陽春花，李 芹，李春燕

（1.國家測繪地理信息局重慶測繪院，重慶 401120）

根據(jù)國務(wù)院批復(fù)同意的《全國基礎(chǔ)測繪中長期規(guī)劃綱要（2015～2030年）》，到2030年地理國情監(jiān)測將成為測繪地理信息服務(wù)鏈條的核心[1]。持續(xù)開展常態(tài)化監(jiān)測不同于地理國情普查，投入難以達(dá)到地理國情普查階段的水平，因而無力通過直接的經(jīng)費(fèi)支持吸納眾多社會(huì)力量的參與，迫切需要針對人力物力投入最多、工作量最大的地表覆蓋信息采集工作開展相關(guān)研究與生產(chǎn)實(shí)驗(yàn)，及時(shí)為開展常態(tài)化地理國情監(jiān)測提供技術(shù)支撐。

道路是非常重要的基礎(chǔ)地理信息，它的識別和精確定位對地理國情監(jiān)測以及其他測繪地理信息相關(guān)服務(wù)具有深遠(yuǎn)意義[2]。不同的信息提取方法，提取的效率不同，精度差異較大[3]。在道路提取過程中引入矢量數(shù)據(jù)輔助，可解決初始信息獲取的困難，得到可靠性較強(qiáng)的訓(xùn)練樣本[4]。在分析國內(nèi)外基于高分辨率遙感影像的道路信息提取的基礎(chǔ)上，本文結(jié)合常態(tài)化地理國情監(jiān)測，提出了模板匹配與自適應(yīng)相結(jié)合的半自動(dòng)道路網(wǎng)提取方法。

1 提取方法邏輯流程設(shè)計(jì)

1.1 提取方法總體流程

在影像上，道路通常呈中間亮兩側(cè)較暗的帶狀特征[4]，且在沿道路長度方向的很長范圍內(nèi)，像素的灰度具有很好的相似性，而其他方向則呈較差的相似性[5]。道路模板是根據(jù)道路樣本建立的一組包含形狀的子圖像；道路模板匹配是根據(jù)道路模板與影像的匹配度提取圖像中的道路信息。由于道路上車輛、植被或山體陰影遮擋以及影像質(zhì)量的影響，道路提取是遙感信息提取的重點(diǎn)和難點(diǎn)[6]。在很多研究中，提取道路前將先進(jìn)行圖像增強(qiáng)、形態(tài)學(xué)濾波等處理，以抑制噪聲或增強(qiáng)道路提取效果，但該方法的適用性不強(qiáng)，降低了生產(chǎn)效率。本文采用模板匹配的方式對道路進(jìn)行初步提取，不僅具有對噪聲和遮擋不敏感等優(yōu)點(diǎn)，而且對于同源遙感數(shù)據(jù)道路模板可重復(fù)利用，很大程度上提高了自動(dòng)化效率。總體邏輯流程如圖1所示。

圖1 提取方法總體邏輯流程圖

1.2 道路斷線連接

自動(dòng)空缺填補(bǔ)采用斷線連接技術(shù)，通過斷路搜索與連接，對偽路端進(jìn)行自動(dòng)判斷和篩選。對于光譜和形狀難以識別的小路、細(xì)路，采用位置鄰近關(guān)系、光譜鄰近關(guān)系、距離鄰近關(guān)系、形狀鄰近關(guān)系以及群判的決策方法對備選道路進(jìn)行搜索與提取。斷線連接邏輯流程如圖2所示。

圖2 道路斷線連接邏輯流程圖

1.3 自適應(yīng)道路優(yōu)化

采用自適應(yīng)道路提取方法，首先基于道路矢量線及其最大化相鄰關(guān)系對影像進(jìn)行分割；再將道路矢量線作為樣本進(jìn)行學(xué)習(xí)，構(gòu)建基于光譜和形狀屬性的分割面，從而生成備選種子點(diǎn)；最后根據(jù)種子點(diǎn)在每段記錄的平均值進(jìn)行種子增長，優(yōu)化道路提取結(jié)果。

2 實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)數(shù)據(jù)為2012-02-24獲取的GeoEye-1影像，包括多光譜影像以及對應(yīng)的全色影像。對應(yīng)波段長度如表1所示，覆蓋范圍為1 470 m×1 580 m，道路平均寬度為5～7 m，如圖3所示。

