湯瑞華
(鄭州市規(guī)劃勘測(cè)設(shè)計(jì)研究院,河南 鄭州450000)
隨著地球空間信息科學(xué)的快速發(fā)展,地理信息系統(tǒng)在越來越多的領(lǐng)域得到廣泛應(yīng)用。遙感影像尤其是高分辨率遙感影像由于其成本低、獲取周期短、信息豐富等特點(diǎn)逐步成為地理信息系統(tǒng)的主要數(shù)據(jù)來源[1]。道路信息作為基礎(chǔ)地理信息,是地理信息系統(tǒng)應(yīng)用的基礎(chǔ)數(shù)據(jù),因此,道路信息的快速提取對(duì)于及時(shí)更新地理信息數(shù)據(jù)庫尤為重要。
目前,很多提取算法對(duì)于中、低分辨率影像上有很好的效果[2],然而對(duì)于高分辨率影像上的道路提取,還是很難找到魯棒性較好的算法,糾其原因,主要在于高分辨率遙感影像在提供豐富道路信息的同時(shí),也給道路提取帶來的很多干擾噪聲,如:車輛、樹木、交通管制線、建筑物及其陰影等。噪聲的干擾不僅使遙感圖像中的道路網(wǎng)變得非常零亂,也經(jīng)常使道路的邊緣變得模糊不清。因此,如何利用高分辨率圖像有效地提取道路信息是值得研究的一個(gè)重要課題。在現(xiàn)有的道路提取算法中[3-8],道路提取算法中大多是基于影像分割的,在此過程中,分割結(jié)果通常根據(jù)先驗(yàn)參數(shù)值,因此,為了有效提高算法整體的自動(dòng)性,本文從分析高分辨率遙感影像中道路的基本特征出發(fā),選定道路的局部灰度一致性和形態(tài)作為道路提取最基本的特征,提出基于自適應(yīng)圖像分割的道路提取算法,通過對(duì)道路提取結(jié)果質(zhì)量分析,驗(yàn)證該方法可取的較好效果。
與中、低分辨率遙感影像相比,高分辨率遙感影像能夠表示更多的地面目標(biāo)和細(xì)節(jié)特征,特別是道路特征,在城市區(qū)域,道路具有一定的寬度,其形狀像一個(gè)窄的矩形或帶狀線;其長(zhǎng)度通常大于或等于一個(gè)街區(qū);同時(shí)道路網(wǎng)絡(luò)具有一定的規(guī)則;但另一方面,在高分辨率影像上也存在一些由斑馬線、汽車、行人等造成的非道路噪聲。目前針對(duì)高分辨率城區(qū)影像的道路提取,通常以圖象分割簡(jiǎn)化處理,因此本文結(jié)合一種自適應(yīng)結(jié)構(gòu)元素的形態(tài)學(xué)分析算法,自動(dòng)實(shí)現(xiàn)影像分割。
1)閾值分割。圖像分割的關(guān)鍵在于分割閾值的選擇,為了能夠?qū)崿F(xiàn)影像道路提取過程的自動(dòng)化,通過對(duì)比不同閾值的分割效果,本文選擇1979年由日本大津提出的最大類間方差法[9](簡(jiǎn)稱OTSU),該方法是一種自適應(yīng)的閾值確定方法,它是按圖像的灰度特性將圖像分成背景和目標(biāo)兩部分,該算法計(jì)算簡(jiǎn)單,穩(wěn)定有效。OTSU算法自動(dòng)閾值分割的基本原理:對(duì)于圖像I,其中像素灰度范圍為[0,255],灰度級(jí)為x的像素點(diǎn)出現(xiàn)的概率為P(x),當(dāng)求出式(1)為最大值時(shí)的灰度級(jí)t便可實(shí)現(xiàn)對(duì)該區(qū)域的二值化。
2)基于形態(tài)學(xué)的道路提取 由二值化影像可以得到初始道路信息,如圖1所示,然后由于非道路噪聲的存在,本文對(duì)初始的道路信息進(jìn)行膨脹(Dilation)和腐蝕(Erosion)處理[10]
式中:A為目標(biāo)影像,B為形態(tài)學(xué)中的結(jié)構(gòu)元素;a[x,y],b[x,y]分別是A與B中像素(x,y)的像素值;(m,n),(j,k)均為A,B中正在處理的像素坐標(biāo)。
