胥 亞，杜為財(cái)，袁立偉，葉榮生

(73603部隊(duì)，江蘇南京210049)

一、研究背景及意義

1．概 述

隨著空間遙感技術(shù)的發(fā)展，人們已可以獲取大量的遙感影像。目前，空間遙感技術(shù)已經(jīng)呈現(xiàn)出多平臺(tái)、多傳感器、多角度、高空間分辨率、高光譜分辨率、高輻射分辨率及高時(shí)相分辨率的特點(diǎn)。相比而言，數(shù)據(jù)應(yīng)用卻遠(yuǎn)遠(yuǎn)滯后于數(shù)據(jù)獲取。影像處理分析技術(shù)、空間數(shù)據(jù)庫(kù)的建立、數(shù)據(jù)挖掘和共享技術(shù)盡管在不斷獲得進(jìn)展，仍不能滿足現(xiàn)實(shí)需求。武漢大學(xué)李德仁院士指出，未來(lái)遙感數(shù)據(jù)來(lái)源將有所保證，重要的是全力推動(dòng)數(shù)據(jù)的應(yīng)用。如何從遙感影像上快速、高效地提取地理信息一直是遙感數(shù)據(jù)處理及GIS數(shù)據(jù)獲取的研究熱點(diǎn)，而道路屬性信息的獲取則是其中的重要部分。由于道路是非常重要的基礎(chǔ)地理信息之一，它的識(shí)別和精確定位對(duì)于遙感測(cè)繪中的數(shù)據(jù)獲取、影像理解、地圖制圖以及作為其他地物的參照等都具有十分重要的意義。一份面向三維城市模型建立和使用者的調(diào)查顯示，85%的人對(duì)道路網(wǎng)信息感興趣。具體來(lái)說(shuō)，利用遙感影像進(jìn)行道路的定位和識(shí)別對(duì)地形圖的測(cè)制與更新、GIS數(shù)據(jù)獲取、移動(dòng)目標(biāo)輔助識(shí)別、交通規(guī)劃等具有重要的意義。特別是高分辨率遙感影像的不斷獲取使得人們?cè)谳^小空間尺度上觀察地表的細(xì)節(jié)變化，進(jìn)行大比例尺遙感測(cè)圖，建立較高精度的導(dǎo)航系統(tǒng)以及實(shí)現(xiàn)道路的精確定位等成為可能。雖然針對(duì)低分辨率遙感影像的道路提取研究已經(jīng)很多，但是在中、高分辨率遙感圖像中，道路具有錯(cuò)綜復(fù)雜的拓?fù)浣Y(jié)構(gòu)，在豐富的場(chǎng)景信息以及路面車輛、交通標(biāo)志線、綠化帶或路邊行樹等噪聲的共同影響下，道路提取仍是一項(xiàng)較為困難的工作。

2．研究目的和意義

目前，利用遙感圖像測(cè)制和更新基本比例尺地形圖、交通專題圖及地理信息系統(tǒng)數(shù)據(jù)獲取與更新中，道路屬性和相對(duì)位置信息的提取仍然是以成熟的目視判讀方法完成的。由于目視判讀方法受判讀人員的知識(shí)、經(jīng)驗(yàn)的影響很大，存在道路屬性信息獲取的精度低、可靠性差、判讀作業(yè)周期長(zhǎng)、效率低等問(wèn)題，一般都需要經(jīng)過(guò)實(shí)地調(diào)查修改后才能滿足應(yīng)用要求。

從遙感圖像上識(shí)別和提取地形要素的屬性信息是攝影測(cè)量與遙感領(lǐng)域的重點(diǎn)研究?jī)?nèi)容，也是計(jì)算機(jī)視覺(jué)和圖像理解領(lǐng)域研究?jī)?nèi)容的難點(diǎn)。這一問(wèn)題吸引了大量的研究人員，也取得了一些先進(jìn)的成果，并且探討了各種各樣的技術(shù)和方法。然而，由于受到數(shù)學(xué)理論的限制，現(xiàn)有的技術(shù)方法和研究成果還遠(yuǎn)沒(méi)有達(dá)到實(shí)用化的階段，尤其是在遙感圖像測(cè)制和更新基本比例尺地形圖時(shí)地物和目標(biāo)屬性信息提取的應(yīng)用方面，仍然是制約攝影測(cè)量與遙感自動(dòng)化、智能化發(fā)展的“瓶頸”問(wèn)題。

