通过预测和共线性检验快速提取直线特征

doi:10.6046/gtzyyg.2007.02.06

全文: PDF(1040 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

利用直线和直线条带可以方便地描述道路。在道路影像中，直线往往包含有缝隙，直线条带则会包含孔洞以及附着有不规则块。已有的方法在提取这类不甚理想的基元时都有一些缺陷。针对此情况，本文提出一种新的直线提取思路：首先，提取边缘并细化；然后，依据结构特点得出直线基本段；最后，反复利用已获取的部分预测并检测出后续点。同样的思路也可用于直线条带的提取。实验结果证明，该算法具有优良的性能。

	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
	袁崇桓
	张雍

关键词 ：公路工程, 遥感技术, 地质勘察, 遥感调查, 遥感图像, 工程地质条件, 高等级公路, 公路遥感, 地质遥感, 公路工程地质

Abstract：

Roads can be represented by straight lines or linear bands conveniently. In a road image, a straight line may contain some fissures while a linear band may contain some holes and have some attached irregular blocks. The utilization of existing approaches to extract such features has some obvious defects. In order to overcome these disadvantages, this paper puts forward a new method for line extraction. The method first extracts and thins edge points, then finds a base line segment according to the structural characteristics, and finally predicts and detects the following points iteratively by making use of the obtained part. The same principle can also be used to extract the linear bands of which a road consists. The experimental results show that this method has excellent performance.

收稿日期: 2006-06-22 出版日期: 2009-07-24

TP75

通讯作者: 周绍光（1966-），男，博士后，河海大学土木工程学院副教授，主要从事摄影测量与遥感和数字图像分析研究。

引用本文:

周绍光, 施海亮. 通过预测和共线性检验快速提取直线特征[J]. 国土资源遥感, 2007, 19(2): 23-26.
ZHOU Shao-Guang, SHI Hai-Liang. THE RAPID EXTRACTION OF THE STRAIGHT LINE AND LINEAR BAND FEATURES BY MEANS
OF PREDICTION AND LINEARITY CHECKING. REMOTE SENSING FOR LAND & RESOURCES, 2007, 19(2): 23-26.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2007.02.06 或 https://www.gtzyyg.com/CN/Y2007/V19/I2/23

[1]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[2]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[3]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[4]	郝固状, 甘甫平, 闫柏琨, 李贤庆, 胡辉东. 红崖山水库近20年面积变化遥感调查及驱动力分析[J]. 国土资源遥感, 2021, 33(2): 192-201.
[5]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[6]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[7]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[8]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[9]	古海玲, 陈超, 芦莹, 褚衍丽. 基于卫星遥感技术的区域经济发展模型构建[J]. 国土资源遥感, 2020, 32(2): 226-232.
[10]	叶发茂, 罗威, 苏燕飞, 赵旭青, 肖慧, 闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[11]	谢奇芳, 姚国清, 张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[12]	葛芸, 江顺亮, 叶发茂, 姜昌龙, 陈英, 唐祎玲. 聚合CNN特征的遥感图像检索[J]. 国土资源遥感, 2019, 31(1): 49-57.
[13]	王琳, 李迅, 包云轩, 邵艺. 遥感技术在交通气象灾害监测中的应用进展[J]. 国土资源遥感, 2018, 30(4): 1-7.
[14]	赖家明, 杨武年. 基于RS的川西天然林区近29年植被覆盖动态变化[J]. 国土资源遥感, 2018, 30(4): 132-138.
[15]	赵玉灵. 粤港澳大湾区自然资源遥感调查与保护建议[J]. 国土资源遥感, 2018, 30(4): 139-147.