷變化類型,及時更新道路地圖,具有重要意義。

        當前國內(nèi)外道路變化檢測研究都取得較大發(fā)展,通過圖像配準、目標分割等計算機視覺技術,檢測變化的道路區(qū)域,分類和識別道路變化類型。文獻[1]預處理采集的道路遙感影像,將筆畫寬度作為道路特征,采用均值漂移算法,初始化道路特征信息,在遙感影像的樣本數(shù)據(jù)中,后處理道路數(shù)據(jù),提取符合空間形態(tài)的道路數(shù)據(jù),以及符合屬性特征的信息數(shù)據(jù),但該方法受外界地形和天氣影響較大,道路區(qū)域檢出率較低。文獻[2]構建道路特征編碼器,采用遷移權值算法,區(qū)分道路區(qū)域和非道路區(qū)域的空間幾何特征,利用人工神經(jīng)網(wǎng)絡訓練方法,擬合道路特征,得到道路輻射的主干網(wǎng),但該方法自動化程度較低,道路區(qū)域拓撲結構不連貫,檢測精度較低。針對以上問題,結合區(qū)域遙感影像,設計地圖道路網(wǎng)數(shù)據(jù)變化檢測分析方法,采用旋轉(zhuǎn)滑動模板,聚類遙感圖像中的道路區(qū)域,優(yōu)化道路檢出率和檢測精度。

        1.基于遙感影像的地圖道路網(wǎng)數(shù)據(jù)變化檢測分析方法設計

        1.1 提取遙感影像的道路網(wǎng)數(shù)據(jù)

        采用旋轉(zhuǎn)滑動模板,結合聚類算法,提取遙感影像中的道路網(wǎng)數(shù)據(jù)。將可旋轉(zhuǎn)的滑動模板,作為提取道路網(wǎng)數(shù)據(jù)的基本單元,根據(jù)遙感圖像分辨率,設置模板大小。把遙感圖像輸入旋轉(zhuǎn)滑動模板,滑動矩形模板,0~90°旋轉(zhuǎn)模板,使模板覆蓋所有道路區(qū)域。矩形模板的旋轉(zhuǎn)角度,由計算模板頂點得到,如公式(1)所示:

        式(1)中,(x,y)為模板當前頂點位置;a為旋轉(zhuǎn)角度;(x1,y1)為模板旋轉(zhuǎn)后的頂點位置;m、n分別為模板長度和寬度。將長度遠大于寬度的條狀結構,作為遙感影像中道路的幾何特征,刪除不符合幾何特征的區(qū)域,在模板兩側(cè)設置長方形區(qū)域,取反檢測背景,剔除非道路干擾區(qū)域。采用鄰域均值法,對遙感圖像進行任意角度的一致性檢測,統(tǒng)計模板內(nèi)相似的像素個數(shù),將相似個數(shù)大于設定閾值的模板區(qū)域,作為一致性較高區(qū)域,即地圖道路的候選區(qū)域。

        篩選道路候選區(qū)域,通過特定顏色量化像素值,統(tǒng)計量化后的像素,得到顏色分布的顏色直方圖,將其作為候選區(qū)域的顏色特征,將RGB色彩空間的三原色,轉(zhuǎn)換為HSV中的亮度、飽和度、色調(diào)三個參數(shù),增加顏色直方圖的維度。然后提取道路候選區(qū)域的紋理特征,定義9×9大小的方形窗口,令方形窗口遍歷整幅遙感圖像,比較窗口內(nèi)中心點和其余點的像素值大小,若小于中心點,將像素點位置視作0,否則視作1,從左至右依次讀取位置點數(shù),統(tǒng)計窗口內(nèi)所有像素點的二進制數(shù),將相同的二進制數(shù)歸為一類,記錄二進制數(shù)中的最小數(shù)值,即為候選區(qū)域的紋理特征[3]。

