论文摘要
随着我国经济快速发展和汽车保有量的增加，交通路网规划与管理、交通拥堵、交通事故频发等道路交通问题已成为制约城乡经济发展的主要因素之一。特别是近年来，由于气候多变、环境恶化等因素的影响，我国部分地区暴雨、暴雪、泥石流等自然灾害频繁发生，如何快速了解灾区道路损毁情况以及交通状态，对于开展应急救援和灾后重建工作至关重要。因此为了充分获取相关区域内道路网及车辆等交通信息，迫切需要采用一种覆盖范围广、实时性好、准确率高的交通信息采集手段，从而为解决我国的交通问题以及应对突发事件提供信息支持。本文主要开展高分辨率遥感图像道路网及车辆目标提取算法研究，从高分辨率遥感图像中提取不同光谱的道路网，并依据道路网边缘信息建立感兴趣区域；然后对感兴趣区域内的图像进行纹理特征提取和支持向量机目标识别，实现车辆目标的检测。主要研究内容如下：1、基于高分辨率遥感图像的道路网信息提取。首先根据高分辨率遥感图像中道路特征进行图像预处理，主要包括对比度变换、滤波处理和形态学处理，将道路和非道路区域进行初步分离；然后进行边缘检测，根据道路边缘特征参数去除非道路边缘，提取出道路边缘，并映射到遥感图像灰度图中显示道路网信息。2、基于纹理特征和支持向量机的样本分类。采集遥感图像中车辆、非车辆样本，建立1010像素的样本库，从而构成训练样本和测试样本。基于灰度共生矩阵提取训练样本的纹理特征，构建多类支持向量机分类器。根据测试样本的分类效果，完善分类器核函数以及核参数大小的选择。3、感兴趣区域内车辆目标检测。根据高分辨率遥感图像中车辆位置特征，从提取的道路网中选取感兴趣区域。对感兴趣区域内图像采用移动窗口法循环遍历，提取各窗口纹理特征，经过支持向量机分类器分类，对识别出的车辆窗口进行标记，实现遥感图像中车辆目标的检测。利用高分辨率遥感图像提取道路网和车辆目标可以为我国智能交通的发展提供一种新的决策手段，对于提升我国交通运输事业的信息化程度，以及推进遥感产业在交通运输领域内的应用都具有相当重要的意义。同时，该研究在提高政府应对、处置自然灾害等突发性事件的能力方面也具有非常广阔的应用前景。