– （3）允许提取结果的回退操作
－城市遥感 ·第三章－
3.2 道路提取现状和流程
二、道路半自动提取策略
具体策略：
（1）在依次输入的人工点形成的各段内，以快速 的模板匹配和基于神经网络的优化计算快速提 取出道路特征的初始值； （2）基于平差模型的自适应模板匹配对每段进行 相对独立的提取，即提取各段的二次曲线； （3） 最后，由上述提取的结果作为初值，基于最 小二乘样条曲线提取算法对其进行精确定位。

平行线段不一定都是道路段，符合下列两个条件的平行线段才 是候选的道路段： 几何特征，宽度要在一定的范围之内 灰度特征，平行线段内的平均灰度应满足一定的范围限值
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
道路段的编组

在提取的过程中对每一道路段记录了如下参数： 道路段对象标识 平行线组的标识 标明是单平行线对（一对一的平行线对）还是多平行线 组 左平行线的个数 左平行线的集合 与左平行线的集合一一对应的平行距离集合 右平行线的个数 右平行线的集合 与右平行线的集合一一对应的平行距离集合 组织的标志，标明该道路段是否已被组织过
数 字 铁 路
数 字 校 园
3.1 城市道路特性
二、城市道路提取的作用
基于移动终端的空间信息服务
3.1 城市道路特性－难度
三、城市道路提取的难度 由于太阳光线被遮挡
航空、遥感影像上有阴 影是不可避免的
阴影
－城市遥感 ·第三章－
3.1 城市道路特性－难度
三、城市道路提取的难度
－城市遥感 ·第三章－
－城市遥感 ·第三章－
3.2 道路提取现状和流程
二、道路半自动提取策略

提取的正确率和稳健性、精度、高效率的人 机交互这几方面的性能的协调工作，才能充 分发挥系统的作用，真正较大地提高测图的 效率。因此，算法和提取策略的设计除了要 保证高成功率和精度外，还应当遵循以下原 则：
– （1）操作员的输入应当简单 – （2）提取结果的实时响应

3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取

多种改进方法，这些新的算子大致可以分为三类：
最优算子 多尺度方法 自适应方法
Canny应用变分原理推导出一种Gaussian模板导数逼 近的最优算子，是目前被广泛使用的边缘检测方法 Canny给出了评价边缘检测性能优劣的三个指标：

3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
可靠道路段的准则

对于单平行线对，可靠道路段的具体准则：
道路段的两边线都应比较长
道路段的两边线的长度应具有相似性，即二者的长度之比 应较大 道路段的两边线的应具Fra bibliotek一定的交叠距离
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
线提取结束 Y
提取三次样条
立体像对下基于最小二 乘平差的物方样条提取 三维提取 物方（大地坐标下）三 维样条
DEM+正射影像
道路半自动提取系统框架
－城市遥感 ·第三章－
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取 二、GIS引导的道路提取 三、基于感知编组的道路提取 四、基于统计信息的道路提取 五、基于自适应模板的道路提取 六、基于带状Snake的道路提取 七、城市道路新型提取方法
－城市遥感 ·第三章－
3.1 城市道路特性
一、城市道路影像示例
－城市遥感 ·第三章－
3.1 城市道路特性
一、城市道路影像示例
－城市遥感 ·第三章－
3.1 城市道路特性
一、城市道路影像示例
－城市遥感 ·第三章－
3.1 城市道路特性
一、城市道路影像示例
（IKONOS左右像对）
－城市遥感 ·第三章－
一、基于结构信息的侯选道路段提取
基于平差模型的道路段精定位

从图像上提取出的平行线段由于成像时的噪声及提取 时的误差等的影响，决定平行线段的边缘强度有时会 很弱致使平行线段的边界点定位不准，使用基于最小 二乘模板匹配的自动平行化算法 改正后的平行线段最接近真实的图像直线边缘 平行线段的两边线平行或尽可能接近平行
－城市遥感 ·第三章－
3.1 城市道路特性
四、影像道路特性
功能特性 关联特性
高级知识（景物域）
拓扑特性
道路 中、低级知识（景物 域投影到影象域） 光度特性 几何特性 道路的特性
对道路的功能和上下文特性是其在景物域或物方 空间的知识，偏重于语义描述；而道路的光度、 几何与拓扑特性则由景物域的特征投影到影像域， 它们有着直接对应的关系。
第三章 城市道路的提取
第三章 城市道路的提取
3.1 城市主要道路的特性 3.2 道路提取现状和流程 3.3 城市一般道路的提取方法 3.4 城市立交桥的提取
－城市遥感 ·第三章－
3.1 城市道路特性
一、城市道路影像示例 二、城市道路提取的作用 三、城市道路提取的难度 四、城市道路特性
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
平行直线段的生成

