1、近年來，遙感技術得到迅速發(fā)展，衛(wèi)星遙感影像的分辨率顯著提高，其中QuickBird衛(wèi)星影像全色波段的分辨率高達0.61m，QuickBird衛(wèi)星與IKONOS衛(wèi)星、SPOT-5衛(wèi)星以及OrbView-3衛(wèi)星等構成了高分辨率遙感衛(wèi)星的主體。高分辨率遙感的出現(xiàn)拓寬了遙感技術的應用領域，實現(xiàn)了遙感技術從定性到定量、宏觀到微觀的重要轉折。高分辨率遙感影像提供了海量的數(shù)據(jù)和更豐富的地物信息，如何快速、自動識別和提取影像上的地物信息，從而使遙感技術

2、應用的深度和精度得以提高面臨新的挑戰(zhàn)。影像分割是從影像處理到影像分析的關鍵步驟。作為遙感影像信息提取的技術前提，遙感影像分割技術研究正日益受到關注，對于推動高分辨率遙感技術應用具有重要意義。 本文以提高高分辨率QuickBird遙感影像上道路信息的分割精度為研究目標。在系統(tǒng)分析當今影像分割技術的方法和理論研究現(xiàn)狀的基礎上，提出運用改進的數(shù)學形態(tài)學算法，結合QuickBird衛(wèi)星影像的紋理特征對影像進行分割技術研究，實現(xiàn)了道路信息

3、的自動提取。典型實驗區(qū)域分割的試驗和精度評價表明，基于數(shù)學形態(tài)學算法提取的道路等線性目標有很高的精確度，平均精度達到89.06％，而應用影像的紋理特征進行地物信息的分割后道路提取平均精度可達89.30％。與數(shù)學形態(tài)學算法結果相比，基于高分辨率遙感影像紋理特征的道路提取精度更高。 全文共分為五個部分。第一章主要闡述論文的選題依據(jù)和研究背景，分析了高分辨率遙感影像道路特征提取的國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢，評價了圖像分割方法的研究現(xiàn)狀，

4、最后介紹了論文的結構和組織情況。第二章主要討論了基于數(shù)學形態(tài)學的QuickBird影像分割方法，首先闡述數(shù)學形態(tài)學的基本理論以及基本運算，然后利用改進的受控數(shù)學形態(tài)學算法對實驗區(qū)遙感影像進行道路分割提取試驗，最后對結果進行評價。第三章主要論述了基于紋理特征的QuickBird影像的道路分割技術，利用基于紋理特征的馬爾可夫隨機場模型進行分析，實現(xiàn)道路的分割，并對分割結果進行評價。第四章根據(jù)前兩章的分割結果進行道路信息的自動提取，最終驗證分