基于改进的K-means法的高分辨率遥感影像道路提取

doi:10.3969/j.issn.1006-2475.2017.11.011

计算机与现代化

基于改进的K-means法的高分辨率遥感影像道路提取

(1.中国科学院空间应用工程与技术中心太空应用重点实验室，北京 100094; 2.中国科学院大学，北京 100049)

收稿日期:2017-03-20 出版日期:2017-11-21 发布日期:2017-11-21
作者简介:刘欢(1991-)，男，江西万年人，中国科学院空间应用工程与技术中心太空应用重点实验室、中国科学院大学硕士研究生，研究方向：遥感图像处理; 阎镇(1974-)，男，高级工程师，硕士，研究方向：科学计算可视化，遥测数据地面处理。

Road Extraction in High Resolution Remote Sensing Images Based on Improved K-means Algorithm

(1. Key Laboratory of Space Utilization, Technology and Engineering Center for Space Utilization, Chinese Academy of Sciences, Beijing 100094, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China)

Received:2017-03-20 Online:2017-11-21 Published:2017-11-21

摘要/Abstract

摘要： 针对高分辨率遥感影像中道路提取存在的特征利用问题，提出一种基于改进的K-means算法的道路提取方法。首先根据遥感影像的具体场景进行相应的预处理；在此基础上，利用改进的K-means算法融合道路的光谱特征和纹理特征对图像进行分类，得到初始道路区域；然后利用道路的几何特征滤除非道路区域；最后采用数学形态学方法完善道路信息，得到最终结果。实验结果表明，该方法能实现复杂场景中道路提取，并拥有较好的效果。

关键词: 高分辨率遥感影像, 道路提取, 改进的K均值算法, 特征融合, 数学形态学

Abstract: Aiming at the problem of feature extraction in road extraction in high resolution remote sensing images, a road extraction method based on improved K-means algorithm was proposed. Firstly, pretreatment was executed according to the specific scene of the target image. Secondly, improved K-means algorithm was introduced to implement spectral-textural classification to segment the image into two categories: road and nonroad groups. Thirdly, the geometric features of road were used to extract reliable road segments. Finally, mathematical morphology was used to complete the road information and get the final result. The experimental results show that our method can realize the road extraction in complex scene and has satisfactory effect.

Key words: high resolution remote sensing images, road extraction, improved K-means algorithm, feature fusion, mathematical morphology

中图分类号:

TP751

刘欢1,2，阎镇1,2. 基于改进的K-means法的高分辨率遥感影像道路提取[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.11.011.

LIU Huan1,2, YAN Zhen1,2. Road Extraction in High Resolution Remote Sensing Images Based on Improved K-means Algorithm[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.11.011.

参考文献

[1] 宁亚辉,雷小奇,王功孝,等. Dempster-Shafer证据融合形状特征的高分辨率遥感图像道路信息提取[J]. 中国图象图形学报, 2011,16(12):2183-2190.

[2] Das S, Mirnalinee T T, Varghese K. Use of salient features for the design of a multistage framework to extract roads from high-resolution multispectral satellite images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011,49(10):3906-3931.

[3] Poullis C, You S. Delineation and geometric modeling of road networks[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2010,65(2):165-181.

[4] 周春,巫兆聪,秦昆. VC和Matlab混合编程应用于遥感影像道路的提取[J]. 测绘信息与工程, 2007,32(3):8-10.

[5] 朱长青,杨云,邹芳,等. 高分辨率影像道路提取的整体矩形匹配方法[J]. 华中科技大学学报(自然科学版), 2008,36(2):74-77.

[6] Koutaki G, Uchimura K. Automatic road extraction based on cross detection in suburb[C]// Proceedings of SPIE 5299, Computational Imaging II. 2004:337-344.

[7] 丁美林,李光耀,张巧芳. Snakes模型在卫星图片道路提取中的应用[J]. 计算机技术与发展, 2010,20(1):71-73.

