资源描述
高分辨率遥感影像在交通限行决策高分辨率遥感影像在交通限行决策中的应用中的应用1编辑版ppt问题问题的提出的提出高分辨率高分辨率遥感遥感面向对象的高分辨率遥感影像面向对象的高分辨率遥感影像分析分析概念与模型概念与模型构建构建基于高分辨率遥感数据的分析实例基于高分辨率遥感数据的分析实例2编辑版ppt一、问题的提出一、问题的提出。3编辑版ppt问题的提出问题的提出当前,交通拥堵几乎已经成了许多城市的不治之症。当前,交通拥堵几乎已经成了许多城市的不治之症。为缓解交通拥堵,加大道路建设供给,积极发展城为缓解交通拥堵,加大道路建设供给,积极发展城市轨道交通,推进智能交通管理,同时出台了市轨道交通,推进智能交通管理,同时出台了诸诸“单双号限行单双号限行”、“摇号购车摇号购车”等等措施。措施。然而实践证明,道路建设速度始终跟不上机动车的然而实践证明,道路建设速度始终跟不上机动车的增长速度,限行、限购不符合市场经济规律,不能增长速度,限行、限购不符合市场经济规律,不能治本,甚至还会引发更深层次的社会治本,甚至还会引发更深层次的社会问题。问题。4编辑版ppt问题的提出问题的提出u对此对此,优先发展城市,优先发展城市公共公共交通成为国家重大交通战交通成为国家重大交通战略方针。如何对略方针。如何对有限的城市核心有限的城市核心区域道路资源进行区域道路资源进行优化配置,优先供给优化配置,优先供给公共公共交通,是落实交通,是落实“公共交通公共交通优先战略优先战略”的内在的内在要求。要求。u对于有限的交通路网资源,要保证公交优先,保障对于有限的交通路网资源,要保证公交优先,保障道路畅通,只能限制小型车辆等载客数量少的车型道路畅通,只能限制小型车辆等载客数量少的车型在高峰时段进入某些核心路段。在高峰时段进入某些核心路段。5编辑版ppt问题的提出问题的提出在在实际实际交通管制中交通管制中限制货车在特定时段进入限制货车在特定时段进入核心城区的做法核心城区的做法即是即是这一这一思想的体现。对于思想的体现。对于小车如何限行及在小车如何限行及在哪些时段哪些时段、哪些哪些路段路段限行,限行,需要如何以科学准确的数字来需要如何以科学准确的数字来量化量化其其效果,效果,制定有效的制定有效的交通管理政策交通管理政策,是在实际工作,是在实际工作中中需要需要解决的问题。解决的问题。6编辑版pptn对上述问题,有学者提出了对上述问题,有学者提出了城市道路资源城市道路资源占有率占有率的的概念,并把该问题归于车辆的出行调查。概念,并把该问题归于车辆的出行调查。就目前文就目前文献调研发现,采用的做法是通过献调研发现,采用的做法是通过人工调查人工调查或依靠或依靠地地面摄像面摄像头采集数据进行分析。头采集数据进行分析。这些方法费时这些方法费时费力费力,时间周期长,效率低下,数据可视化程度时间周期长,效率低下,数据可视化程度低。低。7编辑版pptn高分辨率对地观测数据高分辨率对地观测数据具有覆盖范围广、具有覆盖范围广、分辨率分辨率高、信息高、信息全面而真实、重返周期短、可全天时全面而真实、重返周期短、可全天时全天候全天候获取数据等特获取数据等特点,将其应用在城市群交通管理点,将其应用在城市群交通管理中可中可有效摸清城市群的交有效摸清城市群的交通现状和存在的问题,为通现状和存在的问题,为城市群城市群一体化综合交通规划提供一体化综合交通规划提供决策支持决策支持。8编辑版ppt目前,将目前,将高分辨率遥感高分辨率遥感技术应用于交通领域,被技术应用于交通领域,被称为称为(),),作为一个崭新的研究领域,充满活力。