張偉偉，毛政元

一種面向高空間分辨率遙感影像的路口自動(dòng)定位新方法

張偉偉1，2，毛政元1，2

(1.福州大學(xué)空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室，福州 350002;2.福州大學(xué)福建省空間信息工程研究中心，福州 350002)

在系統(tǒng)歸納和分析現(xiàn)有的路口遙感信息提取方法的基礎(chǔ)上，提出一種面向高空間分辨率遙感影像的路口自動(dòng)定位新方法。該方法首先通過(guò)低梯度運(yùn)算獲取同質(zhì)區(qū)域;然后設(shè)定閾值去除同質(zhì)區(qū)內(nèi)的水體、陰影以及小面元干擾物;再利用Hough變換檢測(cè)二值圖像中的直線，并根據(jù)直線參數(shù)出現(xiàn)的頻率排序，保留參數(shù)出現(xiàn)頻率較高且相互間夾角較大的直線;最后用該組直線交點(diǎn)的平均值定位路口。以福州市城區(qū)局部QuickBird全色影像為數(shù)據(jù)源定位四岔路口與三岔路口的實(shí)證研究表明，在同物異譜與異物同譜現(xiàn)象嚴(yán)重情況下，本文算法所定位的路口仍然準(zhǔn)確有效。

路口;路口自動(dòng)定位;高空間分辨率;QuickBird影像;Hough變換

0 引言

隨著遙感技術(shù)的發(fā)展，以遙感影像為依據(jù)實(shí)現(xiàn)城市道路變化檢測(cè)與更新已經(jīng)成為主要方法。路口是道路網(wǎng)的重要組成部分，路口的精確定位有助于提高道路網(wǎng)的提取精度與效率?，F(xiàn)有基于遙感影像的路口提取方法研究主要利用中低分辨率遙感影像。受分辨率影響，路口的定位在精度、自動(dòng)化水平、對(duì)數(shù)據(jù)源的適應(yīng)性等方面均存在明顯的局限性。高空間分辨率(下文簡(jiǎn)稱(chēng)高分辨率)遙感影像信息量大、細(xì)節(jié)信息豐富，但“同物異譜”與“異物同譜”現(xiàn)象比較普遍，因此基于高分辨率遙感影像的路口自動(dòng)提取是一個(gè)更具發(fā)展?jié)摿?、也更具挑?zhàn)性的研究方向。本文在現(xiàn)有研究成果的基礎(chǔ)上，進(jìn)一步研究了基于高分辨率遙感影像自動(dòng)提取路口的方法。

現(xiàn)有文獻(xiàn)中有關(guān)從遙感影像中提取路口的方法分為3種基本類(lèi)型:①先提取道路，后提取路口［1－3］;②直接提取路口［4］;③基于知識(shí)提取路口［5－8］。方法①最為常見(jiàn)，但該方法較復(fù)雜，就目前的研究進(jìn)展而言，道路自動(dòng)提取還很困難，現(xiàn)有技術(shù)在自動(dòng)提取道路的完整性和正確性上尚未取得滿意的結(jié)果;文獻(xiàn)［9］改進(jìn)了該類(lèi)方法提取路口的精度，并進(jìn)行了精度評(píng)價(jià)。方法②需要統(tǒng)計(jì)分析遙感影像路口本身的特征，運(yùn)用各種統(tǒng)計(jì)分析工具(如判別分析、主成分分析、因子分析等)針對(duì)選擇的訓(xùn)練區(qū)進(jìn)行分析，以建立路口模型即路口檢測(cè)算子。但是針對(duì)不同的影像都需要建立訓(xùn)練區(qū)，這成為實(shí)現(xiàn)路口自動(dòng)提取的一大障礙;另外，該類(lèi)方法提取路口的錯(cuò)誤率較高，提取精度仍有待提升。方法③是以外部數(shù)據(jù)引導(dǎo)路口提取，其中一類(lèi)作法是將對(duì)地理空間數(shù)據(jù)的認(rèn)知轉(zhuǎn)化為先驗(yàn)知識(shí)對(duì)路口進(jìn)行分類(lèi)，通過(guò)對(duì)每一類(lèi)型的路口分別建模實(shí)現(xiàn)不同類(lèi)型路口的提取;另一類(lèi)作法則是通過(guò)引入矢量道路地圖數(shù)據(jù)，在矢量地圖與遙感影像配準(zhǔn)的基礎(chǔ)上，依據(jù)矢量地圖上路口的幾何信息與屬性信息提高路口提取的準(zhǔn)確率與精度。這種作法能夠在提高精度的前提下大大降低路口提取算法的復(fù)雜性。本文提出并實(shí)現(xiàn)的路口提取方法屬于方法③中的第二類(lèi)——利用低梯度運(yùn)算、Hough變換等一系列算法直接提取路口。

