[發(fā)明專利]一種基于改進MRF的高分辨率遙感影像道路提取方法及裝置在審
| 申請?zhí)枺?/td> | 201910208455.5 | 申請日: | 2019-03-19 |
| 公開(公告)號: | CN110084107A | 公開(公告)日: | 2019-08-02 |
| 發(fā)明(設(shè)計)人: | 周宏宇;何方;李鵬偉;宋旭;劉國英 | 申請(專利權(quán))人: | 安陽師范學院 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/34 |
| 代理公司: | 北京慕達星云知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465 | 代理人: | 曹鵬飛 |
| 地址: | 455000 *** | 國省代碼: | 河南;41 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 高分辨率遙感影像 道路網(wǎng) 道路對象 道路提取 特征場 去除 預處理 陰影 數(shù)學形態(tài)學 道路區(qū)域 高魯棒性 空間關(guān)系 能量函數(shù) 特征構(gòu)建 遙感影像 影像對象 影像分割 正確率 最小化 光譜 圖割 運算 改進 影像 場景 分割 | ||
1.一種基于改進MRF的高分辨率遙感影像道路提取方法,其特征在于,包括:
獲取待提取道路區(qū)域的高分辨率遙感影像,對所述高分辨率遙感影像進行預處理去除陰影;
對去除陰影后的影像進行分割獲取影像對象;
根據(jù)道路光譜、形狀、空間關(guān)系特征構(gòu)建MRF特征場模型,對基于MRF特征場模型定義的能量函數(shù)使用圖割的方法求其最小化,從影像分割對象中提取出道路對象;
將所述道路對象通過數(shù)學形態(tài)學的相關(guān)運算進行處理,實現(xiàn)道路的提取形成道路網(wǎng)。
2.如權(quán)利要求1所述的一種基于改進MRF的高分辨率遙感影像道路提取方法,其特征在于,對所述高分辨率遙感影像進行預處理去除陰影,包括:
對所述高分辨率遙感影像進行轉(zhuǎn)換為HIS圖像;
獲取(S-I)/(S+I)歸一化差值圖及分量圖I;
根據(jù)雙閾值分割處理所述歸一化差值圖,生成相應(yīng)的陰影區(qū)域;
對分量圖I、H、S上各個獨立陰影區(qū)域與其鄰近的非陰影區(qū)域進行亮度匹配補償、飽和度匹配補償;
將匹配補償后的分量圖從HSI空間再反變換回RGB空間,完成遙感影像陰影去除。
3.如權(quán)利要求1所述的一種基于改進MRF的高分辨率遙感影像道路提取方法,其特征在于,對去除陰影后的影像進行分割獲取影像對象,包括:
去除陰影后的遙感影像采用浸沒模型的區(qū)域生長型分水嶺算法進行分割;
通過最小面積閾值和區(qū)域間最大平均灰度差來約束所述分水嶺算法的合并過程:
當分割結(jié)果中的最小區(qū)域小于所述最小面積閾值、且所述最小區(qū)域與其各鄰接區(qū)域的最小灰度差小于所述區(qū)域間最大平均灰度差,則合并。
4.如權(quán)利要求1所述的一種基于改進MRF的高分辨率遙感影像道路提取方法,其特征在于,所述能量函數(shù)如下式所示:
其中,Vc(f)為集團勢能函數(shù),c為階次,L為狀態(tài)函數(shù),F(xiàn)是所有可能的配置空間,f=fs:s∈Ω,fs∈{0,1},Ω是分割結(jié)果集合;C是模型的所有集團或集團空間的集合;s表示分割對象;ys表示觀測值。
5.如權(quán)利要求4所述的一種基于改進MRF的高分辨率遙感影像道路提取方法,其特征在于,對基于MRF特征場模型定義的能量函數(shù)使用圖割的方法求其最小化,包括:
定義使用圖割最小化的能量函數(shù);
設(shè)x=(x1,L,xm):xs={0,1}為一組二值變量,相應(yīng)的能量函數(shù)為:
創(chuàng)建了一個能量圖,所述能量圖的最小割對應(yīng)著能量函數(shù)E(x)最小化;
