APP下载

多源遥感数据的道路提取技术研究现状及展望

2021-03-25贾建鑫孙海彬蒋长辉王跃明王廷槐陈劲松陈育伟

光学精密工程 2021年2期
关键词:特征方法

贾建鑫,孙海彬,蒋长辉,王跃明,王廷槐,陈劲松,陈育伟*

(1.中国科学院深圳先进技术研究院空间信息研究中心,广东深圳518055;2.中国科学院上海技术物理研究所中国科学院智能红外感知重点实验室,上海200083;3.芬兰地球空间研究所摄影测量与遥感部,基尔科努米FI-02430;4.中国科学院上海技术物理研究所中国科学院空间主动光电技术重点实验室,上海200083;5.华为赫尔辛基研究院,赫尔辛基FI-00180)

1 引 言

遥感图像道路提取既是土地利用检测[1]、地理信息系统更新[2]、自然灾害预警[1]、军事打击[3]等传统行业应用的必要步骤,又是数字城市[3]、智能交通[4]等支撑传统基础设施转型,进而形成融合基础设施的新基建领域中关键技术之一。目前用于道路提取的遥感数据主要包括高空间分辨率图像、多光谱/高光谱图像、SAR(Synthetic Aperture Radar)图像和激光/点云图像,每种遥感图像道路提取技术都有各自的特点和优势。近年来,随着高光谱成像系统仪器水平的提升,其在道路信息提取方面的应用效果逐渐提升,并在路面材料识别、路况检测等方面凸显出巨大的潜力。

本文首先介绍了基于四种遥感数据源道路提取技术的发展现状,对不同遥感图像道路提取技术的特点进行了分析和探讨,然后回顾了高光谱成像技术的发展,列举并分析了航天、航空和无人机不同平台的高光谱数据在道路提取方面的应用现状,最后对本文的内容进行了总结和展望。

2 道路提取技术的现状分析

目前用于道路提取的主要遥感数据有高空间分辨率图像、多光谱/高光谱图像、SAR图像和激光/点云图像,其技术特点和应用举例如表1所示,下面分别结合每种遥感技术的特点对道路提取的发展现状展开介绍。……

登录APP查看全文

猜你喜欢

特征方法
如何表达“特征”
不忠诚的四个特征
学习方法
用对方法才能瘦
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼
线性代数的应用特征