简介：从道路特征提取的角度，对四种经典道路特征提取方法进行了分析和对比，探讨了它们在超宽带SAR图像道路提取技术中的适应性。超宽带SAR图像道路提取技术是在继承传统方法的基础上，结合在道路的灰度特征或其在自然界中特有的几何特征，形成合适的道路提取算法。在理论分析超宽带SAR图像特点和道路提取经典方法基础上，研究了四种道路提取方法在超宽带SAR图像中的适应性，开展了超宽带SAR图像的道路提取实验，系统总结了各方法针对超宽带SAR图像的优点和不足，形成了超宽带SAR图像道路提取技术的研究思路和道路边缘提取流程，相比经典方法性能得到提高。

简介：提出了一种新的星载合成孔径雷达(SAR)图像中道路网的三步提取算法,即道路中心线检测、道路片段提取和道路片段连接.首先对含有斑点噪声的SAR图像进行两次滤波获得较细的道路中心线,然后对该二值图像进行Hough变换以获得道路片段,道路片段经过简单的初步连接后,再次运用遗传算法得到进一步连接.实践证明了这种方法的有效性.

简介：针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明：本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。