《表1 不同道路提取算法的性能比较Tab.1 Performance comparison of different road extraction algorithms》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《自适应圆形模板及显著图的高分辨遥感图像道路提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了检验算法性能，通过人工提取参考路网，并按文献[23]定义如式（13）的评估参数，其中TP（true positive）、FP（false positive）、FN（false negative）分别表示正确提取、错误提取和未提取的道路。道路缓冲宽度不固定，以实际宽度为准（图11灰色条形），提取的道路坐标落在道路缓冲范围内即为正确。表1给出了本文和文献[2，20]的结果对比，其中总耗时包含人工选点、参数设置、算法识别以及部分路段返工操作的时间。从表中可以看出，文献[2]的算法虽然种子点数、参数数目最少，且完成度最高，但该算法在每个路段提取时都需要两次计算最短测地路径，耗时较长，且算法过度依赖图像的灰度信息，受限于试验素材的强干扰信息，正确率较低。文献[20]的算法需要设置更多的参数，且参数的配比难以人为判定，因此增加了返工次数，也增加了模板误匹配情况，降低了路网提取的正确率。本文算法在模板匹配过程中主要依赖道路显著图和道路几何信息，更容易根据路段的实际情况设置合理的参数配比。具体而言，对于具有大量干扰因素的平缓路段适当提高参数b的比重，对于平滑的弯曲路段适当提高参数a的比重，对于强噪声的弯曲道路需适当增加人工种子点，并提高参数b的比重。另外，由于模板具有一定的尺寸，造成路段首尾存在小段道路未能有效提取，因此本文和文献[20]的算法在完成度上均不如文献[2]，该问题可以通过自然延伸路段到图像边界或其他路段来解决。