[8] 唐亮,谢维信,黄建军. 城市彩色航空影像中的阴影检测[J]. 中国体视学与图像分析, 2003,8(3):129-134.

[9] 冈萨雷斯,伍兹. 数字图像处理[M]. 阮秋琦,等译. 3版. 北京:电子工业出版社, 2011.

[10] Yuan Jiangye, Wang Deliang, Wu Bo, et al. LEGION-based automatic road extraction from satellite imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011,49(11):4528-4538.

[11] Miao Zelang, Shi Wenzhong, Zhang Hua, et al. Road centerline extraction from high-resolution imagery based on shape features and multivariate adaptive regression splines[J]. IEEE Geoscience and Remote Sensing Letters, 2013,10(3):583-587.

[12] 蔡洪山. 基于Spark的Kmeans并行算法研究[J]. 电脑知识与技术, 2016,12(4):74-75.

[13] Bahmani B, Moseley B, Vattani A, et al. Scalable k-means++[J]. Proceedings of the VLDB Endowment, 2012,5(7):622-633.

[14] 梁鹏. 基于Spark的模糊c均值聚类算法研究[D]. 哈尔滨:哈尔滨工业大学, 2015.

[1]	宁娟, 周庆华, 曾小为. 改进YOLOv7算法在西林瓶轧盖缺陷检测中的应用[J]. 计算机与现代化, 2023, 0(12): 82-86.
[2]	谷明轩, 范冰冰. 基于多模态特征融合的抑郁症识别[J]. 计算机与现代化, 2023, 0(10): 17-22.
[3]	陈俊义. 基于图节点动静态特征的健康事件预测模型[J]. 计算机与现代化, 2023, 0(10): 39-44.
[4]	邢世帅, 刘丹凤, 王立国, 潘月涛, 孟灵鸿, 岳晓晗. 基于空间注意力残差网络的图像超分辨率重建模型[J]. 计算机与现代化, 2023, 0(10): 45-52.
[5]	陈嘉敏, 张伯泉, 麦海鹏. 基于特征融合的海马体分割[J]. 计算机与现代化, 2023, 0(08): 1-6.
[6]	王鸿, 葛红. 基于注意力机制和语义相似度的跨模态哈希检索[J]. 计算机与现代化, 2023, 0(08): 44-53.
[7]	王杰, 潘凤, 张艳莎, 谭棉, 严晓波, 王林, . 融合带权非局部模块的铝型材表面缺陷分类[J]. 计算机与现代化, 2023, 0(05): 86-92.
[8]	朱理清, 李祥, . 改进YOLOv5算法的遥感图像车辆检测[J]. 计算机与现代化, 2023, 0(05): 117-121.
[9]	张晓东, 王栩颖, 秦子轩. 基于特征融合的抽油机井检泵周期预测[J]. 计算机与现代化, 2022, 0(12): 60-66.
[10]	王长军, 彭成, 李勇. 复杂环境下的多特征融合船舶目标检测算法[J]. 计算机与现代化, 2022, 0(11): 81-88.
[11]	刘立婷, 欧毓毅. 融合注意力机制与并行混合网络的DGA域名检测[J]. 计算机与现代化, 2022, 0(09): 119-126.
[12]	曾奕斌, 葛红. 基于语义融合和多重相似性学习的跨模态检索[J]. 计算机与现代化, 2022, 0(08): 50-56.
[13]	李燕, 卢峥松, 李青云, 杨世海, 张小龙. 基于轻量级结构重参数化网络的口罩检测算法[J]. 计算机与现代化, 2022, 0(07): 40-46.
[14]	梁正友, 耿经邦, 孙宇. 基于改进残差网络的交通标志识别算法[J]. 计算机与现代化, 2022, 0(04): 52-57.
[15]	宋爽, 陆鑫达. 基于BERT与图像自注意力机制的文本匹配模型[J]. 计算机与现代化, 2021, 0(11): 12-16.

基于改进的K-means法的高分辨率遥感影像道路提取

Road Extraction in High Resolution Remote Sensing Images Based on Improved K-means Algorithm

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价