通过多尺度分割与张量投票从超高分辨率影像中精确提取城市道路中线
计算机视觉与模式识别
2016-02-26 v2
摘要
从超高分辨率（VHR）遥感影像中提取精确的道路中线对于道路图生成与更新等各种应用非常有用且日益普及。现有方法存在三个不足： 由于噪声和遮挡（归因于车辆和树木），大多数道路提取方法会产生异质的分类结果； 形态学细化算法被广泛用于提取道路中线，但它会在中线周围产生短小毛刺； 许多方法在道路交叉口附近提取中线时效果不佳。为解决上述三个问题，我们提出了一种通过三种技术提取平滑且完整道路中线的新方法：多尺度联合协同表示（MJCR）与图割（GC）、张量投票（TV）与非极大值抑制（NMS），以及基于拟合的连接算法。具体而言，通过结合多尺度特征与空间信息，提出了一种基于 MJCR-GC 的道路区域分割方法，从而获得同质的道路分割结果。然后，为获得平滑且正确的道路中线网络，引入了基于 TV-NMS 的中线提取方法。该方法不仅提取平滑的道路中线，还连接不连续的道路中线。最后，为克服现有方法在道路交叉口处的低效性，提出了一种基于拟合的道路中线连接算法，从而得到完整的道路中线网络。在两个数据集上的大量实验表明，与 SOTA 方法相比，本方法获得了更高的定量结果以及更令人满意的视觉表现。
引用
@article{arxiv.1508.06163,
title = {Accurate Urban Road Centerline Extraction from VHR Imagery via Multiscale Segmentation and Tensor Voting},
author = {Guangliang Cheng and Feiyun Zhu and Shiming Xiang and Chunhong Pan},
journal= {arXiv preprint arXiv:1508.06163},
year = {2016}
}
备注
25 pages, 11 figures