孫垚森 王素平

(新樂(lè)市國(guó)土資源局,河北新樂(lè) 050700)

高分辨率遙感影像中機(jī)場(chǎng)提取方法探究

孫垚森 王素平

(新樂(lè)市國(guó)土資源局,河北新樂(lè) 050700)

針對(duì)傳統(tǒng)高分辨率遙感影像中機(jī)場(chǎng)提取存在的缺陷,提出了一種高分辨率遙感影像機(jī)場(chǎng)自動(dòng)提取流程。通過(guò)直方圖濾波、基于模糊學(xué)和知識(shí)的影像分割、區(qū)域標(biāo)記、拓?fù)潢P(guān)系等底層和高層處理,提取出機(jī)場(chǎng)。實(shí)驗(yàn)證明,本文的機(jī)場(chǎng)提取方法,相對(duì)于傳統(tǒng)方法,具有魯棒性高,提取的準(zhǔn)確度高的特點(diǎn)。

機(jī)場(chǎng)提取 模糊分割 拓?fù)潢P(guān)系

1 引言

目前,國(guó)內(nèi)外的研究者對(duì)機(jī)場(chǎng)的自動(dòng)提取方法做了大量的研究,并針對(duì)某些遙感數(shù)據(jù)提出了一些識(shí)別方法。主要分為底層處理和高層處理兩部分。底層處理中,一般采用兩種方法,一種是基于邊緣檢測(cè)的方法[1],即提取出地物的邊緣,將飛機(jī)場(chǎng)和其它一些邊緣明顯的地物從背景中分離出來(lái)。然而由于高分辨率影像地物的細(xì)節(jié)信息特別豐富,邊緣提取時(shí)候,會(huì)提取出很多無(wú)關(guān)的邊緣信息,從這些復(fù)雜的邊緣信息中,很難獲得機(jī)場(chǎng)的信息。另一種是基于區(qū)域分割的方法[2],該方法主要利用了水泥混凝土機(jī)場(chǎng)的高亮度特點(diǎn)。采用閾值分割算法將機(jī)場(chǎng)和其它高亮度地物從背景中分割出來(lái)。然而由于機(jī)場(chǎng)的亮度值不能確定,傳統(tǒng)閾值分割方法魯棒性很低,很容易造成過(guò)度分割,而且針對(duì)瀝青跑道,其亮度值很低,傳統(tǒng)方法無(wú)法分割出機(jī)場(chǎng)。高層處理中,一般是根據(jù)機(jī)場(chǎng)跑道具有平行直線邊緣的幾何特性,提取出跑道[3],進(jìn)行定位,從而提取出機(jī)場(chǎng)。但是不同分辨率的影像,跑道提取的閾值不同,這樣就大大減少了機(jī)場(chǎng)提取的自動(dòng)性。

因此本文根據(jù)傳統(tǒng)機(jī)場(chǎng)提取方法中存在的弊端,提出了新的處理方法。以解決傳統(tǒng)方法中根據(jù)跑道的長(zhǎng)度和寬度特征進(jìn)行提取時(shí)魯棒性差的問(wèn)題。

圖2-1 機(jī)場(chǎng)提取流程圖

2 機(jī)場(chǎng)提取算法描述

2.1 機(jī)場(chǎng)提取算法基本思想和流程

機(jī)場(chǎng)提取的基本思想如下:首先在底層處理中采用直方圖濾波進(jìn)行圖像的預(yù)處理,去除圖像中存在的比較小的亮斑噪聲。采用模糊分割方法分割出高亮度目標(biāo),基于色調(diào)和紋理知識(shí)分割出瀝青跑道。然后在中層處理中、根據(jù)機(jī)場(chǎng)的面積特征,采用形態(tài)學(xué)腐蝕和區(qū)域標(biāo)記方法得到機(jī)場(chǎng)感興區(qū)的區(qū)域以進(jìn)一步進(jìn)行高層分析。最后,在高層處理中運(yùn)用機(jī)場(chǎng)各個(gè)部分之間的拓?fù)潢P(guān)系,在感興區(qū)目標(biāo)中提取出機(jī)場(chǎng)。流程圖如圖2-1。