1 技術(shù)路線與方法

隨著遙感影像空間分辨率的不斷提高，其上的細(xì)節(jié)信息越來(lái)越豐富，可以識(shí)別的道路目標(biāo)也越來(lái)越多(其中包括許多在中低分辨率影像上難以辨別的窄小道路);同時(shí)，影像上非目標(biāo)噪聲也隨著空間分辨率的提高而增多，利用現(xiàn)有針對(duì)中低分辨率影像發(fā)展而來(lái)的道路提取方法很難從高分辨率影像中提取道路［10］。由于路面材料及筑路時(shí)間等方面的差異，不同道路(甚至同一道路的不同路段)之間的光譜特性相差很大，同時(shí)部分道路與房屋、廣場(chǎng)等地物的光譜特性十分相似，而且高分辨率遙感影像上普遍存在的“同物異譜”和“異物同譜”現(xiàn)象對(duì)道路提取的干擾更為嚴(yán)重，因此利用單一的灰度信息定位路口很難奏效。

針對(duì)高分辨率遙感影像的上述特點(diǎn)，本文提出一種自動(dòng)定位路口的新方法，技術(shù)流程如圖1所示。

圖1 路口定位技術(shù)流程Fig.1 Technological flow chart of positioning road junction

首先利用低梯度運(yùn)算分離出道路的同質(zhì)區(qū)域，然后利用Hough變換定位路口?？紤]到高分辨率影像上城市建筑物與道路之間的光譜特性極為相似，圖像分割后所形成的影像對(duì)象形狀也很接近，目前尚無(wú)有效區(qū)分二者的成熟算法，為了防止道路信息丟失，本文暫不考慮剔除同質(zhì)區(qū)域中的建筑物。

1.1 提取同質(zhì)區(qū)域

在高分辨率遙感影像上，道路同時(shí)具有長(zhǎng)度和寬度特征，雖然存在著“同物異譜”與“異物同譜”現(xiàn)象的干擾，但與道路相似的同質(zhì)區(qū)域整體面積較大、同質(zhì)性較高、連通性較好，因此，道路的局部同質(zhì)性可作為道路抗干擾、易被識(shí)別的重要特征。根據(jù)道路的同質(zhì)性提取道路，首先要識(shí)別影像上的同質(zhì)區(qū)域(即灰度相差不超過(guò)一定閾值的像元組成的區(qū)域)，本文采用灰度的低梯度指標(biāo)(該指標(biāo)較方差更為敏感)識(shí)別各同質(zhì)區(qū)。

1.2 去除陰影、水體與小面元

同質(zhì)區(qū)中對(duì)道路形成干擾的地物包括陰影、水體、部分建筑物與部分綠地，其中，陰影與水體的灰度值較小，且內(nèi)部更加均勻，可通過(guò)設(shè)定灰度閾值予以剔除。小面元干擾物是道路背景的主要組成部分，由局部均勻性所致，主要源于建筑物、車(chē)輛、斑馬線與綠地等地物中的局部同質(zhì)區(qū)，也可能是道路被干擾后的部分同質(zhì)區(qū)。去除小面元干擾物可在突顯道路的同時(shí)模糊背景，使道路影像更加清晰、光滑，突出道路的整體特征。依據(jù)遙感影像的空間分辨率設(shè)定合理的閾值是去除小面元干擾物的關(guān)鍵，閾值過(guò)小達(dá)不到目的，閾值過(guò)大會(huì)引起道路的中斷，本文所使用的QuickBird全色影像空間分辨率為0.61 m，面積閾值設(shè)置為200個(gè)像元。

1.3 Hough直線變換提取路口

影像分割后的道路部分過(guò)于細(xì)碎，連接性較差，但其總體形狀仍能反映出道路的主體輪廓特征。經(jīng)同質(zhì)區(qū)域提取、去除陰影與水體以及小面元后，道路的方向性和直線性特征變得更為明顯。在此基礎(chǔ)上，采用Hough變換檢測(cè)出任意方向的直線;將檢測(cè)到的直線按其出現(xiàn)的頻率排序，保留前n(n的值可根據(jù)實(shí)際情況進(jìn)行調(diào)整)條直線作為道路方向上的直線;再計(jì)算每?jī)蓷l直線之間的角度是否大于指定的角度閾值，大于則計(jì)算并保留直線交點(diǎn);最后取被保留的全部直線交點(diǎn)坐標(biāo)的均值作為路口中心(圖2)。

