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。

1 基本理論

1．1 影像道路特征分析

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

1．2 道路中心線提取

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。

1．3 道路提取優(yōu)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

2 試驗(yàn)與分析

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

2．1 道路提取結(jié)果

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

2．2 道路提取結(jié)果評(píng)價(jià)

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。

3 結(jié) 論

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．