吴激涛 刘 荣

(东华理工大学 测绘工程学院, 江西 南昌 330013)

0 引言

道路对于城市的治理和建设起着至关重要的作用,随着遥感影像分辨率越来越高,道路成了一种地物信息的重要获取源,因此寻求一种快速、精确的道路提取方法成为遥感影像处理的热门研究方向[1]。

传统的道路提取方法可分为模板匹配法、SNAKES模型法、边缘检测算子与光谱和纹理信息相结合的方法、根据影像纹理和影像光谱对影像分类后进行提取等[2]。上述方法都是基于影像像素的,因此,当目标道路周围的地物较为复杂，在处理分辨率较高的影像时会受到比较严重的噪声影响,提取的精度和效率也会随之降低。

本文使用的方法是基于超像素分割算法(Simple Linear Iterative Clustering, SLIC)和自适应阈值分割算法(OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法)相结合的道路提取方法。相比传统方法,使用本文方法对影像聚类时受到的图像中噪声的影响会更小,使K-means(K均值聚类算法)聚类后的影像更加准确,用绿色植被指数(Green Vegetation Index, GVI)将植被信息滤除,使用OTSU算法将过滤后影像进行分割，获取影像中的人工区域,通过面积特征指数将人工区域的非道路部分滤除,最后使用区域生长算法使提取的道路网更为完整。

1 SLIC与OTSU结合的道路提取方法

SLIC超像素分割与OTSU自适应阈值相结合的道路提取的主要步骤:

(1)对原影像使用SLIC超像素分割算法进行分割。

(2)使用改进的K-means聚类算法对分割后的超像素影像进行非监督分类。……