圖2 Hough變換提取路口的流程Fig.2 Flow chart of extracting road junction using Hough transformation

2 實(shí)驗(yàn)結(jié)果與分析

選取福州市城區(qū)一個(gè)四岔路口與一個(gè)三岔路口及其附近的QuickBird全色波段影像數(shù)據(jù)進(jìn)行實(shí)證研究。

2.1 四岔路口的定位結(jié)果

圖3(a)是福州市城區(qū)某一四岔路口及其附近的QuickBird影像，該影像存在“同物異譜”(道路本身灰度不均勻)與“異物同譜”(道路與房屋、植被的光譜特性較為相似)現(xiàn)象，且路面受到車(chē)輛等因素的嚴(yán)重干擾，其影像特征在城市高分辨率影像中具有代表性與典型性。本例中設(shè)定小面元干擾物的面積閾值為200個(gè)像元，水體與陰影的灰度閾值為35。從圖3(d)中可以看出，道路、水體、陰影和建筑物是同質(zhì)區(qū)域的主體，水體和陰影的去除效果較好。利用Hough變換提取直線，保留符合直線間夾角大于π/3的前6條直線，并計(jì)算其交點(diǎn)(圖3(f)中的藍(lán)色標(biāo)識(shí)點(diǎn))。圖3(g)是對(duì)被保留的6條直線的交點(diǎn)坐標(biāo)取均值的結(jié)果。基于四岔路口影像數(shù)據(jù)的實(shí)證研究表明，在干擾物較多的情況下，利用Hough變換提取的直線與道路延伸方向基本吻合。經(jīng)實(shí)地驗(yàn)證，本方法所定位的路口與實(shí)地路口的誤差為0.5 m。

圖3 四岔路口定位過(guò)程Fig.3 Process of positioning four－fork road junction

2.2 三岔路口的定位結(jié)果

圖4 (a)是福州市城區(qū)一個(gè)三岔路口及其附近的QuickBird影像，由于道路的筑路時(shí)間及路面材料等因素的影響，水平和垂直兩個(gè)方向上的道路灰度差別很大，道路同物異譜現(xiàn)象較上節(jié)提及的四岔路口影像更為嚴(yán)重;此外，無(wú)論水平方向還是垂直方向上的道路都有部分路面與建筑物的光譜特性相似，并存在車(chē)輛、植被和陰影等干擾因素。數(shù)據(jù)處理方法和步驟與上節(jié)類(lèi)似，圖4(b)—(g)分別是每一處理步驟得到的結(jié)果。在同物異譜現(xiàn)象更為嚴(yán)重的情況下，經(jīng)實(shí)地驗(yàn)證，本方法定位的三岔路口與實(shí)地路口的誤差為0.8 m。

圖4 三岔路口定位過(guò)程Fig.4 Process of positioning three－fork road junction

3 結(jié)論

1)道路數(shù)據(jù)是一種重要的基礎(chǔ)地理信息資源，如何保持其現(xiàn)勢(shì)性是地理信息系統(tǒng)領(lǐng)域中長(zhǎng)期受到關(guān)注的熱點(diǎn)問(wèn)題，利用遙感影像實(shí)現(xiàn)道路變化檢測(cè)與更新已成為解決該問(wèn)題的基本趨勢(shì)，路口的自動(dòng)、準(zhǔn)確定位有助于提高道路網(wǎng)的提取精度與效率。

2)本文基于城市道路的幾何與光譜特征，利用Hough變換設(shè)計(jì)了一種在高空間分辨率遙感影像上自動(dòng)定位路口的新方法并實(shí)現(xiàn)了相關(guān)算法，較好地克服了基于中低分辨率遙感影像的路口提取方法在精度與自動(dòng)化程度兩個(gè)方面均存在的局限性。

3)以福州市城區(qū)局部QuickBird全色波段影像為數(shù)據(jù)源定位四岔路口與三岔路口的實(shí)證研究表明，在同物異譜與異物同譜現(xiàn)象嚴(yán)重、與道路相似的干擾物較多的情況下，本文算法依然能夠準(zhǔn)確地定位路口，具有較強(qiáng)的抗干擾性。

［1］ Baumgartner A，Steger C，Mayer H，et al.Automatic Road Extraction in Rural Areas［J］.International Archives of Photogrammetry and Remote Sensing，1999，32(3;SECT 2W5):107 －112.

