一种基于K-means的高分辨率遥感地图道路提取方法

摘要

本发明公开了一种基于K-means的高分辨率遥感地图道路提取方法，属于图像处理领域，可应用于遥感图像中的道路提取。针对目前高分辨率遥感地图图像道路提取技术所存在的问题和缺点，本发明提出了一种针对不同的道路类型基于K-means的道路提取方法，基于数学形态学方法并结合图像分割方法，得到一种道路分割、提取的方法，来达到提取高分辨率遥感图像中完整道路信息的目的，可以使得高分辨率地图中的道路分割结果连续性好，而且道路无明显的裂痕。

主权项

一种基于K‑means的高分辨率遥感地图道路提取方法，其特征在于包括如下步骤：步骤1：输入图像，将高分辨率1024x1024，10米以内，遥感地图图像输入；步骤2：依据高分辨率遥感图像颜色特征，将输入彩色图像转化成灰度图像[0,255]级，将步骤1得到的多通道高分辨率颜色的图像进行灰度化处理，得到灰度图像；步骤3：所述步骤2的灰度图像进行K‑means聚类处理，方法如下：步骤3.1：选取初始类别中心，设置初始类别c的值，在影像中选择c个不同的地物对象，其中每个地物对象表示为一个类别的中心；设定有c个类别，c的类别范围为[2,5]，设置其中心分别为Z1，Z2，…，Zc；步骤3.2：依据不同地物类别中心与剩余的对象之间的距离，将每个对象根据类别与对象的距离判定赋予到最邻近的分割类别，然后重新统计所有分割类别的均值，此聚类过程不断迭代，直至准则函数收敛为止，方法如下：输入一个像素x，把该像素归入c个类别中的道路类别中，方法如下：其中j＝1,2,...,c且j≠i则其中是以为中心的类，d(x,y)为向量x，y之间的距离；步骤3.3：由步骤3.2得到类,计算得到新的聚类中心方法如下：$Z_i^{(k+1)}=\frac{1}{N_i}\underset{x\in S_i^{\left(k\right)}}{\Sigma }x$其中Ni是类中的像元数目；步骤3.4：对所有的i＝1，2，…，c，如果是按照准则函数收敛，方法如下：$Z_i^{(k+1)}=Z_i^{\left(k\right)}$则迭代结束，否则返回步骤3.2继续迭代；步骤3.5：依据步骤3.4得到聚类后的c种类别的图像，选取道路类图像；步骤4：提高道路网与其它地面物的对比度，把道路图像进行二值化处理，得到路网图像的二值图，方法如下：二值图I_bw＝0.5*E+0.3*P+0.2*Q其中E是平均值，P是像素之间的差平方，Q是像素之间的均方根值；步骤5：去掉步骤4中道网图像中非道路像素的噪声，将连通域面积小于阈值N的去掉，得到去噪后道路图像，N的取值范围[1,2000]；步骤6：使用形态学的方法中的骨架提取对图像进行处理，得到道路骨架图像；方法如下：计算步骤5所得图像中每个像素的最大邻域值，即计算该像素邻域内所包括的最多像素值的个数，并用该值覆盖原像素值，在图像范围内，计算k次后，当最多只有一个像素大于中心点像素是，该像素点即为骨架点，即骨架子集S_k(A)，将这些所有的骨架子集进行并集得到骨架集即为最后的骨架图像，方法如下：$S\left(A\right)=\underset{k=0}{\overset{K}{\cup }}{S}_k\left(A\right)$步骤7：得到道路分割图，将道路骨架图像和原输入图像进行道路叠加，得到道路提取图像，方法如下：其中L表示道路提取图像，Ig表示道路骨架图像，I表示原图。