基于任務導向道路提取聯(lián)合濾波.pdf

1、基于高分辨率遙感影像的路網(wǎng)提取是模式識別、計算機視覺、遙感應用等領域研究中的重點與熱點之一。高分遙感影像的細節(jié)豐富，特征多樣。傳統(tǒng)的道路提取方法采用簡單的濾波技術對圖像進行預處理，對遙感影像中顯著道路結構與屬于非道路結構的紋理干擾進行相同程度的平滑，從而影響后續(xù)的檢測結果與效率。在這個背景下，本文圍繞道路提取技術預處理中的兩個主要步驟——對紋理干擾的平滑與對顯著道路結構的增強展開重點研究。
　　首先，本文建立了一種基于認知心理學的

2、圖像顯著結構度量模型(AperiodicDirectional Structure Model)。針對認知心理學中顯著道路結構具有的各向異性、局部方向性等特點，本文建立了一個道路顯著結構數(shù)學度量模型。
　　其次，受圖像引導濾波啟發(fā)，本文提出了一種以道路顯著結構度量模型為導向的自適應平滑方法。本文在道路顯著結構度量模型的指導下，結合線積分卷積方法主要思想，對非道路結構的特征和潛在道路結構特征進行自適應的平滑作用，從而實現(xiàn)對道路結構的

3、保留。
　　最后，本文以道路顯著結構度量模型為導向并結合一致性沖擊濾波算法提出了一種基于任務導向的沖擊濾波增強方法，對屬于道路結構與非道路結構的流線進行不同程度的增強濾波，以增強道路邊緣，提高后續(xù)路網(wǎng)提取算法檢測效率。
　　實驗部分對本文提出的聯(lián)合濾波算法與相關結構感知濾波方法進行了多項對比實驗。另將本文濾波技術直接應用于最新的路網(wǎng)提取算法中進行量化評估，并與其他濾波技術應用于相同算法進行對比實驗。實驗結果顯示，本課題濾波效