本科低年级曾经做过一个提取道路线的题目。

提供的数据：老师给我们了一幅学校周边地区的影像，包括RGB+Infrared四个波段。

一开始使用的方法：当时尚青涩的我和小伙伴们一起使用KMEANS、阈值分割等等方法试图将那道路从影像中分离出来。

遇到的问题：道路是用沥青或水泥做的，楼房也是如此，因此二者光谱信息相似（异物同谱）。只利用光谱信息，楼房和道路难以分辨。

当时的解决方案：当时我希望用形态学的开运算将楼房慢慢删去，值得庆幸得是学校周围的房子都比较小，开运算几次就可以去除，而且不会对道路造成太严重的影响。同时我们也试图通过道路和楼房的几何信息来分类：道路是细长的，而楼房的长宽比没那么夸张。于是我们采用opencv提供的 提取小斑块 的算法，希望来删掉找到的小斑块（楼房）。有一定效果，但是需要手动设定若干参数，一点点调整。每套参数只对一幅图有效。

遥感解译课程学到的 解决方案： 使用MBI算法可以将亮度值相比周围环境比较高的楼房高亮出来。将MBI的结果作为一个波段，使用RGB+Infrared+MBI进行分类，可以将道路和楼房很好地区分开来。[论文原文是直接取阈值进行楼房提取，因为当一个特征足够强大时，可以直接用取阈值的方法将图像进行二分类]

MBI的代码详见我的GITHUB：Priority-At-Next-Intersection/MBI

MBI的论文：https://ieeexplore.ieee.org/document/6056582 Published on IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing in 2011.

注意:这是一个非机器学习方法。