二、國(guó)內(nèi)外研究現(xiàn)狀

國(guó)外從20世紀(jì)70年代后期就開始了遙感圖像中道路提取的研究。國(guó)內(nèi)由于遙感技術(shù)發(fā)展水平的限制，起步較晚。道路提取是一個(gè)多學(xué)科交叉的研究領(lǐng)域，它涉及的領(lǐng)域包括計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)圖形學(xué)、人工智能、模式識(shí)別、測(cè)繪學(xué)和數(shù)學(xué)等。隨著所涉及各領(lǐng)域的快速發(fā)展，國(guó)內(nèi)在道路提取方面的研究從20世紀(jì)90年代開始進(jìn)入了一個(gè)高速發(fā)展時(shí)期。從文獻(xiàn)記載來(lái)看，相關(guān)研究涉及的范圍非常廣泛，涵蓋了道路提取的各個(gè)方面。其中，相關(guān)的圖像預(yù)處理方法、邊緣提取算法、特征提取算法、網(wǎng)狀模型、Snakes模型、面向?qū)ο蟮姆椒ㄒ约暗缆诽崛〗Y(jié)果的表示和應(yīng)用等是研究的重點(diǎn)。

目前圍繞遙感圖像道路屬性信息提取技術(shù)的研究?jī)?nèi)容很多，就研究現(xiàn)狀和發(fā)展趨勢(shì)而言，總體上可以歸納為道路特征模型與提取技術(shù)、半自動(dòng)道路提取技術(shù)、自動(dòng)道路提取技術(shù)等3個(gè)方面。

1．遙感影像道路特征模型

經(jīng)驗(yàn)豐富的判讀人員之所以能夠從遙感圖像上很容易的識(shí)別地物目標(biāo)的屬性，除了具備相關(guān)理論的支撐和先驗(yàn)知識(shí)之外，很重要的一個(gè)原因是能夠很好地分析地物目標(biāo)的影像特征。利用計(jì)算機(jī)進(jìn)行交互判讀或自動(dòng)判讀的研究，影像特征的提取與表達(dá)顯得尤為重要。因此，在道路提取技術(shù)的研究中，往往也是先從遙感影像上提取相應(yīng)的道路特征開始的。

總體上來(lái)講，各種地物的影像特征都可以概括為輻射特征、光譜特征、幾何特征、紋理特征、相關(guān)特征等幾個(gè)方面。但是，不同的地物具有不同的空間分布和質(zhì)地，表現(xiàn)在遙感圖像上的特征差異也很大。就道路而言，Vosselman和Knecht于1995年系統(tǒng)地研究了道路在遙感圖像上的影像特征。綜合近幾年國(guó)內(nèi)外研究成果，道路的影像特征可以歸納為以下幾個(gè)方面：

(1)幾何特征

道路具有呈長(zhǎng)條狀，其長(zhǎng)度遠(yuǎn)遠(yuǎn)大于寬度，在一定區(qū)域范圍內(nèi)道路的寬度變化比較小，曲率有一定的限制，連通性良好等。為了便于計(jì)算機(jī)計(jì)算和表達(dá)，通常最感興趣也是最重要的幾何特征是寬度、曲率和圖形。

1)寬度。道路的寬度可以定義為垂直于長(zhǎng)度方向的截面尺度。

2)曲率。是指不同等級(jí)的道路在不同的地形和環(huán)境條件下，在不同空間分辨率的遙感影像上表現(xiàn)出來(lái)的彎曲程度。

3)圖形。一般情況下，道路呈線狀分布，但在道路交叉處會(huì)呈現(xiàn)出“T”形、“十”字形及其他圖形形狀。

(2)輻射特征

道路一般有兩條明顯的邊緣，其內(nèi)部灰度均勻穩(wěn)定，具有相似的光譜度量和輻射特征，表現(xiàn)為與其相鄰區(qū)域灰度的反差比較大。在高分辨率影像中，路上的車輛、白線及樹木都會(huì)對(duì)道路灰度的均勻性造成影響。