特别是高作为一个崭新的研究领域,充满活力。特别是高分辨率对地观测系统作为国家战略技术发展后,分辨率对地观测系统作为国家战略技术发展后,很多很多高分辨率遥感高分辨率遥感影像得到商业化应用,为其研影像得到商业化应用,为其研究和应用开辟了广阔的发展空间究和应用开辟了广阔的发展空间。+纵观纵观近年来国内外遥感技术在交通调查方面的研近年来国内外遥感技术在交通调查方面的研究,主要集中在究,主要集中在公路调查公路调查、居民出行调查居民出行调查、交通量调查交通量调查、车速调查车速调查及及城市土地利用调查城市土地利用调查等方等方面,但都尚在初步探索面,但都尚在初步探索阶段。阶段。9编辑版ppt+对此,我们提出采用高分辨率遥感数据提取路网信息,引出新的道路交通资源占用率和道路交通出行贡献率的概念及数学模型,以方便快捷地为交通管制政策制定提供准确依据。10编辑版ppt二、高分辨率遥感二、高分辨率遥感自二十世纪六十年代遥感技术出现至今五十年里,遥感自二十世纪六十年代遥感技术出现至今五十年里,遥感技术有了长足的发展,尤其自技术有了长足的发展,尤其自 1999 1999 年世界上第一颗高年世界上第一颗高分辨率商业卫星发射成功以来,全球相继成功发射了数分辨率商业卫星发射成功以来,全球相继成功发射了数十颗高分辨率遥感卫星十颗高分辨率遥感卫星。如如 1999 1999 年年9 9月月2424日,日,美国空间成像公司美国空间成像公司(SpacingImaging(SpacingImaging)成功发射成功发射的的 IKONOS IKONOS 卫星,卫星,是世界是世界上上第一颗提供高分辨率卫星影像的商业遥感第一颗提供高分辨率卫星影像的商业遥感卫星卫星,其,其全色全色影像影像的的空间空间分辨率分辨率为为 1.0m1.0m,多光谱影像多光谱影像的空间分辨率为的空间分辨率为 4.0m4.0m;11编辑版ppt2001 2001 年年1010月月1818日,日,美国数字地球公司美国数字地球公司(Digital Globe)(Digital Globe)发发射的射的QuickBird QuickBird 卫星,卫星,是世界上最先提供亚米级分辨率的是世界上最先提供亚米级分辨率的商业商业卫星卫星,全色,全色影像的空间分辨率为影像的空间分辨率为 0.61m0.61m,多光谱影像,多光谱影像的空间分辨率为的空间分辨率为 2.44m2.44m;2007 2007 年,美国数字地球公司年,美国数字地球公司(Digital Globe)(Digital Globe)又发射的又发射的 WorldViewWorldView卫星影像,全色影像的空间分辨率为卫星影像,全色影像的空间分辨率为 0.46m0.46m,多光谱影像的空间分辨率为,多光谱影像的空间分辨率为 1.8m1.8m;12编辑版ppt20082008年,美国年,美国 GeoEye Foundation GeoEye Foundation 成功发射了成功发射了 GeoEye-1 GeoEye-1 卫星影像,全色影像的空间分辨率为卫星影像,全色影像的空间分辨率为 0.41m0.41m,多光谱影像的空间分辨率为,多光谱影像的空间分辨率为 1.65m1.65m;20082008年,年,美国侦查卫星锁眼美国侦查卫星锁眼KH-12 KH-12 影像的空间分影像的空间分辨率达到辨率达到 15cm15cm。13编辑版ppt 现代卫星现代卫星遥感已呈现出遥感已呈现出“三高三高”(高光谱分辨率、高光谱分辨率、高空间分辨率、高时间分辨率高空间分辨率、高时间分辨率)和和“三多三多”(多传感器、多传感器、多平台、多角度多平台、多角度)的发展的发展趋势。