2  数据介绍及其来源

淮安市位于江苏省中北部，江淮平原东部。地处长江三角洲地区，南京都市圈紧密圈层城市。淮安市是江苏省省直辖市，淮安中心城市是典型的双城组型城市，淮安中心城市区是由主城区和楚州城区组成 [2]。考虑到目前淮安市城市发展中，主城区和楚州城区并未发展到合并一体，所以在本文主要研究集中在淮安中心城市的主城区部分，不包括楚州城区，但这也基本代表了淮安城市化主要的发展特征。

数据分为道路影像数据和建筑物影像数据。道路影像数据来自于谷歌地图上截取的四波段淮安城市主城区道路地图影像，起先准备使用的是谷歌上截取的淮安城市主城区遥感影像，但是发现从大范围遥感影像上提取道路并不是件很容易的事，存在的影响道路提取的因素过多，并不能简便的处理，当然这也是业内道路提取的一大难点，所以退而求其次，本文选择了直接截取道路地图影像，使用该影像可以较为简便的提取出道路，而且不会对研究结果产生影响。建筑物影像数据来自于谷歌地图上截取的四波段淮安城市主城区遥感影像。论文网

3  实验流程

本文基于可以采集到的淮安城镇数据资料，运用ArcGIS等软件进行道路与建筑物提取方法的研究,并对提取到的数据进行提取并构建Tin(不规则三角网)模型，对Tin模型进行三角剖分，对得出的结果图研究分析得出道路与建筑物之间存在的关系特征，来研究淮安化中的城市扩展及其空间格局，具体流程图如图1所示。

4  数据处理与加工

数据处理与加工分为从淮安道路影像上提取道路和淮安城镇影像上提取建筑物，并分别对提取到的地物进行矢量化及去除噪声处理。在道路提取和建筑物提取中本文分析了多种方法进行研究比较，并最终得到了最合适的方法提取所需的道路以及建筑物数据。

4.1  道路提取

道路提取一直是业内研究提取方法的难点，基于高分辨率影像道路提取可以运用的方法也是有很多种方法，由于基于高分辨率影像的分辨率比低分辨率影像来的高的多，本来在低分辨率影像上无法识别判读的地物变得清晰，更多的细节被提供的同时也大大增加了无关的噪声干扰。譬如在道路两侧的绿化以及建筑物的阴影，道路上的交通车辆等等，另外在高分辨率影像上还存在着“同谱异物”，“异物同谱”的现象[3]，这些都是增大数据处理难度的不可抗因素，因此当前技术并不能做到路道的全自动提取，只能在半自动提取后再进行人工的修正。鉴于此，本文中为了更直接的提取到道路的影像，耗费更少的精力和时间。本文结合了多种方法从现成的地图影像上提取道路由此来提高数据的精确度。来.自/优尔论|文-网www.youerw.com/

4.1.1  PS提取道路轮廓

PS（Adobe Photoshop），是根据Adobe Systems开发和发行的处理由像素所构成的数字图像的处理软件。它具备很多的编修与绘图工具，可以有效地进行图片编辑工作[4]。本文中选用的是PS众多功能中魔术棒这一功能，魔术棒这一工具的原理是：选择图像中色相比效接近的区域，根据容差的不同，那么所选取到的图片范围也会相应变化，容差越小选取范围就会越小，本文中因为选取的是地图影像图像色差大，道路所在的色相一致所以选择这一功能，如果所需的影像色相复杂，那只能使用PS功能中钢笔等其他功能来提取。运用魔术棒功能对原地图影像进行道路提取所得到的影像