从高分辨率遥感影像上进行道路目标的半自动的提取，是摄影测量与遥感、计算机视觉、模式识别与人工智能等研究领域面临的重大挑战之一，也是当前研究的热点之一。数十年来，人们付诸了种种努力，提出、建立了许多理论框架、实验系统与算法。然而，受制于问题本身的复杂度、难度和当前科技发展的水平，要研制达到满足工程需要且具有很高自动化程度的实用系统，在理论和算法上，恐怕还要花很长的一段时间。本文以面向工程生产为导向，对高分辨率遥感影像上道路半自动提取的理论与方法进行了系统的分析和深入的探索，提出并实现了一系列有实际应用价值的方法和算法，主要研究内容包括：

（1）提出了基于辐轮（Spoke Wheel）算法和区域生长算法集成的道路参数获取方法，为道路追踪获取必需的先验信息：道路的起始点、道路宽度和道路行进方向。该方法在用户输入两个初始种子点的情况下，可以提取某道路段对应的矩形，该矩形可以派生后续道路追踪所必需的先验信息。

（2）提出了基于支持向量数据描述（SVDD）与距离变换集成的道路追踪方法，可提取高/超分辨率遥感影像上有严重噪声干扰的非等级道路。道路追踪过程中，该方法采用SVDD对目标模板进行实时的分类，采用距离变换的方法削弱噪声对SVDD分类的负面影响。

（3）提出了基于最小二乘“+”形模板匹配的道路追踪方法，可提取高/超高分辨遥感影像上带清晰的车道标记线、道路中心线或绿化条带的等级道路。它将道路参考剖面与车道标记线、道路中心线或绿化条带的矩形参考模板组合起来，形成类似“+”形的参考模板，这种参考模板可以最大限度地削弱车辆遮蔽、阴影等对后续道路追踪的干扰。追踪过程中，使用了最小二乘模板匹配原理获取最佳的道路轨迹

（4）提出了剖面变换的方法，可自动检测高/超高分辨遥感影像道路面上的车道标记线、道路中心线，以辅助基于最小二乘“+”形模板匹配的道路追踪中参考模板的生成。

设计并开发了一套道路半自动提取的原型系统，该系统集成了多种道路半自动追踪方法和道路初始化方法；使用该系统，并融合本文提出的上述道路追踪的方法进行了道路网的提取实验；实验中的数据既有高分辨的卫星影像，又有超高分辨率的航空影像，并且这些影像的场景复杂度较高。实验结果表明，基于算法融合的道路提取方式可以精确、高效、稳健地提取高/超高分辨遥感影像上的道路网。

中图分类号：TP753     文献标识码：D

基金项目：国家自然科学基金(41001280)，中国博士后基金(2010047038)

收稿日期：

作者简介：林祥国（1981-），2009年毕业于武汉大学，获地图学与地理信息系统专业博士学位（指导教师：张继贤研究员），主要研究方向为遥感图像信息提取、激光雷达点云处理等。

Author: LIN Xiangguo (1981-), he received his doctorate in School of Resources and Environment, Wuhan University in December 2009. His research interests include information extraction from remotely sensed imagery and LiDAR point cloud processing. E-mail：linxiangguo@gmail.com