趋势。在在国内外,高分辨率卫星资料广泛应用于测绘制图、国内外,高分辨率卫星资料广泛应用于测绘制图、国土国土资源管理资源管理、城市规划、资源城市规划、资源开发、环境监测、精开发、环境监测、精准农业、林业测量、海洋探测、准农业、林业测量、海洋探测、军事目标识别军事目标识别等各个等各个行业和邻域并发挥着非常重要的行业和邻域并发挥着非常重要的作用。作用。14编辑版ppt+高分辨率遥感高分辨率遥感通常指的是高空间分辨率遥感,它是通常指的是高空间分辨率遥感,它是目前广大遥感工作人员目前广大遥感工作人员关注关注的指标之一,目前卫星的指标之一,目前卫星遥感影像的空间分辨率已经从遥感影像的空间分辨率已经从米级米级到亚米级甚至到到亚米级甚至到厘米级厘米级。+与与中、低空间分辨率遥感相比,高空间分辨率遥感中、低空间分辨率遥感相比,高空间分辨率遥感有更加丰富的有更加丰富的空间信息和空间信息和更清晰的细节纹理信息等,更清晰的细节纹理信息等,使得与周围地物邻域关系能更好的表达和反映,使得与周围地物邻域关系能更好的表达和反映,但但同时同时同类地物的内部光谱差异逐渐增大同类地物的内部光谱差异逐渐增大。15编辑版ppt+当前高空间分辨率遥感影像信息提取若采用传统当前高空间分辨率遥感影像信息提取若采用传统基基于像元的光谱信息提取于像元的光谱信息提取技术,已经技术,已经不能不能满足要求。满足要求。快速、准确的信息提取技术快速、准确的信息提取技术已成为制约高空间分辨已成为制约高空间分辨率卫星数据实际应用的主要瓶颈,率卫星数据实际应用的主要瓶颈,面向对象的图像面向对象的图像分析技术分析技术为高空间分辨率遥感影像信息提取提供了为高空间分辨率遥感影像信息提取提供了新的思路和方法。新的思路和方法。16编辑版ppt三、面向对象的高分辨率遥感影像分析三、面向对象的高分辨率遥感影像分析遥遥 感感 影影 像像 分分 析析 方方 法法 中中 主主 要要 分分 为为 基基 于于 像像 元元 和和 面面 向向 对对 象象两类。两类。基于基于像元的信息提取是根据影像的像元的信息提取是根据影像的光谱信息特征光谱信息特征进进行行,而,而高空间分辨率遥感影像的高空间分辨率遥感影像的空间信息丰富空间信息丰富,但,但光谱信息很少,因此,基于像元光谱信息很少,因此,基于像元的光谱信息的光谱信息提取常提取常常会出现常会出现错分、漏分错分、漏分现象。现象。同时,对于同时,对于“同物异谱同物异谱”或或“同谱异物同谱异物”信息提取信息提取结果会存在更为严重的结果会存在更为严重的“椒盐现象椒盐现象”,使提取结果精度大大降低使提取结果精度大大降低。17编辑版ppt+近年来,尽管一些学者在信息提取上进行了大量研近年来,尽管一些学者在信息提取上进行了大量研究,如神经网络、决策树、专家系统等,在一定程究,如神经网络、决策树、专家系统等,在一定程度上虽然提高了信息提取的精度,但从本质上讲,度上虽然提高了信息提取的精度,但从本质上讲,仍是基于像元层次,不能满足高分辨率遥感影像信仍是基于像元层次,不能满足高分辨率遥感影像信息提取的要求。息提取的要求。18编辑版ppt面向对象的信息提取面向对象的信息提取核心问题核心问题是对遥感影像精确的是对遥感影像精确的分割成为一个个影像分割成为一个个影像对象对象,再对影像对象区域进行,再对影像对象区域进行信息提取和分析。它是综合影像对象的光谱、形状信息提取和分析。