2.2 基于直方圖濾波的圖像處理

有些遙感影像中存在一些很小的高亮點(diǎn)或亮斑,這些小的高亮地物在后續(xù)圖像分割處理中會(huì)造成很大的不利影響,必須將其去除。傳統(tǒng)根據(jù)中值濾波去除噪聲的方法中,由于是對(duì)空間域的處理,受分辨率的影像很大。因此,本文提出了一種直方圖濾波的方法,去除圖像中存在的噪聲。該方法與傳統(tǒng)空間域?yàn)V波處理的思想不同,而是對(duì)圖像的灰度直方圖進(jìn)行處理,濾除灰度值出現(xiàn)的頻率比較小的灰度值。直方圖濾波的計(jì)算步驟如下。

圖2-2 對(duì)影像分割采用Otsu和模糊分割的結(jié)果

圖3-1武漢天河機(jī)場(chǎng)提取結(jié)果(從上至下、從左至右依次為原圖、機(jī)場(chǎng)內(nèi)外輪廓的拓?fù)潢P(guān)系圖、本文機(jī)場(chǎng)提取的結(jié)果、機(jī)場(chǎng)直線段、跑道的邊緣直線段、根據(jù)跑道特征的機(jī)場(chǎng)提取結(jié)果)

(1)計(jì)算整個(gè)圖像的灰度直方圖,統(tǒng)計(jì)每個(gè)像素出現(xiàn)的個(gè)數(shù)Count。(2)將直方圖按每個(gè)像素值的個(gè)數(shù)進(jìn)行升序排序,得到排序后的直方圖Order。(3)計(jì)算要濾除的灰度值個(gè)數(shù)T。在排序后的灰度直方圖中,計(jì)算前T個(gè)灰度值的個(gè)數(shù)和num,直到num大于或等于直方圖中灰度值個(gè)數(shù)的最大值。得到要濾除的灰度值個(gè)數(shù)T。(4)計(jì)算被濾除像素的新灰度值。對(duì)于排序后的前T個(gè)像素值,在原直方圖中,計(jì)算與前T個(gè)像素值距離最近的像素值,作為被濾除像素值的新值。(5)圖像重新賦值。對(duì)圖像進(jìn)行灰度重采樣,對(duì)圖像進(jìn)行掃描,遇到等于直方圖排序后前T個(gè)像素值的像素,賦給它距離最近的新像素值。由于直方圖濾波是在灰度值的頻率域內(nèi)的濾波。與傳統(tǒng)空間域?yàn)V波的方法相比,具有速度較快、不受影像分辨率的影響、不易造成邊界模糊等優(yōu)點(diǎn)。

2.2 基于模糊學(xué)的混凝土機(jī)場(chǎng)分割

將模糊學(xué)用于圖像分割的原理如下,灰度值可以定義為一個(gè)集合體,每個(gè)像元隸屬于目標(biāo)的程度可以用隸屬度函數(shù)定義,該隸屬函數(shù)用來(lái)描述每個(gè)像元屬于目標(biāo)或背景的程度。將模糊學(xué)的思想應(yīng)用于圖像的分割中,隸屬度函數(shù)的選取最為關(guān)鍵。傳統(tǒng)將模糊學(xué)應(yīng)用到圖像處理中的隸屬度函數(shù)為式子2-1。但是在模糊集中當(dāng)把0.5作為分割閾值時(shí)候,會(huì)分割出大量灰度值比較高的地物,會(huì)造成過(guò)度的分割。因此,本文將對(duì)隸屬度函數(shù)進(jìn)行了改進(jìn),改進(jìn)后的隸屬度函數(shù)為式子2-2。由式子可知采用0.5為分割閾值,會(huì)分割出較少的比較亮的部分,不易造成過(guò)分割。

式子(2-1)和(2-2)中m,n表示該像素點(diǎn)在圖像中的行列號(hào)。Pmn表示行列號(hào)為mn的像素點(diǎn)隸屬度,Xmn表示行列號(hào)為mn的像素的灰度值,L表示圖像中最大的灰度值。

