文献综述（或调研报告）：
一、引言
道路作为城市的重要组成部分，是分析和解释其他目标的主要线索。高分辨率遥感影像已成为一种易获取的重要数据来源，探索快速、高效地从高分辨率遥感影像上提取道路的方法，已成为当前遥感应用研究领域的热点。但是从高分辨率遥感影像上提取道路还存在着许多问题，如SAR系统发射的电磁波经地表散射体的散射，经过不同散射体的回波行径不同，出现相干叠加而产生斑点噪声，导致所成影像模糊，增加了成像后图像解译的难度，降低了目标地物分类、识别、图像分割和提取其它有用信息的准确度；由于道路通常为被平行的双边缘包裹着的长条状区域，常通过边缘检测来进行信息提取，但结果经常出现假边缘现象；由于高分辨率SAR 图像中的细节特征远远要比中低分辨率的SAR 图像多，车辆、人行横道护栏、道路两旁的树木、道路两旁建筑物等细节会或多或少地影响道路轮廓，甚至造成道路断裂等。综上所述，高分辨率SAR 图像的道路目标提取已经成为SAR图像解译的难点之一。
二、研究现状
道路提取主要包括三个步骤: 滤除斑点噪声、道路要素识别和路网重建。除此之外，为了评估道路提取的效果，还需要对结果进行精度评估。因此，本课题研究现状从这四个方面进行论述。
1. SAR图像去噪的研究现状
SAR固有乘性的相干斑噪声会造成道路边缘的模糊，导致边缘检测和线特征提取的断裂、虚警和漏警[1]。目前SAR图像去噪主要有两种方法：多视处理和滤波。多视处理采用了非相干叠加的方法对强度起伏的噪声起到了平均作用，提高了图像的信噪比，有效抑制了斑点噪声，但多视处理会降低图像的分辨率。滤波算法主要有3类：空域滤波算法、变换域滤波算法和偏微分扩散滤波算法[2]。
空域滤波算法以Frost滤波等为代表，这类算法是通过滑动的窗口来获得图像的局部信息统计特征，进而完成滤波，在图像的同质区域具有良好的滤波效果，但由于算法采用的窗口为固定尺寸，在平滑噪声的同时会严重损失图像的细节信息。变换域滤波算法以小波软阈值滤波算法为代表，这类算法依据变换域的子带系数特征进行滤波，对高频噪声具有良好的抑制效果，较好地实现了区域平滑和纹理保留的折中，但算法复杂度高、计算量大，并且容易造成图像细节丢失与伪吉布斯现象。扩散滤波算法以各向异性扩散滤波Ⅲ为代表，这类算法利用图像梯度信息作为扩散系数选择的主要参数，对图像进行非线性的各向异性扩散滤波，在抑制噪声的同时具有良好的边缘保护效果[3]。
在各类算法中，各向异性扩散滤波在去噪的同时能够增强道路结构，更适合于后续SAR图像中道路的提取[4]。