它是综合影像对象的光谱、形状、纹理纹理、层次、邻域、空间位置、类间关系、层次、邻域、空间位置、类间关系等特征等特征信信息对影像进行分割得到同息对影像进行分割得到同质对质对象,再根据目标地物象,再根据目标地物的实际要求进行提取,这就大大地提高了信息提取的实际要求进行提取,这就大大地提高了信息提取的的质量和精度。质量和精度。19编辑版pptu因此,这种面向对象的信息提取方法无论在因此,这种面向对象的信息提取方法无论在理论上还是在实际应用中都比传统的基于像理论上还是在实际应用中都比传统的基于像元方法有很大的优势。遥感图像分割方法的元方法有很大的优势。遥感图像分割方法的研究,将会推进遥感信息提取技术从基于像研究,将会推进遥感信息提取技术从基于像元过渡到面向对象的识别。元过渡到面向对象的识别。20编辑版ppt1 1、影像分割、影像分割利用面向对象的遥感影像分类方法进行分类前利用面向对象的遥感影像分类方法进行分类前,必须借必须借助影像分割方法来助影像分割方法来获得对象。获得对象。影像影像分割是分割是一种重要的影像分析技术一种重要的影像分析技术,是指把影像分成是指把影像分成各具各具特性的区域特性的区域并提取出感兴趣区域的技术和并提取出感兴趣区域的技术和过程。过程。影像影像分割是由分割是由影像处理到影像处理到影像分析影像分析的关键步骤的关键步骤,在影像在影像处理中占有重要地位处理中占有重要地位。一方面一方面,它是要素表达的基础它是要素表达的基础,对特征对特征测量有重要影响测量有重要影响;另一方面另一方面,因为影像分割及其因为影像分割及其基于分割的要素基于分割的要素提取、特征提取和提取、特征提取和参数测量等将原始参数测量等将原始影像转化为更抽象更紧凑的形式影像转化为更抽象更紧凑的形式,使得更高层次的影像使得更高层次的影像分析分析和理解和理解成为成为可能。可能。21编辑版ppt常见的影像分割有两种:+一种是依据区域间边界像元灰度不连续性的点相关的分割算法,可称为基于边界的影像分割算法;+另一种是利用同一区域内灰度特征与纹理特征相似性的区域相关分割算法,可称之为基于区域的影像分割。22编辑版ppt基于边界的分割方法主要是利用边界像元具有灰度不连续性的特点检测出区域间的边界,实现影像分割。其根据检测方式不同分为两类:l(1)点到线,由先检测出的边缘点组成目标的边界而实现的分割,如 Hough 变换法、微分算子法等;l(2)顺序搜索,从边界起始点开始,顺序确定目标的边界而实现的分割,如曲线拟合法、边界跟踪法等。由于边界分割方法只利用了局部的信息,同时受图像噪声影响较大,图像分割的边界往往是非闭合或非连通的,因而在实际应用中受到一定的限制。23编辑版ppt基于区域的影像分割方法又可分为区域生长和分基于区域的影像分割方法又可分为区域生长和分裂合并两种不同的方法。裂合并两种不同的方法。1)区域生长算法。其基本思想是将影像内相邻邻域内的具有相似性质的像元全部集合起构成区域。具体过程是先确定一种生长或相似度准则,在分割影像目标区域内选定一个种子像元作为生长点,根据事先确定的准则,将种子像元与周围邻域中的种子像元进行比较,将与种子像元有相同或相似性质的像元进行合并到种子像元所在的区域中,重复上面的过程,直到不再有满足相似度准则的邻域像元要求时,该区域的生长过程结束,生成了多边形对象。24编辑版ppt+区域生长区域生长法对于连通均匀的目标区域分割法对于连通均匀的目标区域分割效果效果较好,较好,但它对种子像元的选择依赖性但它对种子像元的选择依赖性很大很大,不同种子像元的,不同种子像元的选择和区域生长准则的设计直接影响影像对象分割的选择和区域生长准则的设计直接影响影像对象分割的结果结果,如果种子像元选择或者准则设计不合理,就会,如果种子像元选择或者准则设计不合理,就会造成影像对象造成影像对象“过度分割过度分割”或者或者“分割不足分割不足”现象现象。