对线状地物的研究是遥感影像地物识别研究的关键，在线状地物研究中，较为重要的内容为道路及水系，是地图中应重点突出内容。从实际情况来看，常见的线状地物提取方法包括边缘检测、光谱分析、卷积神经网络等方法。在边缘检测方法中常用Canny算法，这种算法较为严格，可在短时间内实现结果和数据。在遥感影像线状地物提出技术中，可利用高分辨遥感影像对光谱特征和空间信息进行有效分析，针对每个区域进行提取。在实际的工作中，影像的分割会受到各种因素的影响，如在噪声及其他声音的影响下，相关人员提取的数据会存在误差。因此，边缘影像为地物的主要特征之一，Canny进行边缘检测可以有效提取地物信息，为后期工作奠定基础[1]。本文从线状地物的特征入手，主要对相关提取方法进行研究，得出最优的检测方法，以提升线状地物的检测技术水平。1线状地物的形状特征分析线状地物的总特征以长和宽较大的矩形为主，常见的形状特征有4种：（1）连贯的长矩形线状地物；（2）条矩形线状物出现小的孔洞，如道路上的车辆或河道中的船只；（3）弯曲矩形，如弯曲的道路或河流；（4）面状地物相互连接，如道路或居民地等。2基于Canny边缘检测的面向对象提取方法2.1Canny边缘检测算法（1）通过对区域内不同位置的像元赋予不同的权值，可保留地物的边缘信息。采取用函数进行分析，处理噪声的滤波器G与影像F，可以过滤噪声，得出影像g：G(x,y)=12πσ2expx2+y22σ2 （1）g(x,y)=f(x,y)×G(x,y) （2）平滑参数可以控制影像的平滑度，相关数值较小时，定位相对准确，噪声较低。（2）可对梯度幅值及方向进行相关的计算。用梯度幅值分析边缘强度：Sx=-101-202-101 （3）Sy=121000-1-2-1 （4）通过计算得到梯度幅值M和梯度方向θ：M=Sx2+Sy2 （5）θ=arctan(SySx) （6）（3）计算中非极大值抑制属于边缘技术，可排除梯值。相关单元格应观察梯度值是否处于最大值，可对梯度方向进行定义，将边缘像素与其他像素分开。将以上数据进行对比，若梯度方向相同，得到的像素较大，可将目标像素作为候选对象进行研究；若方向相反，应剔除得到的像素。（4）基于高低阈值的算法检测，主要从选取对象中确定边缘像元，消除虚假边缘。为了剔除掉伪边缘，可以引入两个高低阈值进行分析，对图像中的每个素点进行验证。如果梯度值相对较大，可判定其为边缘点；如果梯度值较低，说明不是边缘点；如果梯度值在最大值、最小值之间，应寻找梯度值大于高阈值的像素点，再将此像素点设置为边缘点。2.2对象提取方法高分辨的线状地物可以使用此类方法进行提取操作，将影像对象作为单元格，对其进行有效研究。可根据相关的地物特征或纹理进行分类，利用高科技手段对数据进行提取。使用影像技术分割线状地物，可观察到边缘特征和相关的像素值，在这个过程中，得出的结果和方法不可分割。在进行遥感影像分割的过程中，会收到噪声的影像，可使用Canny技术，可提高数据分析的准确性，使数据更精确。在分割后，影像的单元格不是某一个单元格，是由多个单元格组成的研究对象。特征提取是信息提取的一个重要步骤，其可以分析线状地物，得到需要的地物信息图像[2]。面向对象提取流程如图1所示。10.3969/j.issn.2096-1936.2021.06.029.F001图1面向对象提取流程2.3数学形态提取法数学形态学于1964年Georges Matheron、Jean Serra合作引入，Jean Serra确立了数学形态学的相关概念，其在图像处理中主要运用运算符号、集合数学概念，运用二值图像的几何形状检测。在数学形态中，主要运用图像去噪、图像增强、图像恢复及重建等方面，形态学过程使用拥有结构元素或内核的模板。基本的二值形态学运算主要将结构元素放在一个可能的位置，再匹配像素的等效领域，与其他运算方法相结合，对二值图像进行处理。在二值形态学中，基本的运算方法有闭合、开启或膨胀等。3试验分析3.1增强遥感影像在工程中，为了更好地适应线状物的相关影像，可对影像进行处理操作，常见处理方法为PAC转换、NDVI的转换。NDVI的转换主要将遥感影像中的全部信息集中至某个点，进行数据分析，得到需要的数据信息。对遥感影像进行分析后可知，第一波段的数据约在80%以上，可较好地体现遥感影像需要的相关信息。同时，可以将NDVI和PCA结合利用，增强信息的获取。3.2通过Canny检测使用平滑的滤波器，剔除影像中的噪声，但得到的影像相对模糊；使用梯度幅值得到的相关数据，影像相对清晰。使用非极大值抑制法，应分析非边缘数据，再保留好相关数据；采用高低双阈值法，需要提取边缘的信息，可检测道路、水系边缘等位置的信息，并对水系边缘信息进行定位。基于Canny边缘检测结果分析，Canny可处理边缘信息的细节，保证边缘清晰，提出线状地物与原有的影像重合，以达到最优的效果[3]。3.3对精度进行检验Canny边缘检测的提取平均率为6.3%，如果采用数学形态学的方法进行线状地物提取，提取平均率为28.9%，基于Canny检测平均率下降了22.6%[4]。对道路数据进行提取时，由于道路的材质与建筑物使用的材质不同，会出现同谱异物或同物异谱的现象，得到的数据结果也存在差异。使用Canny边缘检测可以较好检测道路和相应建筑物的边缘信息，提高线状地物的精准度，具有可行性[5-7]。4结语综上，文章主要对Canny边缘检测的线状地物提取进行相关分析，在这个过程中，主要利用边缘检测算法进行检测，以得到需要的信息。在进行相关阈值的选取时，通过使用高低阈值进行分析，可以得出需要的边缘信息数据，可将边缘细化；根据线状物的特征分析对象，可得到相应的图像。分析精度检验的结果可知，Canny边缘检测的欠提取率约为6.3%，采用数学形态的方法进行提取，欠提取率约为82.9%，边缘检测面向对象提取率下降了22.6%，可提升线状地物技术水平。