由于結(jié)構(gòu)元素的尺寸和形狀在數(shù)學(xué)形態(tài)學(xué)的應(yīng)用中起著至關(guān)重要的作用,本文采用文獻(xiàn)[11]中的方法構(gòu)造一個(gè)自適應(yīng)結(jié)構(gòu)元素。其思想是:E是圖像I中p0點(diǎn)位中心的一個(gè)領(lǐng)域,DOMp0(pi)描述了pi點(diǎn)與其中心點(diǎn)p0的隸屬度,K為結(jié)構(gòu)元素的預(yù)設(shè)大小(初值為5),通過計(jì)算每個(gè)像素點(diǎn)的DOMp0(pi),可以自適應(yīng)的構(gòu)造結(jié)構(gòu)元素B。
該方法能夠依據(jù)圖像本身的特征信息,不用局限現(xiàn)有的矩形、圓形等固定形狀的結(jié)構(gòu)元素。并且對(duì)于一些噪聲像素,DOM值較低,可以有效地剔除。最終得到的二值化影像如圖1所示。
圖1 基于影像分割的道路提取結(jié)果
道路提取的最終目的是將道路信息應(yīng)用到基礎(chǔ)地理信息數(shù)據(jù)庫當(dāng)中去,以便更好的服務(wù)社會(huì)。在基礎(chǔ)地理信息數(shù)據(jù)庫當(dāng)中,道路通常又以矢量的線化圖層表示。因此,從道路圖中提取道路的中心線是十分有必要的。為了便于描述和抽取特征,對(duì)那些細(xì)長(zhǎng)的區(qū)域常用類似骨架的細(xì)線表示,這些細(xì)線處于圖像的中軸附近,并從視覺上依然保持原有形狀即細(xì)化結(jié)構(gòu),骨架便是這樣一種細(xì)化結(jié)構(gòu)[12]。
因此,需要對(duì)二值道路影像進(jìn)行細(xì)化,即骨架提取,得到道路的中軸線表達(dá)道路形態(tài),完成道路提取。
根據(jù)區(qū)域的形態(tài)特征,在道路細(xì)化之前需要采用一些量化參數(shù)描述道路區(qū)域,常用的量化參數(shù)分別是圖斑面積S和長(zhǎng)寬比B。根據(jù)經(jīng)驗(yàn)確定最大圖斑面積與長(zhǎng)寬比,并設(shè)定閾值,刪除絕大部分獨(dú)立面狀噪聲。刪除孤立斑點(diǎn)后,本文采用細(xì)化算法中具有代表性的Hilditch算法,根據(jù)8-領(lǐng)域的黑白(0,1)情況計(jì)算,得到索引值,再根據(jù)索引值判斷當(dāng)前像素是否被細(xì)化。
在道路提取的過程中,道路周圍有些干擾信息,形成依附在道路上的短枝,必須刪除。原則依據(jù):根據(jù)細(xì)化后的道路索引值,判斷某一點(diǎn)的鏈接數(shù)值,若數(shù)值為1,則該點(diǎn)為某一短枝的起點(diǎn),計(jì)算這條短枝的長(zhǎng)度l,若l<15,刪除短枝;其中短枝刪除的閾值是根據(jù)反復(fù)試驗(yàn)得到的 選取合理的閾值。以城鎮(zhèn)的道路細(xì)節(jié)圖為例,可以看到原圖道路周圍的部分信息與道路的信息易混淆,細(xì)化時(shí)出現(xiàn)了短枝,但刪除短枝后效果較好,既可以刪除非道路信息的短枝,又不影響到道路網(wǎng)的形態(tài),如圖2所示,使得最終提取的道路信息更加準(zhǔn)確。
圖2 影像道路中心線提取優(yōu)化效果
分別選擇兩幅具有代表性的瀝青道路,驗(yàn)證本文道路提取算法合理性,如圖3所示。
圖3(a)是一幅城鎮(zhèn)道路的高分辨率彩色影像,該圖分辨率高,區(qū)域主干道邊緣信息比較清晰,道路局部灰度一致性較好,沒有受到建筑物陰影的影響。同時(shí),道路長(zhǎng)度適中,形態(tài)豐富,有直線、曲線,有交叉、閉合,對(duì)分析道路提取效果提供了較多的依據(jù)。圖3(b)是一幅村鎮(zhèn)道路的高分辨率彩色影像,該圖航高630 m,地面分辨率5 c m。影像中主要地物為農(nóng)田,道路局部受溝渠、陡坎等干擾,但道路特征明顯,連通性較好,易于分辨。因此,此類實(shí)驗(yàn)數(shù)據(jù)合理可靠,完成道路提取有較強(qiáng)的說服力。
