楊孝翠，孟萬利

(1. 信息工程大學(xué)，河南 鄭州 450001； 2. 河南理工大學(xué)，河南 焦作 454000)

基于對比度增強(qiáng)和形態(tài)學(xué)的遙感影像道路提取

楊孝翠1，孟萬利2

(1. 信息工程大學(xué)，河南 鄭州 450001； 2. 河南理工大學(xué)，河南 焦作 454000)

提出了一種基于對比度增強(qiáng)和形態(tài)學(xué)的遙感影像道路邊界與特征點(diǎn)提取的方法。先對遙感影像進(jìn)行對比度變換增強(qiáng)，通過對比分析直方圖均衡化和對比度分段線性增強(qiáng)兩種方法獲取的增強(qiáng)影像，選取區(qū)分度大的分段線性增強(qiáng)方法進(jìn)行影像增強(qiáng)，然后運(yùn)用數(shù)學(xué)形態(tài)法進(jìn)行影像分割，實(shí)現(xiàn)道路和其他圖像信息的有效分離。利用Krisch算子進(jìn)行邊緣檢測提取道路的邊緣信息，并基于邊緣特征利用改進(jìn)的Harris算子提取特征點(diǎn)，將提取的特征點(diǎn)進(jìn)行擬合并用函數(shù)模型描述圖像道路信息，用于后期制圖中道路信息的矢量化。

對比度增強(qiáng)；數(shù)學(xué)形態(tài)學(xué)；邊緣檢測；特征點(diǎn)提??；曲線擬合

遙感技術(shù)作為地面信息獲取的綜合技術(shù)，近年來取得了迅猛的發(fā)展，如何利用計(jì)算機(jī)圖像處理技術(shù)快速自動(dòng)提取有用信息是當(dāng)前很多學(xué)者研究的熱點(diǎn)。道路信息作為制圖中不可或缺的部分，其提取方法已成為計(jì)算機(jī)圖形學(xué)、數(shù)字?jǐn)z影測量學(xué)、遙感科學(xué)等領(lǐng)域的研究重點(diǎn)[1]。雖然目前科學(xué)技術(shù)飛速發(fā)展，但是還沒有能夠精確識別道路網(wǎng)信息的系統(tǒng)，因此對道路信息的提取研究十分必要。

遙感影像中地物的提取方法與該地物的圖像特征關(guān)系密切，遙感影像道路信息有著特殊的物理特征：道路通常用水泥或?yàn)r青材料鋪設(shè)，表面平坦，鄉(xiāng)間的小路除外；道路的寬度與道路等級有關(guān)，同一等級的道路寬度變化不大；道路的彎曲程度有限，曲率變化緩慢；道路表面顏色通常更加明亮，與鄰域反差較大；道路面灰度較均勻，紋理信息統(tǒng)一等[2]。大部分道路信息的提取方法就是基于這些物理特征進(jìn)行研究的。

目前進(jìn)行道路自動(dòng)提取的方法有數(shù)學(xué)形態(tài)法、平行線對法、多分辨率提取方法、地圖匹配法等。本文基于數(shù)學(xué)形態(tài)法[3]利用邊緣檢測算法進(jìn)行道路邊緣檢測后，對檢測邊緣線進(jìn)行道路特征點(diǎn)的提取。具體步驟為：利用對比度增強(qiáng)增加影像中道路與其他信息的對比度，提高道路的辨識度，同時(shí)損失掉部分非道路信息；然后進(jìn)行形態(tài)學(xué)濾波，濾除非道路信息，根據(jù)區(qū)域生長法填充少量面積較小的未濾除的非道路信息；利用Krisch算法提取道路邊界；基于提取的道路邊界提取特征點(diǎn)；最后對提取的特征點(diǎn)進(jìn)行多項(xiàng)式擬合，將得到的函數(shù)模型應(yīng)用于道路信息的矢量化，提高矢量化的效率。