表1 實(shí)驗(yàn)數(shù)據(jù)波段與波長

圖3 實(shí)驗(yàn)數(shù)據(jù)影像

2.2 道路模板匹配

本文基于GeoEye-1全色波段，生成了100個(gè)模板，模板大小為20 pixel×20 pixel，圖4為部分模板。

圖4 部分道路模板

運(yùn)用已建立的模板與影像進(jìn)行匹配，得到最佳匹配點(diǎn)；再采用多尺度分割將最佳道路匹配點(diǎn)所在的對象提取出來，結(jié)果如圖5所示。

2.3 特征分析與結(jié)果精細(xì)化

由圖5可知，道路初步提取結(jié)果仍存在大量噪聲，需剔除混分地物類型；若道路不連續(xù)，則需進(jìn)行空白區(qū)域填補(bǔ)。

總結(jié)前人研究結(jié)果，本文在光譜、形狀和紋理等特征中，選取了29個(gè)特征進(jìn)行統(tǒng)計(jì)分析。綜合考慮道路特征的顯著性、可區(qū)分性和效率，選擇特征相對明顯的長寬比（Length/Width）、對稱性、亮度（Brightness）和面積作為道路混分剔除的主要指標(biāo)。圖6中藍(lán)色為道路對應(yīng)特征，紅色為其他地物綜合特征。

圖5 模板匹配與初步提取結(jié)果

圖6 特征分析與選取結(jié)果

剔除混分道路后，再采用道路斷線連接技術(shù)進(jìn)行自動(dòng)空缺填補(bǔ)，得到道路提取結(jié)果見圖7。

2.4 自動(dòng)優(yōu)化提取結(jié)果

常態(tài)化地理國情監(jiān)測包括地表覆蓋分類和地理國情要素?cái)?shù)據(jù)[7]，其中地理國情要素?cái)?shù)據(jù)包括道路矢量線。該矢量數(shù)據(jù)包含自適應(yīng)道路優(yōu)化所需的道路寬度屬性。本文利用全國第一次地理國情普查成果中該區(qū)域的道路要素?cái)?shù)據(jù)，在易康平臺上實(shí)現(xiàn)了自適應(yīng)道路優(yōu)化，結(jié)果如圖8所示，圖中黃色為道路優(yōu)化結(jié)果。

圖7 精細(xì)化道路提取結(jié)果

圖8 道路提取優(yōu)化結(jié)果

3 結(jié) 語

結(jié)合常態(tài)化地理國情監(jiān)測，本文以全國第一次地理國情普查西部地區(qū)的遙感影像與對應(yīng)道路矢量線為實(shí)驗(yàn)數(shù)據(jù)，通過模板匹配、特征分析與人機(jī)交互等方法進(jìn)行道路信息優(yōu)化、道路斷線連接以及自適應(yīng)道路優(yōu)化，得到了實(shí)驗(yàn)區(qū)域高分辨率遙感影像的路網(wǎng)提取結(jié)果。與對應(yīng)區(qū)域地理國情普查中地表覆蓋分類的道路分類結(jié)果相比，本文的道路提取結(jié)果與影像套合效果更好；但使用地理國情監(jiān)測其他影像進(jìn)行擴(kuò)展實(shí)驗(yàn)時(shí)，由于道路的差異性較大，干擾因素較多，部分道路提取結(jié)果的寬度、位置有所偏差，需人工干預(yù)。

[1] 李芹,陽春花,梁雪松,等.面向?qū)ο蟮倪b感影像水域信息提取應(yīng)用研究:以西藏(東)地區(qū)為例[J].測繪地理信息,2016,41(6):40-43

[2] 顧劍華,孫鑫,李紅.基于地理國情普查高分辨率遙感影像的道路提取方法研究[J].測繪與空間地理信息,2014,37(6):145-146

[3] 程滔,周旭,劉若梅.面向地理國情監(jiān)測的地表覆蓋信息提取方法[J].測繪通報(bào),2013(8):84-86

[4] 丁磊,張保明,郭海濤,等.矢量數(shù)據(jù)輔助的高分辨率遙感影像道路自動(dòng)提取[J].遙感學(xué)報(bào),2017,21(1):84-95

[5] 張劍清,劉朋飛,王華,等.利用Meanshift進(jìn)行道路提取[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2010,35(6):719-722

[6] 周紹光,孫超.分割道路影像并形成道路網(wǎng)的新方法[J].計(jì)算機(jī)仿真,2010,27(10):283-286

[7] 傅罡,趙紅蕊,李聰,等.曲折道路遙感影像圓投影匹配改進(jìn)追蹤法[J].測繪學(xué)報(bào),2014,43(7):724-730

[8] 張繼賢,翟亮.關(guān)于常態(tài)化地理國情監(jiān)測的思考[J].地理空間信息,2016,14(4):1-3