圖3 測(cè)區(qū)內(nèi)航空影像
由于獲取的實(shí)驗(yàn)數(shù)據(jù)已校正過,因此可以跳過影像預(yù)處理,對(duì)選擇的兩類影像數(shù)據(jù)分別進(jìn)行道路提取試驗(yàn)。在OTSU閾值分割結(jié)果的基礎(chǔ)上,采用基于自適應(yīng)結(jié)構(gòu)元素的形態(tài)學(xué)分割算法,得到不錯(cuò)的分割效果,如圖4(a)和(c)所示,圖中道路網(wǎng)特征明顯,與房屋、植被等大型干擾地物較好地分離,經(jīng)過膨脹、腐蝕處理之后的圖像,道路邊界已被剔除,除了少許孤立斑點(diǎn)外,道路形態(tài)特征明顯,格網(wǎng)清晰;細(xì)化后的圖像即為道路的骨架(中心線),并進(jìn)一步對(duì)細(xì)化后的道路進(jìn)行優(yōu)化,其效果如圖4(b)和(d)所示。
圖4 道路提取算法結(jié)果
1)定性方面分析。與灰度圖像相比,道路信息完整,噪聲較少,但具體的道路提取質(zhì)量還需與原圖進(jìn)行疊加對(duì)比,觀察細(xì)化后的道路是否為原圖道路的中心線。將細(xì)化、短枝刪除后得到的道路網(wǎng)中心線與原圖進(jìn)行疊加對(duì)比。此處以城鎮(zhèn)道路為例,由圖5可知,原圖道路形態(tài)較豐富,有連通性較好,形成密集道路網(wǎng)。從圖5可看到,三種形態(tài)的道路提取效果較理想,與原圖匹配度較高,證明本文采用的道路提取方法對(duì)于不同形態(tài)的道路均適用,且效果較好 從整個(gè)道路網(wǎng)提取結(jié)果來看 結(jié)果基本上達(dá)到了原圖效果,大部分均居于道路中心。
圖5 道路中心線與原圖疊加效果圖(城鎮(zhèn))
2)定量方面對(duì)比。采用下列三個(gè)指標(biāo)對(duì)道路提取結(jié)果定量分析:
檢測(cè)率P1=檢查出的正確道路長(zhǎng)度/參考道路長(zhǎng)度;虛警率P2=檢查出的錯(cuò)誤道路長(zhǎng)度/參考道路長(zhǎng)度;
提取質(zhì)量λ=檢查的正確道路長(zhǎng)度/(道路中未檢測(cè)出的長(zhǎng)度+檢測(cè)出的道路長(zhǎng)度)。
為驗(yàn)證本文算法的可行性,針對(duì)不同類型道路采用上述評(píng)價(jià)指標(biāo),與文獻(xiàn)[7]中基于形狀特征的影像道路提取方法進(jìn)行對(duì)比,其對(duì)比結(jié)果如表1所示。
表1 測(cè)區(qū)內(nèi)道路提取結(jié)果評(píng)定 %
本文統(tǒng)計(jì)了城鎮(zhèn)與村鎮(zhèn)影像道路提取結(jié)果,并將道路分為直線段與曲線段兩類,分別與文獻(xiàn)[7]的提取效果進(jìn)行對(duì)比,由表1可知,本文道路提取結(jié)果較好,特別是直線道路段,檢測(cè)率和提取質(zhì)量均略高于文獻(xiàn)[7];但是本文提取的直線段和曲線段的虛警率都高于文獻(xiàn)[7]的結(jié)果,分析原因:在道路優(yōu)化步驟中,考慮到道路網(wǎng)特征的完整性,選取了較小閾值完成刪除短枝,雖然很大程度上避免了道路斷裂的情況,但是也造成了提取結(jié)果中一些非道路信息的短枝并沒有完全刪除,因此導(dǎo)致了虛警率相對(duì)較高。為了達(dá)到更好的城鎮(zhèn)道路提取精度,在短枝刪除的部分仍需改進(jìn),但總體的道路提取效果較好。
