何晓飞，周丽琼，李建

(1.成都理工大学地球科学学院，四川成都 610059； 2.四川省地矿局区调队，四川成都 610213)

基于高分辨率遥感影像的车流信息提取

何晓飞1，2∗，周丽琼1，李建1

(1.成都理工大学地球科学学院，四川成都 610059； 2.四川省地矿局区调队，四川成都 610213)

阐述了QuickBird影像的特征及对图像中某些感兴趣信息提取的两种方法:监督分类和阈值法。分别采用ERADS软件和MATLAB软件来提取遥感影像的车流信息。以西南交大九里校区周围区域的QuickBird卫星图像作为研究对象进行研究，可以快速的了解该地区各路段的交通状况，每条道路的车流量估算，从而更好地管理交通，合理布局城市交通网络和建设城市交通。

高分辨率；遥感影像；车辆信息提取；遥感监督分类；阈值法

1 引 言

过去遥感工作者曾利用航空影像进行了一些车辆检测方面的研究。这些文献中，一般采用两种车辆模型:基于外观的隐式模型和显式模型。在0.6 m～1.0 m分辨率的卫星影像上，由于车辆细节信息太少，无法采用模型的方法进行车辆检测。因此，必须开发新的面向高分辨率遥感影像的车辆检测方法。目前，针对高分辨率遥感影像进行车辆检测的研究还很少，且主要针对车辆稀疏的道路，没有涉及停车场的车辆检测，检测率也不理想[1]。文献[2]中提出了模板匹配算法，但是这个方法也存在一些问题:当一个具体目标被检测时，这种匹配方法受到目标物体背景环境的影响，而且匹配度的确定也是一个问题。文献[1]中提出了一种基于形态共享权神经网络的车辆检测方法，该算法能通过形态变换自动确定候选车辆像素集，然后利用MSNN将其中的车辆像素检测出来，这种算法具有一定的可行性。……