為了說(shuō)明本文提出的模糊分割在機(jī)場(chǎng)分割中,相對(duì)于傳統(tǒng)分割方法的優(yōu)勢(shì),對(duì)一副影像分別采用了模糊分割和Otsu分割,效果圖如圖2-2,可見(jiàn)Otsu不免會(huì)分割出過(guò)多的背景。而模糊分割都能分割出較好的效果。

2.3 基于紋理與色調(diào)知識(shí)的瀝青跑道分割

瀝青跑道具有三個(gè)明顯的特征:第一,瀝青跑道表面平滑;第二,瀝青跑道由瀝青組成,而同一種物質(zhì)的色調(diào)特征相似,在不同的光照條件下,不同瀝青跑道的色調(diào)趨于一致;第三,瀝青跑道的輪廓屬于細(xì)長(zhǎng)型,長(zhǎng)寬比比較大。因此基于瀝青跑道這種特有的知識(shí)特性,可以比較準(zhǔn)確快速的分割出瀝青跑道。本文基于瀝青跑道的紋理、色調(diào)、幾何知識(shí)。對(duì)圖像進(jìn)行分割,提取出機(jī)場(chǎng)跑道。首先通過(guò)方差來(lái)計(jì)算跑道的紋理。然后對(duì)原影像進(jìn)行HSV轉(zhuǎn)化,得到色調(diào)圖像,根據(jù)瀝青跑道紋理和色調(diào)經(jīng)驗(yàn)閾值,跑道的方差紋理閾值設(shè)置成10,色調(diào)閾值在[100,130]之間,對(duì)瀝青跑道進(jìn)行分割,得到色調(diào)與跑道相似的區(qū)域。最后計(jì)算地物的最小外接輪廓,根據(jù)跑道的細(xì)長(zhǎng)型的特征去除其它的地物。

圖3-2 青島機(jī)場(chǎng)提取流程圖解

2.4 機(jī)場(chǎng)感興區(qū)的提取

機(jī)場(chǎng)是個(gè)復(fù)雜的目標(biāo),需要通過(guò)對(duì)目標(biāo)對(duì)象的結(jié)構(gòu)進(jìn)行推理分析,才能準(zhǔn)確的得到機(jī)場(chǎng)。經(jīng)過(guò)濾波和分割等底層處理后,只是得到了一幅包含機(jī)場(chǎng)的二值影像,很難對(duì)各個(gè)目標(biāo)進(jìn)行分析。因此需要在二值圖進(jìn)行中層的處理,提取出感興區(qū)目標(biāo),得到一些疑似機(jī)場(chǎng)目標(biāo),以方便進(jìn)一步的高層分析。對(duì)機(jī)場(chǎng)影像分割后,由于機(jī)場(chǎng)屬于大面積的地物,可以根據(jù)面積信息去除大量的背景目標(biāo),區(qū)域標(biāo)記法是一種比較好的表示面積的方法。但是由于分割質(zhì)量的原因,很多小的地物可能被連接到了一塊,形成一大片地物,必須將其分開(kāi)。因此本文采用形態(tài)學(xué)腐蝕法去除不同地物間的連續(xù)性,繼而采用區(qū)域標(biāo)記算法提取出較大的面積,得到疑似機(jī)場(chǎng)目標(biāo),以便進(jìn)一步高層分析。

2.5 機(jī)場(chǎng)提取中基于拓?fù)潢P(guān)系的高層處理

根據(jù)機(jī)場(chǎng)的結(jié)構(gòu),機(jī)場(chǎng)一般由停機(jī)坪,滑行道,聯(lián)絡(luò)道,跑道組成。滑行道,聯(lián)絡(luò)道和跑道圍城了一個(gè)形如“目”字型的結(jié)構(gòu)。也就是機(jī)場(chǎng)內(nèi)包含很多空洞。這些空洞與整個(gè)機(jī)場(chǎng)形成了穩(wěn)定的拓?fù)潢P(guān)系。無(wú)論機(jī)場(chǎng)如何拉伸、壓縮、縮放這些空洞包含于機(jī)場(chǎng)內(nèi)部的拓?fù)潢P(guān)系不變。且這些空洞占機(jī)場(chǎng)整個(gè)面積的比例基本都在1/60以上,且空洞的個(gè)數(shù)一般都會(huì)大于3,因此可以根據(jù)機(jī)場(chǎng)內(nèi)的內(nèi)洞這一拓?fù)潢P(guān)系,在得到的感興區(qū)中提取出機(jī)場(chǎng)。根據(jù)拓?fù)潢P(guān)系在疑似機(jī)場(chǎng)中進(jìn)一步提取機(jī)場(chǎng)的步驟如下。