(3)拓?fù)涮卣?/p>

道路一般是相連的，不會(huì)突然中斷，并形成路網(wǎng)，具有明顯的規(guī)則性，形成有規(guī)律的拓?fù)潢P(guān)系。

(4)上下文特征

上下文特征指的是與道路相關(guān)的地物和背景的影像特征，如道路旁的建筑物和行道樹，是城市道路還是鄉(xiāng)間道路。從整體上看，道路一般連接城市鄉(xiāng)鎮(zhèn)以及其他大型地物。

通過(guò)計(jì)算機(jī)識(shí)別這些特征，就可以進(jìn)行分析，不管是從幾何形狀還是內(nèi)在的結(jié)構(gòu)，通過(guò)計(jì)算機(jī)編寫相應(yīng)的程序，將道路從影像上提取出來(lái)，為道路提取提供技術(shù)支持。

2．半自動(dòng)道路提取研究現(xiàn)狀

一般來(lái)說(shuō)，可以根據(jù)遙感影像道路特征提取的自動(dòng)化程度分為自動(dòng)道路特征提取和半自動(dòng)道路特征提取兩大類。半自動(dòng)道路特征提取是利用人機(jī)交互的方式進(jìn)行的。其主要思路是人工選擇初始點(diǎn)(種子點(diǎn))，有些方法也提供初始方向。概括起來(lái)，半自動(dòng)道路提取一般包括4個(gè)步驟：

1)道路特征增強(qiáng);

2)給定道路的種子點(diǎn);

3)依據(jù)一定的準(zhǔn)則跟蹤和擴(kuò)展種子點(diǎn)，形成道路段;

4)將道路段連接起來(lái)，形成道路網(wǎng)。

針對(duì)在高分辨率遙感圖像上半自動(dòng)的道路提取，國(guó)內(nèi)外學(xué)者提出了很多方法，例如動(dòng)態(tài)規(guī)劃法、Snakes模型法等，而基于影像分割與邊緣檢測(cè)相結(jié)合的思想是目前利用高分辨率遙感圖像進(jìn)行道路提取應(yīng)用較多的方法。其中影像分割主要是針對(duì)影像中的面狀單元提取，以分割成不同的塊單元，以此為基礎(chǔ)并根據(jù)各種特征信息進(jìn)行提取。

Vosselman等人提出最小二乘模板匹配方法，該方法在給定特征點(diǎn)初始位置、方向及道路寬度的條件下，假設(shè)道路的曲率沒(méi)有發(fā)生變化，以最小二乘法估計(jì)給定的道路表面和與圖像道路輪廓線之間的幾何變形參數(shù)，進(jìn)而確定圖像上曲線的具體參數(shù)得到道路的數(shù)學(xué)表示，并將結(jié)果用線性卡爾曼濾波作進(jìn)一步處理，用以更新描述道路的位置和形狀參數(shù)。

Geman等針對(duì)分辨率為10 m的Spot影像道路，提供道路的起始點(diǎn)和初始方向，并且假定道路的曲率變化很小，建立一個(gè)幾何模型，利用道路內(nèi)部灰度的均勻性以及與其他地物灰度的較大差異建立統(tǒng)計(jì)模型，再利用信息熵進(jìn)行假設(shè)檢驗(yàn)，從而將道路部分提取出來(lái)。其缺點(diǎn)是影像分辨率低，并且只有在道路灰度與其他地物灰度相差較大的情況下才能達(dá)到較好的提取效果。

Lin Zongjian等將Snakes或Active Contour模型引入道路提取中，用一個(gè)能量函數(shù)來(lái)描述遙感影像道路目標(biāo)的灰度梯度特性、灰度連續(xù)性及平滑性，并通過(guò)求取能量函數(shù)的極值點(diǎn)來(lái)獲得道路目標(biāo)的各個(gè)參數(shù)。

