基于联合滤波的遥感影像路网提取技术.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106295604A(43)申请公布日2017.01.04(21)申请号201610693722.9(22)申请日2016.08.19(71)申请人厦门大学地址361000福建省厦门市思明南路422号(72)发明人臧彧王程杨文韬罗伦李迪龙(74)专利代理机构深圳市合道英联专利事务所(普通合伙)44309代理人刘辉廉红果(51)Int.Cl.G06K9/00(2006.01)G06K9/36(2006.01)G06K9/44(2006.01)权利要求书3页说明书8页附图4页(54)发明名称基于联合滤波的遥感影像路网提取技术(57)摘要本发明公开了一种基于联合滤波的遥感影像的路网提取技术，结合人类视觉系统认知规律，根据显著图像结构在人类认知中所形成的非周期性、各向异性以及局部方向性，建立了一个完整的对道路显著结构的数学度量模型；在道路显著结构度量模型的指导下，结合流线方向性，建立了一个自适应平滑滤波函数，结合像素点空间距离高斯函数，实现对道路遥感影像的自适应平滑；在道路显著结构度量模型的指导下，结合极大极小值滤波，定义了一个自适应冲击滤波函数，该函数在不同区域产生的冲击增强强度不同，从而实现自适应的冲击滤波增强，从而在平滑非道路结构区域的同时保留显著道路结构，实现道路提取过程中遥感影像的预处理。CN106295604ACN106295604A权利要求书1/3页1.基于联合滤波的遥感影像路网提取技术，其特征在于，包括以下步骤：S1、输入源图像，计算源图像的道路显著结构度量模型Mp，所述显著结构度量模型Mp具有如下形式，Mp＝Ap·Dp·Lp式中，函数Ap、Dp以及Lp是像素点p显著结构的各向异性、非周期性以及局部方向性的度量；S2、基于道路显著结构度量模型引导，结合线积分卷积相关原理，建立新的自适应平滑积分模型，对非道路结构的特征和潜在道路结构特征进行自适应的平滑滤波；S3、根据所得平滑后图像，结合极大值极小值滤波方法，以道路结构模型为导向，建立一种改进的冲击滤波模型，实现对显著道路结构的增强。2.根据权利要求1所述的基于联合滤波的遥感影像路网提取技术，其特征在于，步骤S1的计算具体如下：S11、各向异性度量Ap通过下式计算式中λ1,p以及λ2,p分别为像素点p处结构张量矩阵Sp的特征值，以较大的特征值λ1,p为主特征值，较小的特征值λ2,p为副特征值；像素点p处的结构张量Sp通过下式计算式中q为p的一个邻域N(p)内的一个像素，〈·,·〉表示内积运算；Iq为像素点q的强度值，及为像素点q在x和y方向的偏导数；S12、局部方向性的度量Dp通过下式计算式中分别为像素点p和q的结构张量矩阵对应的副特征向量，N(p)为像素点p所在的邻域，Aq为像素点q点的显著性度量值；S13、非周期性度量Lp通过下式计算式中wp,q为权值，通过下式计算2CN106295604A权利要求书2/3页式中(xp,yp)为像素点p的坐标；(xq,yq)为像素点q的坐标；σ为高斯函数中的标准差。3.根据权利要求2所述的基于联合滤波的遥感影像路网提取技术，其特征在于：所述邻域N(p)为边长为5像素的正方形区域。4.根据权利要求1所述的基于联合滤波的遥感影像路网提取技术，其特征在于：步骤S2具体包括以下步骤：S21、计算平滑程度控制函数g(σd,M)，式中，σd为该高斯核函数的宽度参数，Mp和Mq代表中心像素点p和流线上像素点q处的道路显著结构导向模型的值；S22、结合导向滤波概念与线积分卷积思想，定义了一个自适应平滑滤波函数I′p，其中，为该函数的归一化参数，Iq为像素点q的像素值，为传统线积分卷积过程中采用的一维低通滤波器的高斯核函数，通过下式计算，其中，xp和xq代表着中心像素点p与流线上像素点q的x坐标值，σg是高斯核函数的宽度参数，控制该函数的径向作用范围。5.根据权利要求1所述的基于联合滤波的遥感影像路网提取技术，其特征在于，所述步骤S3具体包括以下步骤：S31、计算控制冲击滤波增强函数T(x)，其中x为制冲击滤波增强函数输入值，tanh(λ(x-0.5))为双曲正切函数；λ为控制增强程度的因子，越大的值对应越锐利的边缘；S32、建立各向异性冲击滤波增强函数Ip，其中，D(I)p，E(I)p为像素点p对应膨胀、腐蚀的值，函数由步骤S31的公式计算，sign(vηη)为边缘检测算子的符号函数，边缘检测算子vηη通过下式计算，22vηη＝cIxx+2csIxy+sIyy3CN106295604A权利要求书3/3页这里c和s为图像中结构张量场对应主特征向量的两个分量；Ixx为图像沿x方向的二阶偏导数；Iyy为图像在y方向上的二阶偏导数；Ixy为图像在x方向和y方向上各计算一次一阶偏导数