Step1:提取出中的每塊區(qū)域的所有內(nèi)洞。Step2:計(jì)算每塊內(nèi)洞與該區(qū)域的面積比,剔除那些面積比小于1/60的內(nèi)洞。Step3:根據(jù)每塊區(qū)域內(nèi)洞個(gè)數(shù),提取出內(nèi)洞個(gè)數(shù)大于3的區(qū)域,得到機(jī)場(chǎng)。

3 實(shí)驗(yàn)結(jié)果與分析

本次實(shí)驗(yàn)的實(shí)驗(yàn)數(shù)據(jù)是從Google Earth下載的包含機(jī)場(chǎng)和港口目標(biāo)的GeoEye高分辨率影像,將原圖像重采樣為2米左右的高分辨影像作為實(shí)驗(yàn)數(shù)據(jù)。分別采用了本文的顧及機(jī)場(chǎng)拓?fù)潢P(guān)系的方法和傳統(tǒng)根據(jù)機(jī)場(chǎng)跑道幾何特征進(jìn)行機(jī)場(chǎng)提取的方法,對(duì)多幅機(jī)場(chǎng)圖像進(jìn)行了提取實(shí)驗(yàn),并進(jìn)行了對(duì)比分析,來(lái)說(shuō)明本文算法的有效性。對(duì)于混凝土跑道的機(jī)場(chǎng),通過(guò)實(shí)驗(yàn)分析了高層處理中,本文根據(jù)拓?fù)潢P(guān)系進(jìn)行提取的方法和傳統(tǒng)根據(jù)跑道的長(zhǎng)寬幾何特征進(jìn)行提取的方法的優(yōu)缺點(diǎn)。對(duì)于瀝青跑道的機(jī)場(chǎng),由于傳統(tǒng)的方法無(wú)法提取出這些機(jī)場(chǎng),因此只分析了本文方法對(duì)含有瀝青跑道的機(jī)場(chǎng)進(jìn)行提取的結(jié)果。最后對(duì)這些實(shí)驗(yàn)結(jié)果進(jìn)行了分析,得出合理的結(jié)論。

(1)不同的高層處理方法;本文對(duì)多幅影像進(jìn)行了實(shí)驗(yàn),對(duì)比了傳統(tǒng)根據(jù)跑道幾何特征方法和本文采用機(jī)場(chǎng)拓?fù)潢P(guān)系方法進(jìn)行機(jī)場(chǎng)提取的不同。其中武漢天河機(jī)場(chǎng)的提取結(jié)果如圖3-1。

由圖3-1中對(duì)混凝土機(jī)場(chǎng)分別采用拓?fù)潢P(guān)系和跑道的幾何特征進(jìn)行提取的結(jié)果可以看出。根據(jù)機(jī)場(chǎng)內(nèi)外輪廓的拓?fù)潢P(guān)系的分析方法,可以穩(wěn)定的描述機(jī)場(chǎng)目標(biāo)的特征,進(jìn)而提取出機(jī)場(chǎng)。而傳統(tǒng)根據(jù)機(jī)場(chǎng)跑道幾何特征,提取出機(jī)場(chǎng)跑道,進(jìn)而提取出機(jī)場(chǎng)的方法中。由于機(jī)場(chǎng)聯(lián)絡(luò)道的存在,在提取跑道邊緣直線的時(shí)候,會(huì)造成跑道邊緣直線的中斷。需要把在同一直線上的線段連接到一塊,但由于這些破碎的短線距離很近,斜率相差很小,進(jìn)行短線連接的時(shí)候,很容易連錯(cuò),因此會(huì)得到不完整的跑道邊緣。

