[发明专利]一种利用高光谱进行道路提取的方法

说明书

本发明公开一种利用高光谱进行道路提取的方法，高光谱图像数据经过预处理后，首先进行非监督分类方法对区域地物开展分类，之后对高光谱图像进行边缘提取，并在此基础上提取线状特征，实现对道路的探测，接下来在道路的区域结合道路不同材质的光谱特征得到道路分类结果。

技术领域

本发明涉及一种利用光谱图像进行道路提取的方法，属于遥感图像定性分析的应用领域。

背景技术

在进行城市区域规划过程中，往往需要对区域中的道路进行重新调查，获取道路的分布，道路是否是沥青、水泥、石子或土路，如果采用人工调查的方式，往往需要耗费大量的人力物力。

而利用光谱遥感图像，就可以利用计算机的优势，在短时间内获取精确的大范围的道路情况。

发明内容

本发明要解决的技术问题是提供一种利用高光谱进行道路提取的方法。

为了解决上述技术问题，本发明采用以下技术方案：

提供一种利用高光谱进行道路提取的方法，结合非监督和有监督方法，提高道路提取的有效性，该方法包括如下步骤：

(1)首先对高光谱图像进行最小噪声分离(Minimum Noise Fraction,MNF)，消除噪声。最小噪声分离用于判定图像数据内在的维数，分离数据中的噪声，其本质上是两次层叠的主成分变换。第一次变换基于估计的噪声协方差矩阵，用于分离和重新调节数据中的噪声，这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关。第二次变换是对噪声白化数据的标准主成分变换。MNF变换后的波段具有不同物理与数学意义，比如MNF波段1代表整个波段的亮度背景，光谱信息主要体现在2～6波段，噪声也逐渐出现。考虑到光谱信息主要在2～6波段，所以后续处理步骤只在MNF1～6波段进行。

(2)进行非监督分类，获取不同的区域。非监督分类根据待分类样本特征参数的统计特征，建立决策规则来进行分类，不需要事先知道类别特征。把各样本的空间分布按相似性分割或合并成一群集，每一群集代表的地物类别。可以采用经典的KNN(k-NearestNeighbor)等算法。

(3)对非监督分类的结果进行边缘提取。不同于传统的边缘提取直接在灰度或彩色图像上提取，这里边缘提取在无监督分类结果图上提取，是一种面向对象的边缘提取。在对象发生变化的地方标记为边缘。

(4)对边缘提取结果进行处理，获取线特征。主要对边缘结果根据霍夫变换提取线特征。霍夫变换线特征提取主要利用极坐标系直线用参数极径和极角(r，θ)表示，由于对于每一个给定点，所有通过它的直线将在极坐标系得到一条正弦曲线，如果比较多的正弦曲线相交于一点，则认为这些点构成了一条直线。

(5)提取不同道路如土路、石质路、水泥路、柏油路等光谱曲线，分析其光谱特征。该工作可以采用两种，一是根据公开的实验室采集光谱进行分析，比如美国USGS光盘库，二是实地调研，采集光谱曲线。建议有条件的情况下，采用实地调研光谱，因为每个地理环境形成的道路光谱曲线由于成分不一样，具有明显的光谱差异。

(6)对提取的线特征进行分类，获取不同材质的道路结果。可以采用最简单的光谱角匹配方法来确定道路的不同材质。给定两条光谱x和y，传统光谱角的定义如下，角度越小表明两条光谱间的相似性越大。

有益效果：

1、本发明所提供的方法考虑了无监督和有监督的优势，可以提高光谱图像道路提取的精度。

2、本发明所提供的方法适用于城市道路调查等多种领域。