根據(jù)求解圖的最小割,獲得能量函數(shù)E(x)的最小化值。
6.如權(quán)利要求5所述的一種基于改進MRF的高分辨率遙感影像道路提取方法,其特征在于,從影像分割對象中提取出道路對象,包括:
根據(jù)圖割能量函數(shù),從影像分割對象中提取出道路對象;所述圖割能量函數(shù)如下:
式中:s∈Ω,fs∈{0,1},Ω是分割結(jié)果集合;s表示分割對象;ys表示觀測值;V1(fs)被用來解釋孤立分割段情況下的端點懲罰,以及檢測出在遠離圖像邊界處有自由端點的分割段;V2(fs,ft)表示包含兩個節(jié)點的集團;t表示連接段;Ns表示分割對象s的鄰域;Ωd表示包含分割對象s的分割結(jié)果集合;Ωc表示包含連接段t的分割結(jié)果集合。
7.如權(quán)利要求6所述的一種基于改進MRF的高分辨率遙感影像道路提取方法,其特征在于,將所述道路對象通過數(shù)學形態(tài)學的相關(guān)運算進行處理,包括:
通過二值數(shù)學形態(tài)學的相關(guān)操作來進行處理;所述相關(guān)的操作通過選擇相應(yīng)的結(jié)構(gòu)元素,對影像進行方向腐蝕、膨脹、去除粘連的圖斑及連接斷裂處。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于安陽師范學院,未經(jīng)安陽師范學院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910208455.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
- 地圖匹配方法、地圖匹配設(shè)備、用于形狀匹配的數(shù)據(jù)庫、和形狀匹配設(shè)備
- 一種導航方法和裝置
- 一種道路網(wǎng)結(jié)構(gòu)模式的自動識別方法
- 一種道路數(shù)據(jù)存儲方法及設(shè)備
- 一種道路網(wǎng)拓撲數(shù)據(jù)更新的方法及裝置
- 道路網(wǎng)更新方法及裝置
- 自動駕駛中用于生成信息的方法和裝置
- 一種結(jié)合POI數(shù)據(jù)的道路網(wǎng)自動選取方法
- ADAS道路網(wǎng)樹的融合方法及系統(tǒng)、服務(wù)器及介質(zhì)
- 道路網(wǎng)絡(luò)補全方法、裝置、電子設(shè)備及可讀存儲介質(zhì)
- 數(shù)字地圖位置信息通信方法、執(zhí)行該方法的程序、程序產(chǎn)品、系統(tǒng)以及設(shè)備
- 通過跟蹤行人從視頻序列進行三維道路布局估計
- 路徑設(shè)定系統(tǒng)、路徑設(shè)定方法及其程序
- 目標對象的定位方法和裝置
- 道路對象的行為識別方法及裝置、電子設(shè)備和存儲介質(zhì)
- 道路對象數(shù)據(jù)的標注方法及裝置、電子設(shè)備和存儲介質(zhì)
- 一種圖像處理方法、裝置以及電子設(shè)備
- 用于對道路上的對象進行分類的方法和設(shè)備、計算機程序及存儲介質(zhì)
- 數(shù)據(jù)處理方法、裝置、存儲介質(zhì)及計算機設(shè)備
- 將道路對象與道路自動關(guān)聯(lián)的方法、裝置、設(shè)備和介質(zhì)
- 利用非下采樣輪廓波方向場的道路提取方法
- 一種結(jié)合核Fisher與多尺度提取的遙感影像道路獲取方法
- 高光譜圖像的道路提取方法及裝置
- 一種基于自適應(yīng)聚類學習的道路網(wǎng)提取的方法
- 道路智能提取方法和裝置、提取模型構(gòu)建方法及混合導航系統(tǒng)
- 基于深度學習的遙感影像道路提取方法及系統(tǒng)、存儲介質(zhì)、電子設(shè)備
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)回歸的道路中心線和雙線提取方法
- 道路邊線提取方法、裝置、設(shè)備和介質(zhì)
- 遙感影像道路提取方法及裝置
- 一種道路中心線提取方法、裝置、存儲介質(zhì)及終端設(shè)備





