高分辨率遥感影像的田间道路识别方法

doi:10.13474/j.cnki.11-2246.2023.0024

测绘通报 ›› 2023, Vol. 0 ›› Issue (1): 145-148.doi: 10.13474/j.cnki.11-2246.2023.0024

高分辨率遥感影像的田间道路识别方法

袁翠霞¹, 任艳敏^2,3, 韩志强⁴, 刘玉^2,3, 李淑华^2,3

1. 长安大学土地工程学院, 陕西西安 710054;
2. 北京市农林科学院信息技术研究中心, 北京 100097;
3. 国家农业信息化工程技术研究中心, 北京 100097;
4. 黑龙江省肇东市农业技术推广中心, 黑龙江肇东 151100

收稿日期:2022-01-13 发布日期:2023-02-08
通讯作者: 任艳敏。E-mail:renym@nercita.org.cn
作者简介:袁翠霞(1997-),女,硕士生,研究方向为土地工程学。E-mail:2301984508@qq.com
基金资助:
国家重点研发计划(2020YFD1100200);北京市农林科学院2022年度农业农村部农业遥感机理与定量遥感重点实验室建设(PT2022-24);北京市农林科学院院青年基金(QNJJ202232)

Field road recognition method based on high-resolution remote sensing image

YUAN Cuixia¹, REN Yanmin^2,3, HAN Zhiqiang⁴, LIU Yu^2,3, LI Shuhua^2,3

1. School of Land Engineering, Chang'an University, Xi'an 710054, China;
2. Research Center of Information Technology, Beijing Academy of Agriculture and Forestry Sciences, Beijing 100097, China;
3. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China;
4. Zhaodong Agricultural Technology Extension Center of Heilongjiang Province, Zhaodong 151100, China

Received:2022-01-13 Published:2023-02-08

摘要/Abstract

摘要： 田间道路是农田建设和管理的重要工程,其走向、宽度及通达性直接影响着农田耕作的便利程度,精准识别田间道路对农田建设效果评估具有重要意义。借助高分辨率遥感影像,本文首先基于分层分类思想,采用面向对象方法对田间道路进行识别;然后引入张量投票法、八邻域断点检测和形态学算法,对田间道路断点进行连接修复,最终得到田间道路识别结果。在河北省定州市典型案例区开展实证分析,田间道路识别的完整率、正确率、质量分别可达91%、74%、69%。

关键词: 高分辨率影像, 田间道路, 识别方法, 面向对象, 断点检测

Abstract: Field road is an important project for farmland construction and management,and its direction,width and accessibility directly affect the convenience of farmland cultivation.Therefore,accurate identification of field road is of great significance for evaluation of farmland construction effect.With the help of high-resolution images,this paper adopts object-oriented method to identify the road based on the idea of hierarchical classification.Then,tensor voting method,eight-neighborhood breakpoint detection and morphological algorithm are introduced to repair the breakpoints.Take Dingzhou city,Hebei province as an example,the result of field road recognition is obtained,and the integrity rate,accuracy rate and quality of field road identification are 91%,74% and 69%,respectively.

Key words: high-resolution image, field road, recognition method, object-orientation, breakpoint detect

中图分类号:

P237

袁翠霞, 任艳敏, 韩志强, 刘玉, 李淑华. 高分辨率遥感影像的田间道路识别方法[J]. 测绘通报, 2023, 0(1): 145-148.

YUAN Cuixia, REN Yanmin, HAN Zhiqiang, LIU Yu, LI Shuhua. Field road recognition method based on high-resolution remote sensing image[J]. Bulletin of Surveying and Mapping, 2023, 0(1): 145-148.