本文通過分析道路的形態(tài)特征,以影像分割為基礎(chǔ),采用自適應(yīng)結(jié)構(gòu)元素的數(shù)學(xué)形態(tài)學(xué)處理,提出一種適合于城區(qū)、村鎮(zhèn)等不同類型的道路提取方法,并通過實(shí)驗(yàn)驗(yàn)證該方法的可行性。該方法的最大特點(diǎn)便是在形狀分析過程中,無需人工參與,且能夠依據(jù)影像自身特點(diǎn)自適應(yīng)地選擇形態(tài)學(xué)算子。但是對(duì)于與邊界地物相互粘連且光譜特征相同(相似 的區(qū)域的分割仍然存在一定的局限性 希望今后能夠借助機(jī)載Li DAR等多源數(shù)據(jù),更完整、精確地提取道路信息。
[1] WENG Q H.Remote sensing of i mpervious surfaces in the urban areas:Requirements,methods,and trends[J].Remote Sensing of Environ ment,2012,117:34-49.
[2] 胥亞.中高分辨率遙感影像道路提取技術(shù)研究[D].河南:信息工程大學(xué),2012.
[3] 許銳.結(jié)合形狀與同質(zhì)特征的遙感影像城市道路提取方法[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào),2014(1):53-56.
[4] 李潤(rùn)生,司毅博,朱述龍,等.利用方向紋理特征從影像上搜索道路中心線[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào),2014(4):393-398.
[5] 余潔,余峰,張晶,等.結(jié)合區(qū)域生長(zhǎng)與道路基元的高分辨率遙感影像道路提?。跩].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2013,38(7):761-764.
[6] 李齊,郭丙軒,董玲燕,等.航空影像上道路中心線的半自動(dòng)提取算法研究[J].測(cè)繪信息與工程,2009,34(1):23-25.
[7] 雷小奇,王衛(wèi)星.一種基于形狀特征進(jìn)行高分辨率遙感影像 道 路 提 取 方 法[J].測(cè) 繪 學(xué) 報(bào),2009,38(5):457-465.
[8] 賈鵬,顏佩麗,何軍,等.基于邊界特性改進(jìn)直方圖門限法的道路提?。跩].測(cè)繪工程,2009,18(3):51-54.
[9] OTSU N.A t hreshold selection method fro m gray-level histograms[J].Automatica,1975,11(285-296):23-27.
[10]李利偉,劉吉平,尹作為.基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提?。跩].遙感信息,2006(5):9-11.
[11]LU Z,WANG F,CHANG Y,et al.Edge detection based on adaptive str ucture element mor phology[C].Proceedings of the Automation and Logistics,IEEE Inter national Conference on,F(xiàn),2007.
[12]張若文,滕奇志,孫曉剛,等.一種快速簡(jiǎn)便的圖像骨架變換方法[J].信息與電子工程,2003,1(1):1-5.
[13]江中亮,楊敏華,楊德地.快速提取城市道路中心線[J].測(cè)繪與空間地理信息,2015,38(1):153-154.
[14]林祥國(guó),田雷,王家民,等.改進(jìn)角度紋理特征提取高分辨率遙感影像帶狀道路[J].測(cè)繪科學(xué),2015,40(5):55-59.