基于道路绿地特征的遥感影像道路信息提取方法研究

doi:10.6046/gtzyyg.2011.02.08

全文: PDF(2022 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要针对高空间分辨率卫星遥感图像上道路绿地的特点，提出一种基于道路绿地形状和空间分布特征识别道路边线和中心线的方法。在基于NDVI提取绿地信息的基础上，根据道路绿地的形状特征（细长），采用面积、主轴方向、紧致度、矩形度和长宽比等形状指数，区分道路绿地与其他绿地；根据道路绿地之间以及道路绿地和道路之间的空间关系特征，同时通过生成已知道路绿地区域的缓冲区，分隔那些与非道路绿地连成一片的道路绿地；最后，根据道路绿地的方向和距离特征提取出道路边线和中心线。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ： SIR-C全极化, 极化合成, 目标分解, 土地覆盖

Abstract：In consideration of characteristics of road greenbelts in high spatial resolution satellite imagery, this paper proposes a method combining features of shape with those of spatial distribution of road greenbelts to recognize road edges and road centerlines. The method first extracts greenbelt information from a NDVI image, then differentiates road greenbelts from other greenbelts by means of linear features of road greenbelts and their related shape indices such as area, principal axis direction, compactness, rectangularity, and ratio of width and length. After that, the road greenbelts adjacent to other greenbelts are separated by generating buffers of known road greenbelts as well as according to the spatial relationships between different greenbelts and between road greenbelts and other greenbelts. Finally road edges and road centerlines are extracted in accordance with the direction and distance characteristics of road greenbelts.

Key words： SIR-C Polarization synthesis Target decomposition Land cover

出版日期: 2011-06-17

TP 75

基金资助:

国家自然科学基金项目(编号： 40871206); 国家科技支撑计划项目(编号： 2007BAH16B01)。

作者简介: 董占杰(1985- )，男，在读硕士研究生，研究方向为空间数据挖掘与地理知识工程。

引用本文:

董占杰, 毛政元. 基于道路绿地特征的遥感影像道路信息提取方法研究[J]. 国土资源遥感, 2011, 23(2): 43-46.
DONG Zhan-Jie, MAO Zheng-Yuan. Methodological Research on Road Extraction Based on Characteristics
of Road Greenbelts in Remotely Sensed Imagery. REMOTE SENSING FOR LAND & RESOURCES, 2011, 23(2): 43-46.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2011.02.08 或 https://www.gtzyyg.com/CN/Y2011/V23/I2/43

[1]	方梦阳, 刘晓煌, 孔凡全, 李明哲, 裴小龙. 一种基于GEE平台制作逐年土地覆盖数据的方法——以黄河流域为例[J]. 自然资源遥感, 2022, 34(1): 135-141.
[2]	黄鹏艳, 卜丽静, 范永良. 结合视觉特征的极化SAR图像分类[J]. 国土资源遥感, 2020, 32(2): 88-93.
[3]	刘畅, 杨康, 程亮, 李满春, 郭紫燕. Landsat8不透水面遥感信息提取方法对比[J]. 国土资源遥感, 2019, 31(3): 148-156.
[4]	崔林林, 袁乔, 李国胜. 黑龙江省大气水汽含量及其影响因素分析[J]. 国土资源遥感, 2019, 31(1): 79-86.
[5]	于冰, 王继燕, 苏勇, 肖东升, 刘福臻. 基于像元转换的土地覆盖变化监测方法——以北京市区县为例[J]. 国土资源遥感, 2018, 30(3): 60-67.
[6]	徐佳, 袁春琦, 程圆娥, 曾晨雨, 许康. 基于主动深度学习的极化SAR图像分类[J]. 国土资源遥感, 2018, 30(1): 72-77.
[7]	徐志刚, 郑鸿瑞, 戴晨曦, 高鹏, 杜培军. 永定客家土楼世界遗产地土地覆盖与生态变化遥感评价[J]. 国土资源遥感, 2018, 30(1): 102-108.
[8]	刁娇娇, 龚鑫烨, 李明诗. 利用综合变化检测方法进行土地覆盖变化制图[J]. 国土资源遥感, 2018, 30(1): 157-165.
[9]	虞舟鲁, 王文超, 戎奕, 沈掌泉. 基于子像元交换算法和地形数据的土地覆盖亚像元制图研究[J]. 国土资源遥感, 2017, 29(4): 88-97.
[10]	许斌. 基于非高斯分布的全极化SAR数据无监督分类[J]. 国土资源遥感, 2017, 29(2): 90-96.
[11]	祁帅, 张永红, 汪慧琴. 林火干扰区全极化SAR影像的散射特性分析[J]. 国土资源遥感, 2016, 28(2): 48-53.
[12]	田绍鸿, 张显峰. 采用随机森林法的天绘数据干旱区城市土地覆盖分类[J]. 国土资源遥感, 2016, 28(1): 43-49.
[13]	陈爱玲, 都金康. 基于CA-Markov模型的秦淮河流域土地覆盖格局模拟预测[J]. 国土资源遥感, 2014, 26(2): 184-189.
[14]	张冬华, 张春华, 刘芮, 姜焱光. 基于Mini-RF雷达数据的月球水冰探测[J]. 国土资源遥感, 2014, 26(1): 110-114.
[15]	陈宇, 杜培军, 唐伟成, 柳思聪. 基于BJ-1小卫星遥感数据的矿区土地覆盖变化检测[J]. 国土资源遥感, 2011, 23(3): 146-150.