        將提取的顏色特征和紋理特征,輸入k-means聚類算法,不斷修正所有道路區(qū)域和非道路區(qū)域的距離誤差,得到去除廣場、水體等大部分誤檢區(qū)域的道路候選區(qū)域,界定道路區(qū)域和非道路區(qū)域。針對二進制數(shù)的道路網(wǎng)絡二值圖像,檢測二值圖像中的非零部分,把道路端點細化為單像素,將單像素連通區(qū)域作為道路骨架。提取道路骨架,統(tǒng)計骨架內(nèi)與非零像素點歐式距離為1的像素點,當非零像素周圍僅有一個不為零的像素點時,判定該點為骨架末端像素點,否則判定該點處于非末端區(qū)域,標記并連接道路末端的像素點,得到遙感圖像的道路網(wǎng)[4]。至此完成遙感影像道路網(wǎng)數(shù)據(jù)的提取。

        1.2 匹配新道路網(wǎng)數(shù)據(jù)和歷史道路網(wǎng)數(shù)據(jù)

        將遙感影像提取的道路網(wǎng)數(shù)據(jù),作為新道路網(wǎng)數(shù)據(jù),使其與歷史道路網(wǎng)數(shù)據(jù)相匹配。引入徑向基函數(shù)網(wǎng)絡理論,匹配道路網(wǎng)數(shù)據(jù)的幾何信息,包括長度、形狀、方向、結點度、距離,將其作為道路網(wǎng)數(shù)據(jù)的5個空間特征,判斷新道路網(wǎng)和歷史道路網(wǎng)的相似度。利用長度相似度S,判定道路幾何長度的相似程度,如公式(2)所示:

        式(2)中,L、L′分別為新道路網(wǎng)數(shù)據(jù)、歷史道路網(wǎng)數(shù)據(jù)中的道路幾何長度;min、max分別為求最小值函數(shù)、求最大值函數(shù)。利用方向相似度A,判定道路整體走向的相似程度,如公式(3)所示:

        式(3)中,O、O′分別為新數(shù)據(jù)和歷史數(shù)據(jù)中道路首尾結點連線的方向角。利用形狀相似度,綜合描述道路形狀特性,包括綜合型道路、曲線型道路、平直型道路,形狀相似度特征因子f計算公式如公式(4)所示:

        式(4)中,X、X′分別為新數(shù)據(jù)和歷史數(shù)據(jù)中第i個節(jié)點和第i+1個節(jié)點組成向量。形狀相似度G計算公式如公式(5)所示:

        式(5)中,M、M′分別為新數(shù)據(jù)和歷史數(shù)據(jù)中的道路節(jié)點數(shù);ki+1、ki為道路第i+1節(jié)點與起始節(jié)點、i節(jié)點與起始節(jié)點之間累積長度與道路總長度的比值[5]。利用距離相似度F,描述道路之間的相對位置差異,計算公式如公式(6)所示:

        式(6)中,U為新數(shù)據(jù)和歷史數(shù)據(jù)中的道路Hausdorff距離;B為新數(shù)據(jù)中道路生成的搜索緩沖區(qū)半徑。利用結點相似度D,判定新數(shù)據(jù)和歷史數(shù)據(jù)中,道路兩端結點的結點度相似程度,對道路首尾結點的相似度進行分權求和,結點相似度D計算公式如公式(7)所示:

        式(7)中,J、J′分別為新數(shù)據(jù)和歷史數(shù)據(jù)中的道路首結點結點度;P、P′分別為新數(shù)據(jù)和歷史數(shù)據(jù)中的道路尾結點結點度。構建三層結構的人工神經(jīng)網(wǎng)絡,把5個空間特征相似度值,作為網(wǎng)絡輸入信號,非線性連接網(wǎng)絡結構,迭代訓練神經(jīng)元輸出值,輸出新道路網(wǎng)數(shù)據(jù)和歷史道路網(wǎng)數(shù)據(jù)的匹配度。采用非參數(shù)化離散算法,由輸出層至輸入層逆向傳播誤差信號,結合不同結構的神經(jīng)元概率函數(shù),修正網(wǎng)絡連接權值,最小化誤差信號,消除匹配度輸出值和真實值之間的偏差。歸一化處理輸出的最終匹配度I,計算公式如公式(8)所示:

        式(8)中,h為隱含層輸出值;l為神經(jīng)網(wǎng)絡連接權值。將匹配度最高的新道路網(wǎng)數(shù)據(jù)和歷史道路網(wǎng)數(shù)據(jù),作為最佳匹配,確定兩份數(shù)據(jù)為同名要素。至此完成新道路網(wǎng)數(shù)據(jù)和歷史道路網(wǎng)數(shù)據(jù)的匹配。

        1.3 檢測匹配道路網(wǎng)數(shù)據(jù)變化

        計算匹配道路網(wǎng)數(shù)據(jù)變化特征,檢測新道路和歷史道路的變化。計算道路空間變化特征,設置道路路長變化閾值,當長度相似度小于閾值,判定道路長度發(fā)生變化,否則未發(fā)生變化,若發(fā)生變化時,當L>L′,判定道路變化類型為延長,否則為縮短。設置道路路型變化閾值、方向變化閾值、距離變化閾值,當形狀相似度小于路型變化閾值時,判定道路發(fā)生局部形變,否則未發(fā)生變化,當方向相似度小于方向變化閾值時,判定道路發(fā)生旋轉(zhuǎn)變化,否則未發(fā)生變化,當距離相似度小于距離變化閾值時,判定道路發(fā)生位置變化,否則未發(fā)生變化。通過道路弧段結點度,衡量道路結點是否發(fā)生變化,其結點度V計算公式如公式(9)所示:

        式(9)中,C、C′分別為新數(shù)據(jù)和歷史數(shù)據(jù)中道路弧段的結點度,當結點度大于0時,判定道路結點度增加,結點度小于0,判定道路結點度減小,結點度等于0,則判定道路結點度保持不變。分析道路屬性變化特征,包括寬度、名稱、材質(zhì)、等級、車道數(shù)等附屬信息,通過字符相加形式,把道路所有屬性值,都合并到新增屬性字段中。道路新增屬性字段Z計算公式,如公式(10)所示:

        式(10)中,Z1、Z2、L、Zn為道路各屬性字段;N為道路包含的屬性類別。采用重心后移規(guī)律匹配算法,計算新增屬性字段的相似度,設置道路屬性變化閾值,當屬性相似度低于閾值時,判定道路屬性發(fā)生變化,否則未發(fā)生變化。劃分決策數(shù)結點為內(nèi)部結點和葉結點,使其分別表示一個道路特征,以及特征對應的道路變化。采用決策樹生成算法,排序道路網(wǎng)數(shù)據(jù)幾何變化特征、屬性變化特征的影響力值,根據(jù)影響力值設定決策樹的結點值。影響力值K計算公式如公式(11)所示:

        式(11)中,g(j,E)為第j個遙感影像樣本數(shù)據(jù)中第E個道路變化特征的影響力值,S為樣本數(shù)量。從大到小依次排序變化特征的影響力值,生成決策樹的樹形結構,遞歸選擇最優(yōu)變化特征,映射道路變化特征和變化類型,其映射關系如下:長度變化特征對應道路延長和縮短,方向變化特征對應道路旋轉(zhuǎn)變化,形狀變化特征對應道路局部變形,距離變化特征對應道路位置變化,結點度變化特征對應道路結點度增加、結點度減小,屬性變化特征對應道路屬性變化。將信息增益作為最優(yōu)變化特征的選擇準則,遍歷遙感影像中的所有樣本數(shù)據(jù),根據(jù)決策樹檢測到的最優(yōu)變化特征,判斷并分類道路網(wǎng)數(shù)據(jù)變化。至此完成匹配道路網(wǎng)數(shù)據(jù)變化的檢測,實現(xiàn)結合區(qū)域遙感影像,地圖道路網(wǎng)數(shù)據(jù)變化檢測分析方法的設計。

        2.實驗論證分析

        將此次設計方法(方法1),與用于地圖道路網(wǎng)數(shù)據(jù)變化檢測分析的核密度檢測方法(方法2)、貝葉斯網(wǎng)絡檢測方法(方法3),進行對比實驗,比較三組分析方法的檢測性能。