25编辑版ppt2)分裂合并法,其过程刚好与区域生长算法的过程相反。其基本思想是从整个影像开始不断分裂成若干任意大小且不重叠的影像对象,然后按影像对象内“同质性最大、异质性最小”的原则将较小影像对象合并成多边形。分裂合并法核心就是设置分裂合并对象准则和确定停止对象合并条件。26编辑版pptl由于由于区域合并法区域合并法的实体是影像对象,合并时不仅要考的实体是影像对象,合并时不仅要考虑对象内像元的光谱信息,同时要虑对象内像元的光谱信息,同时要考虑影像考虑影像对象的形对象的形状、纹理信息,在不同尺度范围内实现影像对象类别状、纹理信息,在不同尺度范围内实现影像对象类别的稳定性的稳定性和单一性和单一性,从而保证影像对象在一定尺度范,从而保证影像对象在一定尺度范围内分割结果和精度要求。另外,围内分割结果和精度要求。另外,区域合并区域合并法还涉及法还涉及到语义信息,每层影像对象不仅具有与相邻对象的语到语义信息,每层影像对象不仅具有与相邻对象的语义信息义信息,同时,同时还继承了父类或者子类对象的语义信息,还继承了父类或者子类对象的语义信息,这为我们评价空间格局变化这为我们评价空间格局变化提供方便提供方便。27编辑版ppt3)多尺度分割多尺度分割是自下而上的方法,是基于区域合并算法,以单个像元为生长点,采用区域生长算法生成小的影像对象,再用区域合并算法对小影像对象合并成较大的影像对象,在影像对象合并过程中,影像对象遵循异质性最小原则进行合并。28编辑版ppt2 2、影像、影像对象的特征定量描述对象的特征定量描述方法方法影像对象的特征是影像分割、分析与信息提取的主要依据,从概念上来讲,影像对象特征可分为如下几类:+(1)(1)本质本质(固有固有)特征特征:影像对象物理属性特征,它由影像对象物理属性特征,它由真实的地理实体和影像真实的地理实体和影像成像状态成像状态(主要由传感器和太主要由传感器和太阳辐射阳辐射)所决定。所决定。这类特征主要是影像对象的光谱、这类特征主要是影像对象的光谱、形状和形状和纹理等特征纹理等特征进行描述。进行描述。29编辑版ppt+(2)(2)拓扑特征拓扑特征:描述影像对象之间的几何关系特征,描述影像对象之间的几何关系特征,如影像对象如影像对象A A是相邻于是相邻于影像影像对象对象B B的左、右还是两影的左、右还是两影像对象相距一定距离等特征。像对象相距一定距离等特征。+(3)(3)上下文特征上下文特征:描述影像对象层间的语义关系特征,描述影像对象层间的语义关系特征,如广场一定是与如广场一定是与道路连通道路连通等等。上述上述特征在面向对象影像分析里,通常用特征在面向对象影像分析里,通常用影像对象特影像对象特征征、类间相关特征类间相关特征和和全局全局特征特征来表示。来表示。30编辑版ppt3 3、影像对象的、影像对象的分类分类+面向对象的遥感影像分类技术不仅考虑了影像对象面向对象的遥感影像分类技术不仅考虑了影像对象的特征,的特征,如光谱、形状如光谱、形状、纹理、纹理、层次、层次,而且也考虑,而且也考虑了类间相关特征,了类间相关特征,如与邻域对象、父对象、子对象如与邻域对象、父对象、子对象,同时同时也考虑了全局特征,也考虑了全局特征,如全局对象个数、分辨率如全局对象个数、分辨率等一系列相关特征等一系列相关特征,它是结合,它是结合人的人的思维模式,通过思维模式,通过人机交互构建知识库,提取出符合实际目标地物,人机交互构建知识库,提取出符合实际目标地物,提高了提高了信息提取信息提取的精度。