从Landsat栅格图像中提取道路

为了研究雨林中道路网络的扩展，我试图从Landsat图像中提取道路。我们已经有了清晰，无云的合成物，可以用肉眼清晰地看到道路，但是将它们提取到线状要素中很难，因此我想知道是否有人知道一种可以处理Landsat提供的大图像的好的算法或方法？我已经尝试过Grass's r.thin，但这似乎不起作用。

我建议将图像分割与免费软件SPRING一起使用，该软件可从巴西国家空间研究所获得。文档可以在这里和教程都可以在这里。与纯粹基于像素的分类方法（例如ISODATA，最大似然法等）相比，图像分割可产生较高的分类精度。为了更好地阐明我的答案，我对图像进行了图像分割（nIR，1m分辨率），该图像的一条道路穿过俄勒冈州东部的牧场。使用SPRING进行图像分割的一般工作流程如下：

1. 导入图像
2. 执行细分（结果如图1所示）
3. 通过选择哪些区域属于哪个班级来创建训练集。
4. 对分割的区域执行分类。

第一张图片显示了实际分割的结果。该道路以蓝色突出显示，并在第3步（培训）中使用。我将所有其他类别（例如草，树等）归为另一类。最终图像显示了图像分割和分类算法的结果。如您所见，图像分割对样本图像产生了非常好的结果。

使用Landsat影像，您的空间分辨率将比我的样本影像要小，但光谱分辨率将更高，因此能够检测到植被区和非植被区之间的差异更大。由于SPRING除了考虑形状以外还考虑了光谱带，因此使用Landsat影像应该会看到非常好的结果。祝您好运，并感谢您研究了这一重要主题。

分段对象（又名训练有素）的分类可以非常成功地用于此问题，但是我对GRASS的了解不足以告诉您它在此领域中具有什么功能。但是，您将获得多边形，因此仍然必须将其细化或使用均值或其他变换。

如果您拥有近红外波段或复合材料，您将获得更好的结果，因为道路和其他贫瘠地面的反射率与植被的反射率显着不同，加上阴影，并且遮盖篷（在道路上）影响程度较小结果较少。