［2］ Mayer H，Laptev I，Baumgartner A.Multi－ scale and Snakes for Automatic Road Extraction［J］.Computer Vision—ECCV’98，1998:720－733.

［3］ Hinz S，Baumgartner A，Steger C，et al.Road Extraction in Rural and Urban Areas［J］.Semantic Modeling for the Acquisition of Topographic Information from Images and Maps，1999:7 －27.

［4］ Barsi A，Heipke C，Willrich F.Junction Extraction by Artificial Neural Network System － JEANS［J］.International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences，2002，34(3/B):18 －21.

［5］ Teoh C Y，Sowmya A.Junction Extraction from High Resolution Images by Composite Learning［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(B3/2;PART 3):882 －888.

［6］ Boichis N，Viglino J M，Cocquerez J.Knowledge Based System for the Automatic Extraction of Road Intersections from Aerial Iimages［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(B3):27 －34.

［7］ Chen C C，Thakkar S，Knoblock C，et al.Automatically Annotating and Integrating Spatial Datasets［J］.Advances in Spatial and Temporal Databases，2003:469 －488.

［8］ Ravanbakhsh M，Heipke C，Pakzad K.Knowledge － based Road Junction Extraction from High － resolution Aerial Images［J］.IEEE，2007.

［9］ Wiedemann C.Improvement of Road Crossing Extraction and External Evaluation of the Extraction Results［J］.International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences，2002，34(3/B):297 －300.

［10］史文中，朱長(zhǎng)青，王 昱.從遙感影像提取道路特征的方法綜述與展望［J］.測(cè)繪學(xué)報(bào)，2001，30(3):257 －262.

［11］陳 震，高滿屯，楊聲云.基于Hough變換的直線跟蹤方法［J］.計(jì)算機(jī)應(yīng)用，2003，23(10):30 －32.

［12］ Hough P V C.Method and Means for Recognizing Complex Patterns［P］.US:Patent 3 069 654，1962.

［13］ Duda R O，Hart P E.Use of the Hough Transformation to Detect Lines and Curves in Pictures［J］.Communications of the ACM，1972，15(1):11 －15.

［14］ Sonka M，Hlavac V，Boyle R，et al.圖像處理:分析與機(jī)器視覺(jué)［M］.艾海舟，武 勃，等譯.北京:人民郵電出版社，2003.

A New Approach to Automatic Positioning of Road Junctions in High Spatial Resolution Remotely Sensed Imagery

ZHANG Wei－ wei1，2，MAO Zheng － yuan1，2
(1.Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education，F(xiàn)uzhou University，F(xiàn)uzhou 350002，China;2.Provincial Spatial Information Engineering Research Center，F(xiàn)uzhou University，F(xiàn)uzhou 350002，China)

On the basis of systematically inducing and analyzing the methods to extract road junctions from remotely sensed imagery，a new approach to automatically positioning road junctions in high spatial resolution images is presented in this paper.The related algorithm includes the following steps:firstly，the homogeneous areas are obtained by lower gradient operator;then，waters，shadows and small areal distracting features are removed one by one;after that，the straight lines are detected in the binary image by means of Hough transform;finally，the detected straight lines are sorted according to the frequency with which they appear，and the road junctions are indicated with the average coordinates of the intersections of several top frequent straight lines each of which at least has one intersection angle larger than the predetermined threshold.In the case study，an intersection and a junction of three roads were located in local urban area of Fuzhou by using QuickBird panchromatic image as sample data，showing that the proposed approach，with robustness against spectral confusion and confused features，can efficiently and accurately locate road junctions.

road junctions;automatic positioning of road junctions;high spatial resolution;QuickBird image;hough transformation

TP 751.1

A

1001－070X(2012)01－0013－04

10.6046/gtzyyg.2012.01.03

2011－04－26;

2011－05－19

國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào):40871206)和國(guó)家科技支撐計(jì)劃項(xiàng)目(編號(hào):2007BAH16B01)共同資助。

張偉偉(1985－)，男，在讀碩士研究生，主要研究方向?yàn)榭臻g數(shù)據(jù)挖掘。E－mail:zdwbbc@163.com。

(責(zé)任編輯:李 瑜)