本文深入了解研究背景和相关研究现状的基础上，对单幅遥感图像的道路采用k-means算法和形态学方法进行提取，获得较为清楚的道路信息；采用基于运动分析的方法实现视频遥感图像的道路提取，采用相邻帧取差值得到车辆的运动轨迹，进行叠加，得到道路信息，之后进行边缘处理，使用Hough变化检测出道路，最终得到清晰完整的道路信息。 

结果分析：

如上图所示的实验结果，我们将遥感图像分成了五类，取道路类对其进行道路提取，首先对其灰度图像二值化，从而提高道路目标与周围目标的对比度，最后进行简单的图像处理得到右下角比较简单的道路提取结果，本方法提取效果比较明显，后期边缘处理和去噪程度较明显，达到了实验的目的，通过本次实验较清晰的理解了K-means对于遥感道路提取方面的应用。通过实验我个人认为K-means对于道路的提取比较简单，但提取效果较好；在实验过程中，要注意聚类中心的选取，以达到更好的实验提取。

算法步骤

（1）首先对视频图像进行3*3的高斯滤波，目的滤除图像中的高频噪声；

（2）将相邻帧图像取差值后取绝对值，输出im-diff，从而获得包含车辆信息（运动目标信息）的图像，利用该图像计算阈值。

说明：认为该差值图像像素值为高斯分布，利用3delta原则，当像素值>（均值+3delta）时，认为是在分布中占有比重小的数值，而在差值图像im-diff中，大部分为数值很小的背景差值，而运动目标位置处的数值应该较大，且占有比重很小，因此认为分布在3delta之外，由此来确定阈值，当某一位置处的数值大于阈值，说明该位置为运动目标位置。

（3）利用计算的阈值实现二值分割，得到二值图像，1为目标位置，0为背景

再次16*16滤波，提高目标的显示效果；

（4）读入下一帧图像，进行3*3滤波，将当前帧-下一帧，得到新的im-diff图像，再取阈值，但此处阈值应与之前计算阈值取平均，提高稳定性。  

（5）然后利用取均值的阈值实现二值分割，得到二值图像，1为目标位置，0为背景

当遍历完所有图像，后得到的二值图像进行边缘检测；之后采用hough方法实现道路检测。

本次实验采用了帧插法的主体思想，通过前一帧减后一帧的图像数据可以判断出运动目标的行动轨迹，通过运动目标的运动轨迹可以大体判断道路区域，再通过边缘处理得到道路提取的实现。实验结果如图所示，通过实验本来模糊的道路信息得到较清晰的补充。初步实现了道路提取的目的。但本次实验任然存在部分问题，由于采用的是Prewitt算子，噪声的去除效果不太好，部分较暗地区的道路没有精确检测出来，同时，实验中发现道路周边的大型建筑物对于整个道路的提取确实存在比较大的影响，如果有机会希望能进一步改进和加强。

结语

本篇论文主要是研究遥感影像道路提取；第一章绪论部分从多个角度介绍了所研究问题的背景，现状；第二章进一步介绍了遥感道路的提取特征、提取的过程、影响道路提取的因素，较为详细的介绍了K-means算法，采用此算法进行了遥感道路图像的道路提取实验，初步得到实验结果，达到研究的目的。第三章主要是对基于运动分析的视频遥感道路提取进行研究与实验，简单介绍了Hough变换，边缘检测；对Prewitt算子和Canny算子进行了说明；之后进行了基于运动分析的视频遥感图像道路提取实验，得出结论，达到探究目的。