的精度。31编辑版ppt面向对象遥感影像分类方法的一般步骤面向对象遥感影像分类方法的一般步骤是:是:(1 1)对)对预处理后的遥感影像进行分割预处理后的遥感影像进行分割,得到得到同质对象同质对象,使得使得分割后的对象满足下一步分类或目标地物提取的分割后的对象满足下一步分类或目标地物提取的要求要求;(2 2)再)再根据根据遥感遥感分类或目标地物提取的具体要求分类或目标地物提取的具体要求,检检测和提取目标地物的多种特征测和提取目标地物的多种特征(如如光谱、形状、纹理、光谱、形状、纹理、阴影、空间位置、相关阴影、空间位置、相关布局等布局等),),建立分类建立分类体系体系;(3 3)最后采用分类算法(如)最后采用分类算法(如模糊分类、最邻近模糊分类、最邻近分类)分类),实现实现地物类别信息提取的地物类别信息提取的目的。目的。32编辑版ppt+随着遥感图像空间分辨率的提高,遥感图像中蕴含随着遥感图像空间分辨率的提高,遥感图像中蕴含了丰富的地物信息。高分辨率遥感图像中道了丰富的地物信息。高分辨率遥感图像中道路上路上的的车辆也成为越来越清晰的对象,这就提供了更多的车辆也成为越来越清晰的对象,这就提供了更多的交通信息,是交通规划与管理所需的交通流交通信息,是交通规划与管理所需的交通流数据数据很很好的来源。利用遥感图像提取道路上的车辆对象,好的来源。利用遥感图像提取道路上的车辆对象,可以测量路段车流密度,加上时间轴,还可以测量路段车流密度,加上时间轴,还可以提取可以提取交通流量等数据。因此高分辨率卫星遥感给城市交交通流量等数据。因此高分辨率卫星遥感给城市交通信息采集带来了新的思路,通信息采集带来了新的思路,如如下图下图所所示。示。33编辑版ppt高分辨率遥感图像高分辨率遥感图像车辆分类与信息提取车辆分类与信息提取排队长度排队长度车辆分类车辆分类车辆计数车辆计数车流密度车流密度平均速度平均速度交通流量交通流量占有率占有率图像处理图像处理数学模型处理数学模型处理34编辑版ppt+具体来说,遥感图像作为交通信息的数据来源具有具体来说,遥感图像作为交通信息的数据来源具有观察范围广,易更新,周期短等优势。利用观察范围广,易更新,周期短等优势。利用遥感遥感图图像为交通信息源可以更好的满足交通信息服务的范像为交通信息源可以更好的满足交通信息服务的范围广、准确、实时的要求,缩短更新时间。围广、准确、实时的要求,缩短更新时间。35编辑版ppt四、概念与模型构建四、概念与模型构建+36编辑版ppt+式中:代表某种车型的道路交通资源占用率;l代表某种车型的车长,l代表在某条路段上该车型的长度总和;L代表某条路段的长度,如果要评价整个城市路网上某种车型的交通资源占用率,L则代表整个城市路网上路段的长度和。37编辑版ppt由于实际交通道路等级的多样性,表现为由于实际交通道路等级的多样性,表现为一路多一路多道;同道;同时在车辆行驶中,车辆在高分遥感影像时在车辆行驶中,车辆在高分遥感影像拍摄采样拍摄采样瞬间并瞬间并非处于某条绝对直行车道,故车辆非处于某条绝对直行车道,故车辆行驶瞬时行驶瞬时存在穿行复存在穿行复杂性。因此,在实际计算中式杂性。因此,在实际计算中式()存在()存在一定困难,仅一定困难,仅适用于不分行驶方向的单向道路适用于不分行驶方向的单向道路。对于。对于双向多车道的道双向多车道的道路,交通道路路,交通道路长度的长度的实际实际意义意义即为车道总长度,即道即为车道总长度,即道路长度乘以车道数。路长度乘以车道数。