张 勇，牛成磊，谷正气， 李 健， 夏 威

（1.湖南工业大学 机械工程学院，湖南 株洲 412007；2.北京中科戎大信息技术有限公司，北京 100190；3.中国交通通讯信息中心，北京 100011）

结合SURF与SVM的高分遥感影像车辆提取技术

张 勇1，牛成磊2，谷正气1， 李 健1， 夏 威3

（1.湖南工业大学 机械工程学院，湖南 株洲 412007；2.北京中科戎大信息技术有限公司，北京 100190；3.中国交通通讯信息中心，北京 100011）

从高分遥感影像中提取车辆信息，对民用和军事领域具有重要意义。为提高车辆信息提取的精度和效率，提出SURF特征和支持向量机（SVM）相结合的方法，对感兴趣区域的车辆进行提取。通过边缘信息消除冗余图像，利用半搜索策略滑动窗口，以提高车辆识别精度，减少计算量。对深圳南山区0.25m分辨率的遥感影像进行车辆提取测试，测试结果表明：车辆提取的错误率低于20%；车辆提取时间控制在分钟级，本算法具有一定的工程适用性。

高分辨率；遥感影像；车辆提取；支持向量机；SURF特征

0 引言

高分遥感已进入“平民化”时代，将其应用于交通行业成为研究热点。从遥感影像提取的车辆信息可用于交通调查和分析。与传统的车辆信息获取方式相比，该方法具有宏观性强、可视化、效率高、节省时间等诸多优点。然而，如何从遥感影像中有效地提取车辆信息，成为实际应用的瓶颈。

在0.6～1.0m分辨率范围内的高分遥感影像中，车辆的基本轮廓清晰可见。对此，1996年R. Ruskone等人[1]提出使用结构轮廓特征提取车辆信息。2001年Zhao Tao等人[2]提出使用一阶差分梯度法提取车辆信息。……