1 圖像的預(yù)處理

圖像預(yù)處理是圖像處理的重要基礎(chǔ)，對于獲取真實(shí)準(zhǔn)確的圖像信息具有決定性的作用，對圖像進(jìn)行預(yù)處理是為了消除圖像中的無關(guān)信息，增強(qiáng)需求信息的可檢測性[4]，為后續(xù)圖像的特征提取、圖像分割、圖像匹配、圖像識別等奠定基礎(chǔ)。圖像的預(yù)處理一般包括數(shù)字化、幾何變換、時(shí)頻變換、圖像增強(qiáng)、圖像恢復(fù)等。

為了準(zhǔn)確提取道路邊緣信息，首先要對道路信息進(jìn)行影像增強(qiáng)，提升道路信息與其他信息的對比度。對比度是提取圖像細(xì)節(jié)信息的重要屬性，通過增強(qiáng)對比度檢測人眼很難檢測到的特征[5]。應(yīng)用于道路提取則需要增強(qiáng)道路信息，而弱化非道路信息，便于道路線邊緣的提取?，F(xiàn)有的對比度增強(qiáng)算法有變換算法、直方圖增強(qiáng)及一些混合算法。

1.1 直方圖均衡化算法

直方圖均衡化能有效增強(qiáng)圖像[6]，實(shí)質(zhì)上是一種點(diǎn)運(yùn)算，即將輸入圖像劃分為不同灰度級，并將同一灰度級賦予相同的灰度值[7]。變換關(guān)系為

(1)

式中，S表示像素值g經(jīng)過T(g)變換后的灰度值。

一幅圖像的灰度級表示為區(qū)間[0，1]的隨機(jī)值，用PDF(概率密度函數(shù))表示，隨機(jī)變量m的概率密度函數(shù)為Pm(m)，則隨機(jī)變量n的概率密度函數(shù)Pn(n)為

(2)

經(jīng)過變換得到圖像的直方圖為

(3)

(4)

選取一幅包含道路信息的遙感影像圖進(jìn)行裁剪，圖片大小的設(shè)定如圖1所示，對其進(jìn)行直方圖均衡化得到的灰度圖像如圖2所示。

圖1 原始影像

圖2 直方圖均衡化

1.2 對比度拉伸變換增強(qiáng)

對比度拉伸變換實(shí)質(zhì)是對圖像上不同灰度值i根據(jù)一定的變換關(guān)系進(jìn)行放大或縮小，從而改變圖像的對比度，得到增強(qiáng)圖像的效果。這里采用分段線性變換的方法對圖像進(jìn)行不同灰度區(qū)間的規(guī)則變換，如圖3所示，變換公式為

(5)

式中，pix[i]表示在第n+1區(qū)間灰度為i經(jīng)過變換得到的新灰度值；(xn，yn)為第n+1區(qū)間變換的起始值；Kn+1為第n+1段的斜率。同樣對圖1進(jìn)行對比度線性增強(qiáng)，這里將其灰度值分為4段進(jìn)行變換，選取的參數(shù)值如圖4所示。

圖3 線性變換增強(qiáng)

圖4 對比度參數(shù)

兩種方法提取信息比較見表1。

表1 預(yù)處理后圖像信息統(tǒng)計(jì)

熵表示圖像灰度分布的聚集特性，描述圖像信息源的平均信息量，熵越大，包含的信息量越豐富。由表1可見，直方圖均衡化的熵值高于線性變換的熵，說明直方圖均衡化后圖像的信息更加豐富。均方誤差(MSE)表示處理后的圖像與原始圖像的灰度差值的平方期望值，值越小，圖像的損失越小；峰值信噪比(PSNR)提供了圖像失真或噪聲水平的客觀標(biāo)準(zhǔn)，其值越大表示圖像失真越少。對比直方圖均衡化的值和線性變換的值，說明均衡化后的圖像的信息更加完整。而對于遙感影像的道路提取，圖像信息量越大，越不利于道路信息的提取，會(huì)產(chǎn)生更多的干擾信息，因此選擇分段線性變換的方法進(jìn)行圖像增強(qiáng)處理。