根据定义,根据定义,一般情况下,一般情况下,由于车辆间距的存在由于车辆间距的存在,越,越大,表明在该条道大,表明在该条道路上该车型占用的道路路上该车型占用的道路交通交通资源越多。资源越多。38编辑版ppt+此处,某种车型是指广义的车型,可借用车辆管理中关于车身长度的分类标准进行区分,即车身长度大于(或搭载人数超过人)为大型车,车身长度小于、大于(或载客人数小于、大于人)为中型车,其余均为小型车。39编辑版ppt+40编辑版ppt+式中式中:代表:代表某种车型的交通出行贡献率某种车型的交通出行贡献率;i i代表对代表对应应的该车型载客人数的该车型载客人数;代表;代表该车型在城市路网该车型在城市路网上上的的数量数量;i i代表代表该车型所能承担的乘客总数该车型所能承担的乘客总数;J J代表代表某种某种车型的载客人数车型的载客人数;代表;代表整条路段上某种整条路段上某种车型车型的的数量数量;JNJN代表代表整个城市路网上乘坐整个城市路网上乘坐机动车辆出机动车辆出行行的所有乘客数量。的所有乘客数量。41编辑版ppt+根据定义,一般情况下,由于不可能一条路段只有一种车型,故,越大,表明在该条道路上该车型分担的出行贡献量越大。42编辑版ppt五、基于高分辨率遥感五、基于高分辨率遥感数据的分析数据的分析实例实例+选取湖南株洲市株洲大桥过江道路为分析样本,样本图像如图所示。选取湘江沿江中路与株洲大桥交叉点为参考计算起点,滨江北路与株洲大桥的交叉点为终点,道路长度L为43编辑版ppt+对于高分辨率遥感影像,采用图像处理和识别技术,经过影像综合处理后,对道路和车辆分别采用相关算法,实现背景与目标的分割,采用面向对象的高分遥感影像识别技术,在识别中根据分类标准进行车身长度测量和分类统计。44编辑版ppt+经图像信息处理和识别后的经图像信息处理和识别后的遥感图像如遥感图像如下图下图面向对象面向对象的目标提取结果局部的目标提取结果局部视图视图所示所示 深深黑色为大型车;暗灰色为中型车;浅灰色为小型车黑色为大型车;暗灰色为中型车;浅灰色为小型车45编辑版ppt+识别结果如表所示+根据车型分类标准,考虑到在实际行车中车辆之间存在车头距,对车型真实长度进行归一化处理,同时假设所有车型为满员状态。道路交通资源占用率和道路交通出行贡献率所需的车辆长度与载客数量参数如表所示。46编辑版ppt47编辑版ppt+将表和表中的相关参数代入式()、式(),分别计算公共交通车型和私人交通车型的道路交通资源占用率、道路交通出行贡献率,其中,公共交通车型包括大型车和中型车,小型车统一归为私人交通车型。48编辑版ppt+49编辑版ppt+可以看出,说明在拍摄时段瞬间,公共交通道路资源占用率低于私人交通道路资源占用率,而公共交通出行贡献率为私人交通出行贡献率倍。如果该条道路经常性拥堵,可有针对性地对私人交通车型进行限行。50编辑版ppt+由此可见,上述方法可方便、快捷地摸清城市道路网络上车辆的出行规律,分析不同车型对道路交通资源占用情况和公众出行的贡献率。在这些分析数据的支持下,可更加科学合理地引导城市交通的发展,探寻城市交通的发展规律,为城市交通政策的调整、制定提供理论基础和参考。51编辑版ppt由于获取的高分辨率遥感影像数据仅为静态瞬时的道路交通状态信息,实际交通状态为动态变化过程,高分辨率遥感拍摄时间不同,将会得出不同的计算结果。因此,单幅影像数据计算结果仅代表某一瞬时,若能在多源多时相遥感影像数据分析的基础上,通过数据积累,可得到具有更高参考价值的数据。52编辑版ppt参考文献参考文献+李莉李莉.面向对象的高分辨率遥感影像信息提取研究面向对象的高分辨率遥感影像信息提取研究+游丽游丽平平.