胡秀云

（信阳师范学院华锐学院 社会科学系，河南 信阳 464000）

0 引言

长期以来，遥感影像道路提取被认为是遥感、计算机视觉、GIS等领域的研究热点之一。在高分辨率遥感影像中，道路表现为具有一定长度和宽度，拓扑结构复杂的一类地物[1]，且受非目标地物（车辆、行人、树木阴影等）影响较大。因此，在高分辨率遥感影像上进行道路提取一直被认为是一项很具难度的工作。

活动轮廓模型是一种自上而下的能够有效融合上层知识和底层图像特征的处理过程，特别适用于建模以及提取任意形状的变形轮廓等。已有许多学者将活动轮廓模型应用于道路提取，并取得了一定的研究成果[1-2]，但是这些已有的方法有的仅适用于乡村等背景简单的场景[2]；有的人工干预较多，且时间效率较低[1]。

水平集表达模型作为活动轮廓模型研究的一个重要分支，当提取对象是图像中的所有目标的边界时，水平集表达模型是一种很有效的方法[3-7]。但是，如果仅需要提取感兴趣的目标，特别是对于背景比较复杂的图像，则利用该方法进行目标提取就变得很具难度。本文以城区高分辨遥感影像主干道路为研究对象，在现有研究成果的基础上，提出一种适用于提取复杂背景下感兴趣目标的变分水平集方法，并在第3节，利用多幅QuickBird卫星高分辨率遥感影像对该模型的有效性进行了验证。实验结果表明该模型能够较精确地从复杂背景中提取出道路，具有较强的抗干扰能力。……