2 數(shù)學(xué)形態(tài)學(xué)濾波

2.1 形態(tài)學(xué)閉合運(yùn)算

數(shù)學(xué)形態(tài)學(xué)[8-9]算法具有算法簡單、速度快的特點(diǎn)，廣泛應(yīng)用于數(shù)字圖像處理技術(shù)，其基本思想是借助于形態(tài)結(jié)構(gòu)元素提取和量測圖像中相對應(yīng)的形狀，實(shí)現(xiàn)圖像的特征分析。常用的結(jié)構(gòu)元素有正方形結(jié)構(gòu)、菱形結(jié)構(gòu)和八角形結(jié)構(gòu)等[10]。常用的形態(tài)學(xué)方法有腐蝕、膨脹、開啟、閉合、擊中或擊不中變換等。閉合能使圖像輪廓線更平滑，可用來填補(bǔ)細(xì)長的鴻溝和狹窄的間斷，適用于去除遙感影像道路信息之外的信息，閉運(yùn)算是使用一種結(jié)構(gòu)元素對圖像先進(jìn)行膨脹運(yùn)算后再進(jìn)行腐蝕運(yùn)算[11]。本文采用八角形結(jié)構(gòu)進(jìn)行圖像的形態(tài)閉合，閉合得到的圖像如圖5所示。

2.2 去除非道路區(qū)域噪聲

閉運(yùn)算得到的圖像含有一些非道路信息，對道路信息的提取造成干擾，需要進(jìn)行噪聲去除，由于已經(jīng)進(jìn)行過八角形閉合，所得的圖像已是二值圖，噪聲區(qū)域的值為0，通過種子點(diǎn)選取，進(jìn)行種子點(diǎn)菱形結(jié)構(gòu)的膨脹，進(jìn)行區(qū)域生長，將與種子點(diǎn)連通的區(qū)域全部值改為1，實(shí)現(xiàn)了區(qū)域的填充。填充后的圖像如圖6所示，算法流程如圖7所示。

圖5 八角形閉合算子

圖6 區(qū)域填充

圖7 區(qū)域填充算法流程

3 邊緣檢測與特征點(diǎn)提取

3.1 邊緣檢測

道路邊界的提取依賴于圖像分割的邊緣檢測，圖像邊緣檢測[12]，相對于點(diǎn)特征來說，線特征更容易提取，因?yàn)榫€特征代表影像灰度在某一方向的連續(xù)分布，而點(diǎn)是孤立的，不具有連續(xù)性[13]。典型的邊緣檢測算子有：一階差分算子和二階差分算子。其中一階差分算子有：Robert梯度算子、Sobel算子、Prewitt算子、Krisch算子等；二階差分算子有：Laplacian算子、LOG算子、Canny算子等。由于已經(jīng)使用形態(tài)學(xué)去除噪聲，得到的圖像只包含道路信息和極少的噪聲，為獲得較好的分割效果，本文采用Krisch分割算法。Krisch算子的8個(gè)掩模卷積核為

Krisch算法進(jìn)行邊緣檢測的流程如圖8所示。

圖8 Krisch邊緣檢測流程

基于區(qū)域填充后的圖6，采用以上步驟檢測到的邊緣如圖9所示，與原影像疊加顯示如圖10所示。

圖9 Krisch算子邊緣檢測

圖10 道路線與原影像疊加

道路邊緣信息能夠被有效地提取出來，由于濾波采用了數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算，經(jīng)過了腐蝕，圖廓邊緣不能完全重合，比原圖像略微小一些，但是不影響道路信息的提取。

