技術(shù)特征：

1.基于聯(lián)合濾波的遙感影像路網(wǎng)提取技術(shù)，其特征在于，包括以下步驟：

S1、輸入源圖像，計算源圖像的道路顯著結(jié)構(gòu)度量模型M_p，所述顯著結(jié)構(gòu)度量模型M_p具有如下形式，

M_p＝A_p·D_p·L_p

式中，函數(shù)A_p、D_p以及L_p是像素點p顯著結(jié)構(gòu)的各向異性、非周期性以及局部方向性的度量；

S2、基于道路顯著結(jié)構(gòu)度量模型引導(dǎo)，結(jié)合線積分卷積相關(guān)原理，建立新的自適應(yīng)平滑積分模型，對非道路結(jié)構(gòu)的特征和潛在道路結(jié)構(gòu)特征進行自適應(yīng)的平滑濾波；

S3、根據(jù)所得平滑后圖像，結(jié)合極大值極小值濾波方法，以道路結(jié)構(gòu)模型為導(dǎo)向，建立一種改進的沖擊濾波模型，實現(xiàn)對顯著道路結(jié)構(gòu)的增強。

2.根據(jù)權(quán)利要求1所述的基于聯(lián)合濾波的遙感影像路網(wǎng)提取技術(shù)，其特征在于，步驟S1的計算具體如下：

S11、各向異性度量A_p通過下式計算

$A_p=\frac{{\mathrm{\λ}}_{1,p}-{\mathrm{\λ}}_{2,p}}{{\mathrm{\λ}}_{1,p}+{\mathrm{\λ}}_{2,p}}$

式中λ_1,p以及λ_2,p分別為像素點p處結(jié)構(gòu)張量矩陣S_p的特征值，以較大的特征值λ_1,p為主特征值，較小的特征值λ_2,p為副特征值；

像素點p處的結(jié)構(gòu)張量S_p通過下式計算

$S_p=\left(\begin{array}{cc}\underset{q\∈N\left(p\right)}{\Σ}\<{\▿}_x{I}_q,{\▿}_x{I}_q\>& \underset{q\∈N\left(p\right)}{\Σ}\<{\▿}_x{I}_q,{\▿}_y{I}_q\>\\ \underset{q\∈N\left(p\right)}{\Σ}\<{\▿}_x{I}_q,{\▿}_y{I}_q\>& \underset{q\∈N\left(p\right)}{\Σ}\<{\▿}_y{I}_q,{\▿}_y{I}_q\>\end{array}\right)$

式中q為p的一個鄰域N(p)內(nèi)的一個像素，〈·,·〉表示內(nèi)積運算；I_q為像素點q的強度值，及為像素點q在x和y方向的偏導(dǎo)數(shù)；

S12、局部方向性的度量D_p通過下式計算

$D_p=\frac{{\mathrm{\Σ}}_{q\∈N\left(p\right)}{A}_q\·\<{\stackrel{\→}{\mathrm{\ϵ}}}_p,{\stackrel{\→}{\mathrm{\ϵ}}}_q\>}{{\mathrm{\Σ}}_{q\∈N\left(p\right)}{A}_q}$

式中分別為像素點p和q的結(jié)構(gòu)張量矩陣對應(yīng)的副特征向量，N(p)為像素點p所在的鄰域，A_q為像素點q點的顯著性度量值；

S13、非周期性度量L_p通過下式計算

$L_p=|\underset{q\∈N\left(p\right)}{\Σ}{w}_{p,q}\·{\▿}_x{I}_q|+|\underset{q\∈N\left(p\right)}{\Σ}{w}_{p,q}\·{\▿}_y{I}_q|$

式中w_p,q為權(quán)值，通過下式計算

$w_{p,q}=\exp (-\frac{\left|\right|x_p-x_q\left|\right|+\left|\right|y_p-y_q\left|\right|}{2{\mathrm{\σ}}^2})$

式中(x_p,y_p)為像素點p的坐標；(x_q,y_q)為像素點q的坐標；σ為高斯函數(shù)中的標準差。

3.根據(jù)權(quán)利要求2所述的基于聯(lián)合濾波的遙感影像路網(wǎng)提取技術(shù)，其特征在于：所述鄰域N(p)為邊長為5像素的正方形區(qū)域。