参考文献

[1] 叶英聪,匡丽花,赵小敏,等. 基于时间可达性的土地整治道路布局研究[J]. 自然资源学报,2017,32(6):1064-1073.
[2] 国家质量监督检验检疫总局,中国国家标准化管理委员会. 高标准农田建设通则:GB/T 30600-2014[S]. 北京:中国标准出版社,2014.
[3] M H L,Z Y,L H B,et al. Road extraction base on Zernike algorithm on SAR image[C]//Proceedings of 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS).Beijing:IEEE,2016.
[4] 黄巍,黄辉先,徐建闽,等. 基于Canny边缘检测思想的改进遥感影像道路提取方法[J]. 国土资源遥感,2019,31(1):65-70.
[5] 孙瑶,孙国强,赵慧敏. 面向对象的高分辨率影像的道路提取[J]. 北京测绘,2021,35(5):578-582.
[6] 蒋星详,肖莉. 一种多特征融合的高分辨率遥感影像道路中心线提取算法[J]. 测绘地理信息,2019,44(4):98-101.
[7] 朱恩泽,宋伟东,戴激光. 改进支持向量机的高分遥感影像道路提取[J].测绘科学,2016,41(12):224-228.
[8] 雷惠敏,张和生. 最优特征选择下多层次分割的城市道路提取[J].中国空间科学技术,2022,42(2):99-107.
[9] 王睿,漆泰岳,胡燊,等. 隧道衬砌裂缝检测中的背景处理和断点连接算法[J].应用基础与工程科学学报,2017,25(4):742-750.
[10] 刘金丽,陈钊. Landsat 8多光谱数据辅助下的高分影像多尺度分割[J]. 测绘通报,2019(9):38-43.
[11] 何惠馨,范俊甫,陈文贺,等. 基于亮度补偿的遥感影像阴影遮挡道路提取方法[J]. 地球信息科学学报,2020,22(2):258-267.
[12] 韩洁. 融合非监督分类和几何-纹理-光谱特征的高分辨率遥感影像道路提取[D]. 北京:中国科学院大学(中国科学院遥感与数字地球研究所),2018.
[13] SOBEL I. Neighborhood coding of binary images for fast contour following and general binary array processing[J]. Computer Graphics and Image Processing,1978,8(1):127-135.
[14] 王斌,陈占龙,吴亮,等. 兼顾连通性的U-Net网络高分辨率遥感影像道路提取[J]. 遥感学报,2020,24(12):1488-1499.
[15] HEIPKE C,MAYER H,WIEDEMANN C. Evaluation of automatic road extraction[J]. International Archives of Photogrammetry and Remote Sensing,1997,32(3):151-160.

高分辨率遥感影像的田间道路识别方法

Field road recognition method based on high-resolution remote sensing image

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吴虹蓉, 朱岚巍, 施冬. 面向对象的三亚珊瑚礁底质信息提取[J]. 测绘通报, 2022, 0(9): 63-67.
[2]	董迪, 魏征, 曾纪胜. 1995—2019年北莉岛人工水产养殖遥感监测[J]. 测绘通报, 2022, 0(7): 1-6.
[3]	罗鸿, 廖雨, 杨存建. 基于高分影像的乡村聚落提取与空间重构[J]. 测绘通报, 2022, 0(6): 62-65,92.
[4]	丁永辉, 张勤, 杨成生, 王猛, 丁辉. 基于高分遥感的金沙江流域滑坡识别——以巴塘县王大龙村为例[J]. 测绘通报, 2022, 0(4): 51-55.
[5]	易俐娜, 张桂峰, 魏征, 王冕卿, 刘晋珂, 王柳靖. 利用无人机高光谱影像的红树林群落物种分类[J]. 测绘通报, 2022, 0(11): 26-31.
[6]	高雨, 胡召玲, 樊茹. 高分辨率影像融合算法对滨海湿地土地利用分类精度的影响[J]. 测绘通报, 2022, 0(1): 116-120.
[7]	马远征, 窦关新, 刘越, 吴燕平. 利用高分辨率立体测绘影像进行中小比例尺地貌要素更新[J]. 测绘通报, 2021, 0(9): 116-119.
[8]	陈磊士, 高霞霞, 廖玉芳, 邓剑波, 周碧. 基于CART决策树的高分二号洞庭湖区湿地分类方法[J]. 测绘通报, 2021, 0(6): 12-15.
[9]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[10]	侯翘楚, 李必军, 蔡毅. 高分辨率遥感影像的车道级高精地图要素提取[J]. 测绘通报, 2021, 0(3): 38-43.
[11]	李悦, 张敏. 面向对象的高分辨率遥感影像建设用地变化监测[J]. 测绘通报, 2021, 0(2): 54-58.
[12]	王志豪, 李中洲, 田震. 全景测量技术在海域动态监视监测中的应用[J]. 测绘通报, 2021, 0(2): 112-116.
[13]	陈根良, 董胜光. 面向地理国情监测的房屋建筑区树冠覆盖多特征协同提取[J]. 测绘通报, 2021, 0(10): 73-77.
[14]	贾玉娜, 张文超, 康会涛, 白洋, 鲍检平. 2016—2019年雄安新区土地覆盖变化研究[J]. 测绘通报, 2020, 0(9): 76-79.
[15]	张宏涛, 黄宏胜, 魏康宁, 钟海燕. 基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例[J]. 测绘通报, 2020, 0(6): 111-117.