3.2 特征點(diǎn)提取

特征點(diǎn)即影像上具有特殊性質(zhì)的點(diǎn)，如邊緣的交點(diǎn)、切點(diǎn)及區(qū)域輪廓的角點(diǎn)等。特征點(diǎn)提取是柵格矢量化的重要一步，是從提取的邊緣中提取表示圖像的關(guān)鍵特征。對于包含大量數(shù)據(jù)的圖像，每一個(gè)像素點(diǎn)的信息都要保存，不利于進(jìn)行矢量化，會(huì)產(chǎn)生大量的冗余數(shù)據(jù)，因此，可以通過提取明顯特征點(diǎn)，保存必要的點(diǎn)的信息，再對這些點(diǎn)進(jìn)行曲線擬合，用函數(shù)描述提取的道路信息，為后續(xù)的制圖矢量化提供助力。目前大多數(shù)邊緣輪廓線的特征點(diǎn)提取方法都是利用相鄰的一組輪廓點(diǎn)計(jì)算該線上各點(diǎn)的曲率或夾角判定[14]。常用的特征點(diǎn)提取算法有：Moravec算子、Harris算子、Frostner算子、SUSAN角點(diǎn)檢測算子等。Harris算子是對Moravec算子的改進(jìn)，能有效地提取特征點(diǎn)，包括提取角點(diǎn)特征和邊緣特征，并且提取的點(diǎn)分布均勻合理，其穩(wěn)定性和準(zhǔn)確度都較高。

(6)

(7)

(8)

依據(jù)Harris算法原理，該算法流程如圖11所示。

圖11 特征點(diǎn)提取算法流程

由該算法提取道路特征點(diǎn)得到的結(jié)果如圖12、圖13所示。

圖12 特征點(diǎn)提取

圖13 角點(diǎn)響應(yīng)測度

4 曲線擬合

將提取的特征點(diǎn)進(jìn)行曲線擬合，將點(diǎn)分成若干個(gè)組分別進(jìn)行最小二乘法擬合，通過比較不同曲線的SSE(和方差，表示的是擬合數(shù)據(jù)和原始數(shù)據(jù)對應(yīng)點(diǎn)誤差的平方和，值越小，說明擬合得越好)找出最佳擬合曲線，并將此曲線模型作為該段道路邊緣的函數(shù)特征，對所有的局部特征點(diǎn)進(jìn)行擬合，生成一組擬合多項(xiàng)式方程，用于制圖中矢量化[15]道路線的自動(dòng)生成。

5 結(jié) 語

本文利用C#語言和Matlab實(shí)現(xiàn)了遙感影像的道路邊線和道路特征點(diǎn)的提取，進(jìn)行了影像增強(qiáng)、數(shù)學(xué)形態(tài)法濾波、Krisch算子提取道路邊緣線和Harris算子提取特征點(diǎn)。對影像處理之前進(jìn)行圖像增強(qiáng)的優(yōu)化是十分必要的，在很大程度上改善了圖像的邊緣提取時(shí)原影像中道路信息與其他地物信息對比度相差不大的問題，說明了基于對比度增強(qiáng)和數(shù)學(xué)形態(tài)學(xué)的道路信息提取方法是可行的，能應(yīng)用于大量遙感影像的道路提取，可以減少人工作業(yè)，提高效率。并且，進(jìn)行特征點(diǎn)提取能有效地減少數(shù)據(jù)的冗余，減少存儲(chǔ)量。最后，可以利用模型擬合提取的特征點(diǎn)，以函數(shù)的形式表示道路信息，以便后期進(jìn)行道路矢量化。

[1] 史文中，朱長青，王星.從遙感影像提取道路特征的方法綜述與展望[J].測繪學(xué)報(bào)，2001，30(3)：257-262.

[2] 吳亮，胡云安.遙感圖像自動(dòng)道路提取方法綜述[J].自動(dòng)化學(xué)報(bào)，2010，36(6)：912-922.

[3] 李雪林.基于數(shù)學(xué)形態(tài)學(xué)的彩色圖像邊緣檢測算法研究[D].武漢：武漢理工大學(xué)，2014：11-20.