4.根據(jù)權(quán)利要求1所述的基于聯(lián)合濾波的遙感影像路網(wǎng)提取技術(shù)，其特征在于：步驟S2具體包括以下步驟：

S21、計算平滑程度控制函數(shù)g(σ_d,M)，

式中，σ_d為該高斯核函數(shù)的寬度參數(shù)，M_p和M_q代表中心像素點p和流線上像素點q處的道路顯著結(jié)構(gòu)導(dǎo)向模型的值；

S22、結(jié)合導(dǎo)向濾波概念與線積分卷積思想，定義了一個自適應(yīng)平滑濾波函數(shù)I′_p，

$I_p^{\′}=\frac{1}{K}\underset{q\∈N\left(p\right)}{\∫}{w}_{p,q}^g({\mathrm{\σ}}_g,I)g({\mathrm{\σ}}_d,M)\·I_{q}dq$

其中，為該函數(shù)的歸一化參數(shù)，I_q為像素點q的像素值，為傳統(tǒng)線積分卷積過程中采用的一維低通濾波器的高斯核函數(shù)，通過下式計算，

$w_{p,q}^g({\mathrm{\σ}}_g,I)=\exp (-\frac{|x_p-x_q{|}^2}{2{\mathrm{\σ}}_g^2})$

其中，x_p和x_q代表著中心像素點p與流線上像素點q的x坐標值，σ_g是高斯核函數(shù)的寬度參數(shù)，控制該函數(shù)的徑向作用范圍。

5.根據(jù)權(quán)利要求1所述的基于聯(lián)合濾波的遙感影像路網(wǎng)提取技術(shù)，其特征在于，所述步驟S3具體包括以下步驟：

S31、計算控制沖擊濾波增強函數(shù)T(x)，

$T\left(x\right)=\frac{(1+\tanh (\mathrm{\λ}\left(x-0.5\right)\left)\right)}{2}$

其中x為制沖擊濾波增強函數(shù)輸入值，tanh(λ(x-0.5))為雙曲正切函數(shù)；λ為控制增強程度的因子，越大的值對應(yīng)越銳利的邊緣；

S32、建立各向異性沖擊濾波增強函數(shù)I_p，

$I_p=T\left(\frac{1-M_p\·sign\left(v_{\mathrm{\η}\mathrm{\η}}\right)}{2}\right)D{\left(I\right)}_p+(1-T(\frac{1-M_p\·sign\left(v_{\mathrm{\η}\mathrm{\η}}\right)}{2}\left)\right)E{\left(I\right)}_p$

其中，D(I)_p，E(I)_p為像素點p對應(yīng)膨脹、腐蝕的值，函數(shù)由步驟S31的公式計算，sign(v_ηη)為邊緣檢測算子的符號函數(shù)，邊緣檢測算子v_ηη通過下式計算，

v_ηη＝c²I_xx+2csI_xy+s²I_yy

這里c和s為圖像中結(jié)構(gòu)張量場對應(yīng)主特征向量的兩個分量；I_xx為圖像沿x方向的二階偏導(dǎo)數(shù)；I_yy為圖像在y方向上的二階偏導(dǎo)數(shù)；I_xy為圖像在x方向和y方向上各計算一次一階偏導(dǎo)數(shù)的結(jié)果。

6.根據(jù)權(quán)利要求5所述的基于聯(lián)合濾波的遙感影像路網(wǎng)提取技術(shù)，其特征在于：步驟S32建立各向異性沖擊濾波增強函數(shù)I_p的主要目的在于，使得視覺顯著的結(jié)構(gòu)得到更強程度的增強，而對其它區(qū)域按照傳統(tǒng)方式計算，具體來說，對位于高顯著性區(qū)域的像素，M_p→1，此時各向異性沖擊濾波增強函數(shù)I_p變?yōu)椋?/p>

相反的，對位于低顯著性區(qū)域的像素，M_p→0，此時各向異性沖擊濾波增強函數(shù)I_p變?yōu)镮_q＝(D(I)_q+E(I)_q)/2，增強效果減弱。