        2.1 實驗準備

        選擇某城市2000年基礎道路網(wǎng)數(shù)據(jù)和2020年基礎道路網(wǎng)數(shù)據(jù),包括縣鄉(xiāng)道、省道、國道三類道路,將2000年數(shù)據(jù)作為歷史數(shù)據(jù),共有1426條道路,將2020年數(shù)據(jù)作為新數(shù)據(jù),共有1883條道路,統(tǒng)計的道路網(wǎng)數(shù)據(jù)變化(如表1所示):

        表1 道路網(wǎng)數(shù)據(jù)變化統(tǒng)計

        三組方法分別檢測該城市的道路網(wǎng)數(shù)據(jù)變化。選擇15-20級的高分辨率遙感影像,作為提取地圖道路網(wǎng)數(shù)據(jù)的實驗對象,采集遙感影像的外界條件不同,包括夜晚場景和白天場景,陰影和光照變化較大,其比例尺和空間分辨率(如表2所示):

        表2 遙感影像比例尺和空間分辨率

        不同級別遙感影像的圖像分辨率都為256×280。設計方法在遙感影像中提取道路候選區(qū)域,旋轉(zhuǎn)滑動模板的檢測顯示(如圖1所示):

        圖1 遙感圖像道路網(wǎng)數(shù)據(jù)提取

        左圖為用于檢測的18級遙感圖像,右圖為使用40×10像素大小滑動模板后,提取的道路候選區(qū)域。

        2.2 實驗結果

        2.2.1 道路檢出率實驗結果

        針對白天場景和夜晚場景的遙感圖像,比較三組方法的道路檢出率,檢出率C計算公式如公式(12)所示:

        式(12)中,b、c分別為真實道路區(qū)域和非道路區(qū)域中,檢測為道路區(qū)域的像素點個數(shù)。道路檢出率的實驗對比結果(如圖2所示):

        圖2 道路檢出率實驗對比結果

        表3 道路檢出率實驗對比表

        由圖2可知:夜晚場景中的道路檢出率要低于白天場景,針對白天場景的遙感圖像,設計方法道路檢出率均值為96.8%,相比核密度檢測方法、貝葉斯網(wǎng)絡檢測方法,本設計方法道路檢出率分別提高了4.5%、9.3%。針對夜晚場景的遙感圖像,設計方法道路檢出率均值為92.7%,相比核密度檢測方法、貝葉斯網(wǎng)絡檢測方法,設計方法道路檢出率分別提高了5.3%、9.1%。兩個時段平均分別提高了4.9%、9.2%。

        在遙感圖像中提取的道路網(wǎng)數(shù)據(jù),明顯多于另兩組方法,檢測的道路區(qū)域更加全面。

        2.2.2 道路檢測精度實驗結果

        針對白天場景和夜晚場景的遙感圖像,比較三組方法的道路檢測精度,檢測精度O計算公式如公式(13)所示:

        式(13)中,O為真實道路區(qū)域中,檢測為非道路區(qū)域的像素點個數(shù)。道路檢測精度實驗對比結果(如圖3所示):

        由圖3可知:夜晚場景中的道路檢測精度同樣低于白天場景,針對白天場景的遙感圖像,設計方法道路檢測精度均值為98.4%,相比核密度檢測方法、貝葉斯網(wǎng)絡檢測方法,設計方法道路檢測精度分別提高了10.6%、16.8%。針對夜晚場景的遙感圖像,設計方法道路檢測精度均值為88.1%,相比核密度檢測方法、貝葉斯網(wǎng)絡檢測方法,設計方法道路檢測精度分別提高了5.3%、10.2%。兩個時段平均分別提高了8.0%、13.5%。

        圖3 道路檢測精度實驗對比結果

        表4 道路檢測精度實驗對比表

        在遙感圖像中提取的道路網(wǎng)數(shù)據(jù)更加準確,充分刪除了圖像中的非道路區(qū)域。

        2.2.3 道路變化檢測精度實驗結果

        比較三組方法的道路變化檢測精度,變化檢測精度計算公式如公式(14)所示:

        式(14)中,p為正確檢測到發(fā)生變化,且對變化類型判斷正確的道路數(shù)量;v為正確檢測到未發(fā)生變化的道路數(shù)量;q為檢測到的道路總數(shù)量。三組方法的實驗對比結果(如圖4所示):

        由圖4可知:設計方法道路變化檢測精度均值為96.6%,對道路屬性變化判斷最為準確,檢測精度高達98.3%,核密度檢測方法、貝葉斯網(wǎng)絡檢測方法道路變化檢測精度均值分別為87.1%和82.6%,設計方法道路變化檢測精度分別提高了9.5%、14.0%,提高了對道路變化類型的檢測準確度,檢測結果更加真實可靠。

        圖4 道路變化檢測精度實驗對比結果

        表5 道路變化檢測精度實驗對比表

        3.結束語

        此次研究結合遙感影像,設計了一組地圖道路網(wǎng)數(shù)據(jù)變化檢測方法,提高了道路檢出率和檢測精度,對道路變化類型的判斷更為準確。但此次研究仍存在一定不足,在今后的研究中,會將道路檢測過程與障礙物檢測過程相融合,提升道路檢測算法的準確性,使分析方法能夠適應多種環(huán)境且復雜多變的道路環(huán)境。

        猜你喜歡
        道路網(wǎng)變化檢測結點
        用于遙感圖像變化檢測的全尺度特征聚合網(wǎng)絡
        基于多尺度紋理特征的SAR影像變化檢測
        基于稀疏表示的視網(wǎng)膜圖像對變化檢測
        Ladyzhenskaya流體力學方程組的確定模與確定結點個數(shù)估計
        基于Landsat影像的黃豐橋林場森林變化檢測研究
        高速公路與中小城市道路網(wǎng)連接線關鍵問題研究——以廣陜、廣巴高速大石互通連接線工程為例
        國外遙感影像道路網(wǎng)提取研究現(xiàn)狀
        影像技術(2015年4期)2015-02-11 02:57:01
        道路網(wǎng)中基于RRN-Tree的CKNN查詢
        計算機工程(2014年6期)2014-02-28 01:27:57
        基于Raspberry PI為結點的天氣云測量網(wǎng)絡實現(xiàn)
        海南省省道路網(wǎng)調(diào)整規(guī)劃編制要點分析
        内射白浆一区二区在线观看| 亚洲AV成人无码天堂| 日韩女同一区在线观看| 青青草免费高清视频在线观看| 亚洲日本高清一区二区| 97久人人做人人妻人人玩精品| 国产成人精品日本亚洲11| 热の国产AV| 久久狠色噜噜狠狠狠狠97| 国产高清大片一级黄色| 欧美xxxxx高潮喷水麻豆| 草草久久久无码国产专区| 亚洲天堂在线播放| 日韩精品一区二区av在线| 日本a级一级淫片免费观看| 肉体裸交137日本大胆摄影| 在线一区不卡网址观看| 农村国产毛片一区二区三区女| 日韩人妻精品中文字幕专区| 亚洲а∨精品天堂在线| 97人妻碰免费视频| 在线视频免费自拍亚洲| 国产熟妇疯狂4p交在线播放| 亚洲中文字幕无码久久2020| 狠狠躁夜夜躁人人爽天天不卡| 日韩人妻免费视频一专区| 亚欧色一区w666天堂| 999国产精品视频| 日韩中文字幕一区在线| 日日麻批免费40分钟无码| 国产精品熟女视频一区二区| 国产福利酱国产一区二区| 亚洲女同高清精品一区二区99| 99riav国产精品视频| 国农村精品国产自线拍| 久久狠狠爱亚洲综合影院| 男女性爽大片视频| 亚洲大片一区二区三区四区| 一区二区三区国产在线视频| 久久综合亚洲色一区二区三区 | 国产亚洲av片在线观看18女人 |