1、由高空圖像或衛(wèi)星照片出發(fā)對圖像數(shù)據(jù)的識(shí)別實(shí)現(xiàn)自動(dòng)化，是近年來非常熱門的一項(xiàng)研究領(lǐng)域，具有很高的實(shí)用性和現(xiàn)實(shí)意義。 事實(shí)上，隨著衛(wèi)星圖像技術(shù)的日趨完善，模式識(shí)別已經(jīng)成為一種被越來越廣泛使用的信息源。很多學(xué)科領(lǐng)域例如制圖領(lǐng)域等，都充分享用了道路識(shí)別技術(shù)的發(fā)展成果。而且，這些領(lǐng)域?qū)Φ缆纷R(shí)別技術(shù)往往有著很高標(biāo)準(zhǔn)的要求：基于道路自動(dòng)識(shí)別技術(shù)的研究因此存在著很大的探索空間。 本文主要通過啟發(fā)式的研究方式，對各種算法進(jìn)行探索，通過對各

2、種算法的逐步實(shí)現(xiàn)，在對各算法取得的結(jié)果的分析中，經(jīng)過不斷的修改，完善，逐漸總結(jié)出道路的數(shù)學(xué)模型，給出了道路在數(shù)學(xué)上的定義。 利用道路的灰度與其周圍區(qū)域形成較明顯對比這一定義，本文首先對初始高空圖像應(yīng)用了全局灰度限值過濾算法，對圖像中灰度值明顯較低的像素點(diǎn)進(jìn)行了第一輪的篩除。接下來，考慮到高空圖像中的噪音信息的存在，本文進(jìn)一步對圖像應(yīng)用局部灰度限值的過濾，考慮局部像素點(diǎn)鄰域的信息，對其進(jìn)行高斯平均，進(jìn)一步篩除了大量的非道路區(qū)域像素

3、點(diǎn)。在剩余的像素點(diǎn)中，本文利用道路的數(shù)學(xué)定義中道路的線性這一特性，采用在圖像識(shí)別領(lǐng)域很常用的霍夫變換的算法從中偵測出代表道路的直線或線段的信息。為了去除可能出現(xiàn)的由樹林和田野的分界線，或兩片不同灰度田野的分界線所組成的“假道路”現(xiàn)象，本文繼續(xù)利用道路在其數(shù)學(xué)定義中具有一定寬度的特性，對偵測到的直線進(jìn)行寬度偵測。為做到這一點(diǎn)，本文對高空圖像進(jìn)行梯度矢量圖的求取，求得道路的輪廓圖，接下來對偵測到的輪廓及其梯度矢量方向上的平移進(jìn)行相關(guān)性的計(jì)算

4、，以偵測出輪廓是否由兩條曲線組成，并由此根據(jù)平移的像素點(diǎn)個(gè)數(shù)來求出兩條曲線間的寬度，這樣，既可除去霍夫變換算法結(jié)果中那些組成沒有寬度的“假道路”的像素點(diǎn)的集合，又可同時(shí)求得道路的寬度。在以上算法先后應(yīng)用后得到的結(jié)果的基礎(chǔ)上，本文最后對結(jié)果中保留下來的道路信息進(jìn)行了連續(xù)長度的偵測，以排除一排樹木的存在可能對道路識(shí)別產(chǎn)生的錯(cuò)誤影響。經(jīng)過最后這步過濾器的應(yīng)用，凡不具備一定連續(xù)長度的線段信息得到有效篩除。綜上所述，本論文前后分別利用了整體灰度限