Trinder在使用Active Contour模型的基礎(chǔ)上，引入了模擬退火的思想，利用模擬退火的搜索能力解算道路近似位置的B樣條表示參數(shù)，從而獲取道路的位置信息。

Gruen等人提出了最小二乘B樣條Snakes模型算法，這是目前在道路提取中用的比較多的算法。首先給定道路的種子點(diǎn)，再根據(jù)種子點(diǎn)的初始位置按照最小二乘法建立B樣條曲線，在給定的寬度條件下，得到一條初始道路。最后根據(jù)Snakes方法進(jìn)行特征判斷，得到道路的中心線。

3．自動(dòng)道路提取研究現(xiàn)狀

自動(dòng)道路提取方法包括道路特征的自動(dòng)識(shí)別和幾何特征的自動(dòng)定位，在實(shí)際應(yīng)用的過(guò)程中分為3個(gè)步驟進(jìn)行：

1)通過(guò)各種針對(duì)影像道路提取的方法獲取道路的基本特征;

2)依據(jù)步驟1)的結(jié)果制定相應(yīng)的規(guī)則來(lái)獲取道路的種子點(diǎn)，這些種子點(diǎn)要具有比較豐富的道路影像特征;

其中，傘形集果筒由合頁(yè)與搭扣固定，傘形集果筒的合頁(yè)與搭扣對(duì)應(yīng)安裝位置開通孔，合頁(yè)與搭扣通過(guò)螺釘，螺栓固定在傘形集果筒上。傘形集果筒如圖2所示。

3)按照影像特征制定相關(guān)的判別準(zhǔn)則，這些種子點(diǎn)擴(kuò)展為道路段，將合理的道路段連接形成道路網(wǎng)，剔除不合理或者錯(cuò)誤的道路段。

一般而言，自動(dòng)提取方法都是針對(duì)特定的影像，在整個(gè)理解過(guò)程中還會(huì)綜合應(yīng)用到計(jì)算機(jī)視覺(jué)、人工智能、模式識(shí)別等知識(shí)。以下是一些具有代表性的自動(dòng)道路提取方法：

1)Rajeswari和Gurumurthy等提出一種基于自動(dòng)水平集、規(guī)范割以及均值漂移的道路自動(dòng)提取方法。首先對(duì)圖像進(jìn)行預(yù)處理，以提高圖像的適應(yīng)性，降低建筑物等帶來(lái)的噪聲;然后采用上述3種方法進(jìn)行道路提取;最后通過(guò)手動(dòng)提取道路評(píng)價(jià)3種方法提取結(jié)果的精度。

2)Jiangye Yuan等提出了一種從衛(wèi)星圖像上自動(dòng)提取道路的方法，核心是一種名為局部響應(yīng)與全局抑制振蕩網(wǎng)絡(luò)的方法(LEGION)，該方法將道路提取分為3個(gè)階段：①圖像用LEGION法對(duì)圖像進(jìn)行分割;②計(jì)算每個(gè)分割對(duì)象的中軸點(diǎn)，選擇狹窄區(qū)域的中軸點(diǎn);③ 道路分組階段，建立中軸點(diǎn)之間的依賴關(guān)系，利用LEGION算法組合排列較好的中軸點(diǎn)形成道路。

3)Chaudhary等提出了一種從高分辨率影像上提取道路的方法，所用影像為IKONOS影像。該方法采用了多分辨率影像金字塔策略，集合了高斯模糊、一個(gè)一維的邊緣檢測(cè)模板濾波器、線性分組和多層集合的方法，提取了道路中心線和非道路中心線。最后通過(guò)幾何和光度特征判斷結(jié)果是否為道路中心線，也可以通過(guò)高層次金字塔圖像判斷中心線的屬性。

4．道路提取研究發(fā)展趨勢(shì)