面向对象面向对象的高分辨率遥感影像分类方法的高分辨率遥感影像分类方法研究研究+张张勇,谷正气,刘水长,李健勇,谷正气,刘水长,李健.高分遥感影像在交通限高分遥感影像在交通限行决策中的行决策中的应用应用.公路与汽运公路与汽运+刘小明刘小明,齐彤岩齐彤岩,刘冬梅刘冬梅,罗铭罗铭.北京市道路交通资源占有北京市道路交通资源占有率分析率分析.公公 路路 交交 通通 科科 技技+李学敏,袁满荣,毕鑫,李学敏,袁满荣,毕鑫,等城市等城市路口交通资源优化路口交通资源优化研研究交通究交通运输系统工程与运输系统工程与信息信息+谷谷健遥感健遥感图像在居民出行调查与预测中的应用图像在居民出行调查与预测中的应用研究研究.长春长春:吉林大学吉林大学+郭杜杜,梁艳平,王兵郭杜杜,梁艳平,王兵,马马玉玉春春.高分辨率遥感图像在交高分辨率遥感图像在交通流信息采集中的研究综述通流信息采集中的研究综述+陈陈杰杰.高分辨率高分辨率遥感影像面向对象分类方法遥感影像面向对象分类方法研究研究53编辑版ppt+全色波段,一般指使用全色波段,一般指使用0.50.5微米到微米到0.750.75微米左右的单微米左右的单波段,即从绿色往后的可见光波段。全色遥感影象波段,即从绿色往后的可见光波段。全色遥感影象也就是对地物辐射中全色波段的影象摄取,因为是也就是对地物辐射中全色波段的影象摄取,因为是单波段,在图上显示是单波段,在图上显示是灰度图片灰度图片。全色遥感影象一。全色遥感影象一般般空间分辨率高空间分辨率高,但,但无法显示地物无法显示地物色彩。色彩。+多波段,又叫多光谱,是指对地物辐射中多个单波多波段,又叫多光谱,是指对地物辐射中多个单波段的摄取。得到的影象数据中会有多个波段的光谱段的摄取。得到的影象数据中会有多个波段的光谱信息。对各个不同的波段分别赋予信息。对各个不同的波段分别赋予RGBRGB颜色将得到彩颜色将得到彩色影象。例如,将色影象。例如,将R R,G G,B B分别赋予分别赋予R R,G G,B B三个波三个波段的光谱信息,合成将得到模拟真彩色图象。多波段的光谱信息,合成将得到模拟真彩色图象。多波段遥感影象可以得到地物的色彩信息,但是段遥感影象可以得到地物的色彩信息,但是空间分空间分辨率较低。辨率较低。54编辑版ppt+空间分辨率,又称地面分辨率(选择遥感平台的主要依据)空间分辨率,又称地面分辨率(选择遥感平台的主要依据)。前者是针对遥感器或图像而言的,指图像上能够详细区。前者是针对遥感器或图像而言的,指图像上能够详细区分的分的最小单元的最小单元的尺寸或大小,或指遥感器区分两个目标的尺寸或大小,或指遥感器区分两个目标的最小角度最小角度或或线性距离的度量线性距离的度量。后者是针对地面而言,指可。后者是针对地面而言,指可以识别的以识别的最小地面距离最小地面距离或或最小目标物最小目标物的大小。的大小。55编辑版ppt+“椒盐现象椒盐现象”是是因为同种地物光谱变异较大而造成因为同种地物光谱变异较大而造成的,可以理解为在一个小区域内,同种地物被分类的,可以理解为在一个小区域内,同种地物被分类成不同的类别,原本均一的地块被成不同的类别,原本均一的地块被“打碎打碎”了,看了,看起来就像电视机雪花一样(但是没有这么严重起来就像电视机雪花一样(但是没有这么严重)。)。+所以因为高分辨率影像同种地物光谱变异较大,所所以因为高分辨率影像同种地物光谱变异较大,所以利用基于像素的方法进行高分辨率影像的分类会以利用基于像素的方法进行高分辨率影像的分类会导致导致“椒盐现象椒盐现象”56编辑版ppt
展开阅读全文