基于阈值标记的分水岭算法道路提取

分水岭算法易产生过分割现象，本文提出一种基于阈值标记的分水岭分割方法，能更为精准提取遥感图 *第一作者。 #通讯作者。

遥感技术的飞速发展使航天飞机和各种卫星系统可提供大量遥感影像，其分辨率也越来越高，为遥感影像的应用提供了便利条件；从高分辨率遥感影像中提取道路信息是目标检测与识别的研究热点，道路信息的提取方法研究基本上可以分为三类：基于边缘提取、基于区域分割提取和两者相结合。

Nevatia [1]等以提取梯度方向相对平行的边缘为基础， 从边缘提取着手， 再提取梯度幅度阈值并将近似方向的点连成线段，最后将之编成相对平行的线对，但它基于道路对比度不变的不完备假设，会产生很多问题。

Zhu [2]等釆用相对平行的边缘来选择种子点， 并根据边缘的强度与长度等的相似程度来连接， 同时利用了机遇规则的系统；这种方法简单的假设图像没有噪声兵器道路与背景具有较高的对比度，使得其适应性不高。Fischle [3]等从较低分辨率的图像上根据像素灰度值和对比度来计算像素为道路点的得分， 以便形成代价阵列， 釆用最小代价路径的图搜索方法(例如动态规划)进行求解；它的缺点是代价函数很难确定，可能会造成错误。胡翔云[4]研究的对象是小比例尺图像中非城市地区的道路网，重点研究了一种基于感知编组的自动形成道路网的方法，这种方法基于概率模型，同时有上下文信息作为支持；然后构建了一个实验系统及框架，这个框架的可行性较强，同时便于扩充。文贡坚[5]等提出了提取比较直的主干道路网的方法，这种方法针对的图像是城市航空图像；首先整幅图像被分成若干块，然后在每一个子块中基于直线来提取检测道路段，较完整的道路网可以自动连接形成；其优势在于中层符号是使用直线的，而且直线提取算法比较稳健。

基于以上的道路提取方法及遥感图像的特点，本研究通过中值滤波及直方图增强，不仅能去除图像噪声，还能较好地保持目标的边缘轮廓信息，再用阈值标记来修改梯度图像，从而有效解决了分水岭算法产生的过分割问题，可以更精确地提取图像中的道路信息。

2. 遥感图像的多尺度形态学梯度与最大熵阈值求取 待处理的原始图像整体偏暗，首先使用直方图均衡化来增强道路与周边环境的差异；再采用中值滤波处理，在保持图像边缘的同时有效去除椒盐噪声，可缓解分水岭过度分割。

2.1. 多尺度形态学梯度算法 分水岭算法处理的是梯度图像，本研究对象为彩色图像，因此我们先求每个通道的梯度，再取最大的梯度，来获得梯度图像。腐蚀和膨胀是形态学图像处理、获取梯度的两个最基本操作。腐蚀是在图像