Page 173 - 测绘新技术的理论与实践研究

第五章 多源遥感数据获取技术研究

确判定物体轮廓位置的问题，利用 CGAN 将研究范围从监督学习拓展至无监督

或半监督学习；采用合适的网络结构和合理的训练策略，通过实验分析 CNN 和
CGAN 在 SAR 图像地物提取方面的性能。
第三，提取后处理技术：针对提取后的地物数据，设计必要的后处理技术，
包括：采用形态学处理和曲线光滑，提出中心线生成算法，提供符合测绘实际应

用需要的地理数据。

一、面状地物要素提取
这部分研究的具型地物要素主要包括大面积的水域、植被以及密集街区式居

民地，在影像中通常表现为内连通、边界封闭的空间区域，有比较明显的地物边
界，几何结构与纹理特征相对独特。
面状地物轮廓的提取方法有两种：一种是把面状地物的轮廓当作线状地物，

采用线特征的提取方法；另一种是基于面域的分割处理。
线特征的提取方法一般采用边缘检测算法结合曲线特征模型（如活动轮廓模
型、水平集等），以提高提取的精度和效率。边缘是图像上灰度变化最剧烈的地
方，传统的边缘检测就是利用这个特点，对图像各个像素点进行微分或求二阶微
分来确定边缘像素点。一阶微分图像的峰值处对应着图像的边缘点；二阶微分图

像的过零点处对应着图像的边缘点。利用一阶微分的线特征提取算子包括梯度算
子、差分算子、方向差分算子、Robert 算子、Sobel 算子、Prewit 算子；利用二
阶微分的算子有方向二阶差分算子、Laplace 算子、高斯 - 普拉斯算子（LOG），

另外还有 Canny 算子和小波算子等。在遥感图像中，不仅灰度变化显著的地方存
在边缘，颜色与纹理变化显著的地方同样也存在边缘。因此，也有基于颜色区域、
基于纹理区域以及融合灰度、颜色和纹理的边缘检测算法。
常用的基于面域图像分割算法主要包括：阈值分割、形态学分割、区域生长、
基于 Mean-Shift 分割以及图分割算法等。尽管分割方法很多而且各有特点，但并

没有一种算法能对所有类型的图像都能获得最佳结果，大多数的图像分割算法都
是依赖于图像本身的。
这部分主要研究基于面域的分割方法，依据处理手段及自动化程度分为半自

动和自动两种方式。半自动就是通过人机交互方式提供种子点（地物要素内部像
元），以种子点区域为样本，提取特征、计算阈值，进而提取地物要素。以种子
点区域为样本进行训练，特征针对性强，容易确定阈值。自动是指提取过程中没

161