%0 Journal Article
%T 基于P-N学习的高分遥感影像道路半自动提取方法<br>Semi-automatic Road Extraction Method from High Resolution Remote Sensing Images Based on P-N Learning
%A 陈光
%A 眭海刚
%A 涂继辉
%A 宋志娜&lt
%A br&gt
%A CHEN Guang
%A SUI Haigang
%A TU Jihui
%A SONG Zhina
%J 武汉大学学报·信息科学版
%D 2017
%R 10.13203/j.whugis20140999
%X 基于模板匹配的道路跟踪是半自动提取道路的主要方法。然而场景中地物干扰和道路宽度的变化降低了模板匹配的稳定性；另外，道路跟踪失败后缺乏重检测机制，使得道路提取过程中人机交互频繁。针对以上问题，提出了一种基于P-N（positive-negative）学习的高分遥感影像道路半自动提取方法。该方法由道路跟踪、检测和学习构成，关键是采用了P-N学习的策略迭代的训练分类器，通过纠正违反结构约束的样本分类结果来提高分类器性能。实验使用了不同场景下的城区高分遥感影像，与经典的模板匹配和在线学习的道路跟踪方法进行了比较。实验结果表明该方法在道路提取的精度和稳定性方面均有提升
%K 高分辨率
%K 道路提取
%K 模板匹配
%K P-N学习
%K &lt
%K br&gt
%K high resolution
%K road extraction
%K template matching
%K P-N learning
%U http://ch.whu.edu.cn/CN/abstract/abstract5752.shtml