[4] 羅才清.圖像預(yù)處理算法研究[J].科學(xué)技術(shù)，2013(11)：129-129.

[5] CHWA D. Sliding-mode Tracking Control of Nonholonomic Wheeled Mobile Robots in Polar Coordinates [J].IEEE Transactions on Control Systems Technology，2004，12(4)：637-644.

[6] 譚凱，張永軍，童心，等.國產(chǎn)高分辨率影像自動(dòng)云檢測[J].測繪學(xué)報(bào)，2016，45(5)：581-591.

[7] 姜柏軍，鐘明霞.改進(jìn)的直方圖均衡化算法在圖像增強(qiáng)中的應(yīng)用[J].激光與紅外，2014，44(6)：702-706.

[8] 安如，馮學(xué)智，王慧麟.基于數(shù)學(xué)形態(tài)學(xué)的道路影像特征提取及網(wǎng)絡(luò)分析[J].中國圖象圖形學(xué)報(bào)，2003，8(7)：798-804.

[9] 王思遠(yuǎn)，張?jiān)鱿?，文沃根，?基于色彩理論與數(shù)學(xué)形態(tài)的彩色地圖自動(dòng)分層研究[J].測繪通報(bào)，2001(10)：7-11.

[10] 王雙.高分辨率遙感影像道路提取方法研究[D].南京：南京理工大學(xué)，2014：21-24.

[11] 魯學(xué)軍，武鵬達(dá)，郭旭東.二值形態(tài)閉運(yùn)算在優(yōu)質(zhì)耕地集中連片劃定中的應(yīng)用[J].中國圖象圖形學(xué)報(bào)，2016，21(2)：199-206.

[12] 雷麗珍.數(shù)字圖像邊緣檢測方法的探討[J].測繪通報(bào)，2006(3):40-42.

[13] 耿則勛，張保明，范大昭.數(shù)字?jǐn)z影測量[M].北京：測繪出版社，2010：52-56.

[14] 吳興蛟，吳晟.基于邊緣檢測的位圖矢量化的實(shí)現(xiàn)[J].計(jì)算機(jī)與數(shù)字工程，2016，44(2)：331-336.

[15] 彭靖葉，孫永榮，黃斌.基于特殊點(diǎn)跟蹤的線目標(biāo)矢量化研究[J].計(jì)算機(jī)工程與應(yīng)用，2015，51(15)：198-201.

Road Extraction of Remote Sensing Image Based on Contrast Enhancement and Morphology

YANG Xiaocui1，MENG Wanli2

(1. Information Engineering University,Zhengzhou 450001，China; 2. Henan Polytechnic University,Jiaozuo 454000,China)

A method of road boundary and feature point extraction for remote sensing image was proposed based on contrast enhancement and morphology. Firstly, it carries on contrast enhancement of remote sensing image. Piecewise linear enhancement method with larger discriminative power was selected to do image enhancement after comparative analysis difference between histogram equalization and contrast piecewise linear enhancement. In order to realize the separation of road and other information effectively, image segmentation was done using mathematical morphological method. Then, using edge detection method by Krisch operator to extract road edge information, and feature points extracted by improved Harris operator based on edge feature. Last, fitted the extracted feature points and the function model was used to describe the road information of the image and applied to vector road information in the later period of drawing.

contrast enhancement; mathematical morphological method; edge detection; feature point extraction; curve fitting

楊孝翠，孟萬利.基于對比度增強(qiáng)和形態(tài)學(xué)的遙感影像道路提取[J].測繪通報(bào)，2017(8)：45-59.

10.13474/j.cnki.11-2246.2017.0252.

2016-11-22；

2017-01-26

國家自然科學(xué)基金(41271391)

楊孝翠(1993—)，女，碩士生，主要研究方向?yàn)閿z影測量與遙感。E-mail：1361420477@qq.com

P237

A

0494-0911(2017)08-0045-05