(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211044591.3 (22)申请日 2022.08.23 (71)申请人 烟台大学 地址 264005 山东省烟台市莱山区清泉路 30号 (72)发明人 米环　马立国　万海峰　王丹丹　 熊远亮　 (74)专利代理 机构 南通博瑞达专利代理事务所 (特殊普通 合伙) 32530 专利代理师 李宾 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/28(2022.01) G06V 10/46(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 一种面向遥感影像的多尺度道路自动提取 方法 (57)摘要 一种面向遥感影像的多尺度道路自动提取 方法， 包括以下步骤： 遥感影像预处理； 道路系统 目标增强； 多尺度道路自动提取。 具体为： 本发明 在对Sentinel ‑2影像进行大气校正、 背景均一化 等预处理的基础上， 采用基于Hessian矩阵的 Frangi滤波算 法增强道路系统目标特征， 然后利 用多次循环RANSAC算子实现中小尺度道路自动 提取， 对大尺度的道路， 根据道路特征建立道路 和非道路训练集， 使用最大似然监督分类算法识 别较宽道路， 最后将中小尺度道路与大尺度道路 提取结果合并， 生成目标区道路提取结果并评估 道路算法提取精度。 权利要求书2页 说明书7页 附图4页 CN 115359355 A 2022.11.18 CN 115359355 A 1.一种面向遥感影像的多尺度道路自动提取方法， 其特征在于： 本提取方法包括以下 步骤： S1、 对Senti nel‑2遥感影像进行大气校正、 背景均一 化等预处理； S2、 采用Frangi 算法对遥感影 像进行多尺度道路系统目标增强； S3、 基于遥感影像道路几何特 征， 多次循环RANSAC算法提取道路； S4、 利用监 督分类算法提取遥感影 像大尺度道路信息； S5、 合并道路提取 结果且评 定精度， 实现道路自动提取。 2.根据权利要求1所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 所述 步骤S1中： 大气校正： 对Senti nel‑2遥感影像近红外波段采用FLAS SH算法进行 校正； 背景均一化为： 使用模糊C均 值聚类算法即MATLAB的fcm函数实现该影像复杂异质背景 均一化处理， 得到其预处 理后图像。 3.根据权利要求1所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 所述 步骤S2包括： A、 构建尺度因子σ 下二阶高斯核函数， 通过卷积运算建立尺度不变的特征空间， 得到预 处理后图像对应的Hes sian矩阵； B、 根据对称矩阵的性质， 计算出Hessi an矩阵的两个特征值λ1和 λ2及两个特征向量e1和 e2， Hessian矩阵特征值和对应的特征向量分别代表该点处沿某一方向上图形曲率大小和 方向； C、 以线性特 征最优滤波器响应为依据， 采用多尺度融合策略， 实现道路系统目标增强。 4.根据权利要求3所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 本方 法中步骤A构建尺度因子σ 下二阶高斯核函数 其中高斯核函数G为： 二阶高斯核函数为： 5.根据权利要求3或4所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 所述步骤S1得到的图像由所述步骤S2构建的二阶高斯核函数， 使用MATLAB的imfilter函数 的卷积运 算来构建尺度不变的特 征空间： 得Hessian矩阵为：权　利　要　求　书 1/2 页 2 CN 115359355 A 2其中， 为对应尺度因子σ 下的二阶偏导图像， 为卷积运 算。 6.根据权利要求3所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 本方 法中步骤C 遥感影像道路线性特 征最优滤波器响应为： 其中， Lσ为对应尺度 因子σ 下的Frangi道路目标增强 图像， Rb能够用来区分块状要素和 目标要素； S用于区分前 景线状要素以及背景噪声， β 、 γ是加权因子控制Rb和S的内部响应。 7.根据权利要求3或6所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 本方法中步骤C采用多尺度融合策略， 根据 尺度空间理论， 在空域内按照先验知识确定目标 道路的尺度变程范围为σmin≤σ ≤σmax， 以最大的道路 响应值作为道路目标增强结果: 8.根据权利要求1所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 所述 步骤S3包括： 随机选择两个道路预选点构成直线， 计算所有的道路预选点到该直线的距离， 当满足 到直线距离小于2个 像素且相互连通的道路像素 数大于20时， 则保留该 结果为道路集； 重复以上步骤， 多次循环RANSAC算法直至 选出所有的道路。 9.根据权利要求1所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 所述 步骤S4为： 随机选取步骤S3中RANSAC算法得到的道路提取结果作为道路训练集， 则随机选 取非道路数据作为非道路训练集， 实现训练集数据的自动选取。 10.根据权利要求1所述的面向遥感影像的多尺度道路自动提取方法， 其特征在于： 所 述步骤S5合并S3和S4得到的道路提取结果， 目视解译地面真值数据由解释人员使用bRed‑ bGreen‑bBlue波段组合手动描绘， 将其作为验证样本 评定提取道路精度。权　利　要　求　书 2/2 页 3 CN 115359355 A 3