就遙感影像道路提取技術(shù)而言，還有很多技術(shù)難題沒(méi)有得到解決?？偨Y(jié)前面的論述，不難發(fā)現(xiàn)其主要特點(diǎn)是：采用的道路特征和模型逐步細(xì)化和復(fù)雜，多數(shù)方法是以現(xiàn)有成熟技術(shù)為基礎(chǔ)逐步改化而成，還沒(méi)有形成一套具有適應(yīng)性強(qiáng)、達(dá)到實(shí)用化程度的技術(shù)體系和方法。

隨著遙感影像數(shù)字處理技術(shù)的不斷進(jìn)步以及處理方法的不斷豐富，道路提取工作當(dāng)前已經(jīng)取得了很大的進(jìn)展。綜合國(guó)內(nèi)外研究現(xiàn)狀，遙感影像道路提取技術(shù)目前呈現(xiàn)如下的發(fā)展趨勢(shì)：

(1)多方法多步驟集成的道路提取方法

單一的道路提取方法往往存在不足，或只對(duì)某一類影像有效，因此在完善單一提取方法的同時(shí)，應(yīng)該根據(jù)各種提取方法的優(yōu)缺點(diǎn)設(shè)計(jì)新的提取思路，取長(zhǎng)補(bǔ)短以達(dá)到更好的提取效果。

(2)多傳感器圖像融合提取道路方法

單一傳感器獲取的圖像往往存在不足，尤其是SAR圖像在提取道路網(wǎng)絡(luò)時(shí)，受到噪聲的影響，提取結(jié)果總是斷斷續(xù)續(xù)的，而且有很多虛假檢測(cè)。在多平臺(tái)傳感器的支持下，獲取同一地區(qū)的不同類型影像已非難事，這些數(shù)據(jù)之間存在一定的冗余和互補(bǔ)。有機(jī)地融合不同類型的遙感影像，獲得道路特征更加明顯的影像以簡(jiǎn)化提取的難度。

(3)道路提取算法和定位技術(shù)智能化

隨著計(jì)算機(jī)技術(shù)、人工智能以及模式識(shí)別技術(shù)的發(fā)展，智能算法和圖像處理技術(shù)逐步融合以模仿人腦的思維方式，借鑒人腦的認(rèn)知過(guò)程和邏輯分析能力，并應(yīng)用到道路提取中是將來(lái)道路提取的重要發(fā)展方向。借助專家系統(tǒng)和智能算法，結(jié)合人機(jī)交互的模式進(jìn)行匹配，提高道路特征提取的速度和精度，增強(qiáng)算法在復(fù)雜條件下的適應(yīng)能力和匹配能力，是未來(lái)道路提取的發(fā)展趨勢(shì)。

[1]VOSSELMAN G，KNECHT J．Road Tracing by Profile Matching and Kalman Filtering，Automatic Extraction of Manmade Objects from Aerial and Space Images[M]．[S．l．]：Birkhauser verlag，1995：265-274．

[2]GEMAN D，JEDYNAK B．An Active Testing Model for Tracking Roads in Satellite Images[J]，IEEE transaction on pattern Analysis and Maehine Intelligenee，1996，18(1)：1-14．

[3]LIN Zongjian，LIU Shaochuang．Road Extraction from Aerial Images by Snakes Method[J]．Journal of Wuhan Technical University of Surveying and Mapping，1996(3)．

[4]TRINDER J，MAULIK U，BANDYOPADHYAY S．Semiautomated Feature Extraction Using Simulated Annealing[J]．International Archives of Photogrammetry and Remote Sensing，2000，33(3/2)：905-908．

[5]GRUEN A．Adaptive Least Squares Correlation-A Powerful Image Matching Technique[J]．South African Journal of Photogrammetry，Remote Sensing and Cartography，1985，14(3)：175-187．

[6]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．

[7]林宗堅(jiān)，劉政榮．從遙感影像提取道路信息的方法評(píng)述[J]．武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2003，28(1)：90-93．

[8]張道兵，王宏琦，劉波．遙感彩像道路提取研究算法綜述[C]∥中國(guó)科學(xué)院電子研究所2006年青年學(xué)術(shù)交流會(huì)議論文集．北京：[s．n．]，2006：358-363．