本科低年級(jí)曾經(jīng)做過一個(gè)提取道路線的題目。

提供的數(shù)據(jù)：老師給我們了一幅學(xué)校周邊地區(qū)的影像，包括RGB+Infrared四個(gè)波段。

一開始使用的方法：當(dāng)時(shí)尚青澀的我和小伙伴們一起使用KMEANS、閾值分割等等方法試圖將那道路從影像中分離出來。

遇到的問題：道路是用瀝青或水泥做的，樓房也是如此，因此二者光譜信息相似（異物同譜）。只利用光譜信息，樓房和道路難以分辨。

當(dāng)時(shí)的解決方案：當(dāng)時(shí)我希望用形態(tài)學(xué)的開運(yùn)算將樓房慢慢刪去，值得慶幸得是學(xué)校周圍的房子都比較小，開運(yùn)算幾次就可以去除，而且不會(huì)對(duì)道路造成太嚴(yán)重的影響。同時(shí)我們也試圖通過道路和樓房的幾何信息來分類：道路是細(xì)長的，而樓房的長寬比沒那么夸張。于是我們采用opencv提供的 提取小斑塊 的算法，希望來刪掉找到的小斑塊（樓房）。有一定效果，但是需要手動(dòng)設(shè)定若干參數(shù)，一點(diǎn)點(diǎn)調(diào)整。每套參數(shù)只對(duì)一幅圖有效。

遙感解譯課程學(xué)到的 解決方案： 使用MBI算法可以將亮度值相比周圍環(huán)境比較高的樓房高亮出來。將MBI的結(jié)果作為一個(gè)波段，使用RGB+Infrared+MBI進(jìn)行分類，可以將道路和樓房很好地區(qū)分開來。[論文原文是直接取閾值進(jìn)行樓房提取，因?yàn)楫?dāng)一個(gè)特征足夠強(qiáng)大時(shí)，可以直接用取閾值的方法將圖像進(jìn)行二分類]

MBI的代碼詳見我的GITHUB：Priority-At-Next-Intersection/MBI

MBI的論文：https://ieeexplore.ieee.org/document/6056582 Published on IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing in 2011.

注意:這是一個(gè)非機(jī)器學(xué)習(xí)方法。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的提取地图中道路_非机器学习方法·从遥感影像中提取道路的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。