在图像中，道路的本质特征从边缘上看是一组平行线，而且通 常是亮白色的平行线段，因此首先需要提取平行线段。 由于图像中道路的表现不是理想的平行线
而且在直线提取时会存在误差 判断平行线的准则是提取在一定范围内近似平行的直线段
功能特性：人工目标在现实世界所实现的功能。
－城市遥感 ·第三章－
3.1 城市道路特性
铁路 铁路 河流 机动车道-双股 单股道 道 树木行 建筑物行 篱笆线/ 场地边界线 小曲率， 相互独立；接 相互独立；接近相互独立； 在城区常 近正交方向可 正交方向可能有接近正交方 常相互平 能有桥或隧道 桥或隧道 向有桥或隧 行 道 常形成Y型分 常以正交方向通常以正交方 叉 过道路下方 向通过道路 下方 在城区常接近 在城区常接近平行， 接近相互 平行，在农村 在农村地区常较弱 平行（尤其 地区常较弱 在农村地区） 有时与成群建筑物 比较独立 接近平行
提高效率
减轻劳动强度
－城市遥感 ·第三章－
3.2 道路提取现状和流程
一、道路半自动提取现状

基于对线特征的灰度特征和几何约束的整体 优化计算
动态规划:导出道路的一般参数模型，将其表达
成种子点之间的“代价”函数，以动态规划作 为确定种子点之间最优路径的计算工具 可变模型或Snakes方法 最小二乘B样条

理想的阶跃边缘经过成像系统往往变成刀刃曲线，由 直线边缘沿垂直直线方向的灰度剖面可生成直线模板
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
基于平差模型的道路段精定位
－城市遥感 ·第三章－
3.3 城市主要道路的提取方法
二、GIS引导的道路提取
GIS引导的道路跟踪的关键是填补断裂空隙提取道路并同时
3.1 城市道路特性
四、影像道路特性

对特定地物的描述将导出对应的相关知识 和约束，成为提取的基础。Vosselman和 Knecht用以下指标来描述道路的特性：
– 几何（Geometric） – 光度或辐射度（Photometric） – 拓扑（Topologic） – 功能（Functional） – 关联或上下文（Contextual）
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
道路段的编组
通常在图像中，有些平行线段表现很明显，它们具 有较长的长度，而且平行性很好等等，可称之为可 靠线道路段 而有些则断断续续，长度较短，可称之为可疑道路 线段 从可靠线段出发可很容易获取道路的初始网络模型， 它们是最可能的道路段，是决定道路提取成败最为 关键的因素之一，因此有必要对提取的候选道路段 进行筛选
检测发生变化的道路，图像上道路出现的断裂现象主要表现：
－城市遥感 ·第三章－
DPW数据库 相机模型 内定向参数 相对定向参数 绝对定向参数 核线影像 … DEM …. 二维提取 快速提取初值 提取分段抛物线
3.2 道路提取现状和流程
三、道路半自动提取过程
人 显示结果 目标识别 回退处理 DPW平台 算法 1 . 算法 2 . N 确认结果 Y N
输入种子点

好的信噪比 好的定位性能 对单一边缘有唯一的响应
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
－城市遥感 ·第三章－
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
－城市遥感 ·第三章－
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取

在边缘检测及跟踪后，采用栅格转矢量的方法可 将图像中的线条形成矢量的表示形式
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取

直接从图像上获取的矢量线段常常带有锯齿状

采用一定的压缩光滑算法，如Douglas_Peuker算法
－城市遥感 ·第三章－
3.3 城市主要道路的提取方法
一、基于结构信息的侯选道路段提取
河流
机动车道双股道 单股道
沿河流的植被 线常平行于或 部分遮蔽河流 线 常有明显的 大部分情况下 连接 相互独立
在农村地区极少有 有可能互相 平行关系 平行
在农村地区常 与成群建筑物常相 有时接近平 行 互相平行，树 互平行 木遮蔽路面 大多相互无关 有时相互平行，尤 常难以区分 其是城区的林荫大 道 在城区常平行，两 大部分相互 行建筑物可推断中 独立，有时 间道路的存在 互相平行 拓扑关系也 有T型或+型 的连接
3.1 城市道路特性