(2)含有瀝青跑道的機(jī)場(chǎng)提取實(shí)驗(yàn)結(jié)果;由于傳統(tǒng)方法無(wú)法分割出瀝青跑道,因此本文只分析了本文的含有瀝青跑道的機(jī)場(chǎng)提取實(shí)驗(yàn)。圖3-2為對(duì)青島瀝青跑道的機(jī)場(chǎng)提取結(jié)果圖。其中a,b,c,d,e,f分別為原圖、采用模糊分割法得到的疑似停機(jī)坪、基于知識(shí)分割得到的疑似跑道、b和c合并后得到的疑似機(jī)場(chǎng)、對(duì)疑似機(jī)場(chǎng)進(jìn)行的內(nèi)外輪廓拓?fù)浞治鰣D,最終提取結(jié)果。

通過(guò)對(duì)瀝青跑道的機(jī)場(chǎng)提取的實(shí)驗(yàn)結(jié)果可以看出,模糊分割后,根據(jù)面積特征采用區(qū)域標(biāo)記法提取面積比較大的區(qū)域,可以比較準(zhǔn)確的分割出停機(jī)坪等高亮度目標(biāo)。基于跑道的色調(diào)、紋理、長(zhǎng)寬比這些知識(shí),可以有效的將瀝青跑道分割出來(lái)。將疑似停機(jī)坪和跑道合并后,可以得到疑似機(jī)場(chǎng)。由于機(jī)場(chǎng)目標(biāo)內(nèi)部都含有一定大小的多個(gè)內(nèi)輪廓,分析每個(gè)疑似機(jī)場(chǎng)區(qū)域的內(nèi)外輪廓,可以看出,其它地物一般不具有這種特殊的結(jié)構(gòu)。因此可以將機(jī)場(chǎng)與其它的地物區(qū)分開(kāi)來(lái),從而可以將瀝青跑道穩(wěn)定的提取出來(lái)。

4 結(jié)語(yǔ)

本文主要對(duì)高分辨率遙感影像中城市區(qū)域的機(jī)場(chǎng)區(qū)域自動(dòng)提取方法進(jìn)行了研究。根據(jù)傳統(tǒng)方法進(jìn)行機(jī)場(chǎng)提取中穩(wěn)定性和自動(dòng)性差,并且無(wú)法提取出含有瀝青跑道的機(jī)場(chǎng)的缺陷,提出了一種機(jī)場(chǎng)提取流程。針對(duì)傳統(tǒng)采用Otsu閾值方法分割機(jī)場(chǎng)會(huì)造成過(guò)度分割的現(xiàn)象,將模糊學(xué)方法用在混凝土機(jī)場(chǎng)底層分割中,解決了過(guò)分割現(xiàn)象;并將基于知識(shí)的分割用于瀝青跑道的分割中,解決了傳統(tǒng)方法無(wú)法分割出瀝青跑道的問(wèn)題;將拓?fù)潢P(guān)系用于機(jī)場(chǎng)提取的高層處理中,提高了機(jī)場(chǎng)提取的穩(wěn)定性。實(shí)驗(yàn)表明,本文提出的機(jī)場(chǎng)提取具有較高的魯棒性,且準(zhǔn)確率比較高。

[1]趙誠(chéng).圖像識(shí)別方法與實(shí)現(xiàn)技術(shù)研究[D].西安:西安電子科技大學(xué),2008.

[2]張文浩.光學(xué)遙感圖像跑道提取與油罐目標(biāo)識(shí)別技術(shù)研究[D].成都:電子科技大學(xué),2010.

[3]Ton J., Jain A K., Enslin W R., et al. Automatic Road Identification and Labeling in Landsat4 Tm Images[J]. Photogrammetric[PRS],1989,43(2):157-276.

[4]陳旭光.衛(wèi)星遙感圖像中機(jī)場(chǎng)區(qū)域的識(shí)別方法研究[D].南京:南京理工大學(xué),2005.