● 摘要
各大卫星的成功发射，使遥感时代悄然来临。通过遥感技术我们能从高分辨遥感影像中获得大量地面信息，利用图像处理技术从高分辨遥感影像中提取目标具有很大的实用性，同时，由于高分辨遥感影像中呈现的特征复杂性，使得这项工作备具挑战性，这一课题成为众多研究者探索的方向。
道路在我们的日常生活和军事等方面都具有不可忽视的作用，所以从遥感影像中提取道路具有重要的意义。可以为城市规划提供参考，为电子地图更新数据，为国土资源管理提供依据等。本文主要针对高空间分辨遥感影像，结合数学形态学方法和Snakes模型提出一种新的道路提取算法，完成道路边缘以及道路中心线的提取工作。
主要研究成果如下：
（1）针对活动轮廓模型初始位置敏感性，本文对道路初始轮廓设置方法进行研究：首先基于数学形态学方法把道路大体区域直接从图像中分割出来，该方法依据目标的灰度分布利用形态特征和结构元素通过适当的数学形态学运算保留道路主要形状，删除非道路形状从而获得大体道路轮廓，继而利用Contour_following算子对提取到的道路轮廓进行边缘标记获取轮廓线。实验结果显示，该方法较区域生长等传统初始轮廓设置方法而言能更快速，更准确的提取道路特征，且此方法不仅对道路主干道有效，对弯道﹑有交叉口的道路和多条平行道路同样适用，具有适应性和鲁棒性，但提取的道路边缘存在锯齿，抗干扰能力不强，对于受树木，汽车等遮挡的道路段提取结果有偏差。
（2）提出一种道路中心线提取算法。该方法在（1）提取的大体道路轮廓基础上结合骨架法提取道路的中心线，并对提取到的中心线进行消除毛刺等后处理。实验显示，此方法比直接利用骨架法对原始道路影像进行中心线提取速度要快，提取结果要精确，算法中心线提取结果与实际道路中心线基本吻合。
（3）将数学形态学方法与Snakes模型结合应用于高分辨遥感影像道路提取。即：先用上面提到的方法采用数学形态学适当操作,提取道路特征，然后把Contour_following算子标记到的道路轮廓线作为Snakes模型的初始轮廓线，结合Snakes模型对道路进行跟踪，完成道路提取。实验证明该方法能有效地提取目标轮廓，且Snakes进行很少的迭代便收敛到期望的道路边界，且道路边界连续、光滑。