王文軍

（惠州市國(guó)土資源局惠城區(qū)分局 國(guó)土資源勘察測(cè)繪隊(duì)，廣東 惠州 516001）

1 引言

遙感可以通過(guò)非接觸式傳感器或衛(wèi)星獲取有關(guān)地球上物體的信息。隨著遙感衛(wèi)星和傳感器的快速發(fā)展，遙感影像的分辨率越來(lái)越高。道路是遙感影像記錄的典型人工地物之一，道路提取在城市規(guī)劃和交通運(yùn)輸中起著至關(guān)重要的作用。高分辨率城市影像中的道路以密集分布的結(jié)構(gòu)規(guī)則為主要特征，在遙感影像中，它是一條具有特定寬度和灰度的直線帶。

近年來(lái)，從高分辨率遙感影像中提取道路信息的理論和實(shí)驗(yàn)研究得到了極大發(fā)展。N.Chandra 提出了一種基于認(rèn)知視角的道路網(wǎng)絡(luò)提取方法，能夠檢測(cè)出道路的主要部分、彎曲區(qū)域和交叉點(diǎn)[1]。安麗引入了一種多特征稀疏模型來(lái)表示目標(biāo)道路的外觀。采用一種新的稀疏約束正則mean shift 算法進(jìn)行道路跟蹤，具有良好的魯棒性和準(zhǔn)確性[2]。N.Chandra 等人根據(jù)道路的邊緣、顏色和拓?fù)涮卣魉阉鞲信d趣的區(qū)域[1]。此外，閾值分割和數(shù)學(xué)形態(tài)學(xué)在道路區(qū)域提取中都起到了很好的作用。模糊C均值也適用于道路提取，徐超利用Hough 變換從高分辨率影像中提取道路信息，因?yàn)榇蠖鄶?shù)城市道路是直的[3]。

本文提出了一種新的城市道路提取模型，該模型采用模糊C均值、形態(tài)學(xué)和Hough 變換，稱(chēng)之為FMH（Fuzzy C-means, Morphology and Hough transform）。在對(duì)影像進(jìn)行預(yù)處理后，先采用模糊C均值算法將影像分為道路部分和非道路部分，對(duì)上述結(jié)果進(jìn)行侵蝕操作，去除非道路部分。然后將局部Hough 變換應(yīng)用到子區(qū)域中提取道路特征。最后，采用擴(kuò)張和細(xì)化相結(jié)合的方法將斷裂部分連接在一起，以獲得更好的可視化效果。

2 研究方法

研究提出一種基于高分辨率遙感影像的城市道路提取模型FMH。模型中使用的算法主要有模糊C均值聚類(lèi)（Fuzzy C-means）、數(shù)學(xué)形態(tài)學(xué)（Morphology）、局部Hough 變換（Hough transform）等。技術(shù)流程如圖1 所示。

圖1 技術(shù)流程

2.1 模糊C 均值聚類(lèi)

聚類(lèi)是一種非監(jiān)督的分類(lèi)模式。模糊C均值聚類(lèi)，又稱(chēng)模糊ISODATA，是一種常用的聚類(lèi)方法。隸屬度函數(shù)表示屬于集合A的任何對(duì)象X的程度，其范圍在0 到1 之間。對(duì)于每個(gè)類(lèi)別，所有樣本都可以定義為一個(gè)特定的模糊集。FCM 算法可以最大限度地提高同一類(lèi)別中元素的相似度，同時(shí)最小化不同類(lèi)別中元素的相似度。

2.2 數(shù)學(xué)形態(tài)學(xué)

提取線元素后，道路區(qū)域形狀不規(guī)則，還有一定程度的骨折。為了平滑道路區(qū)域和連接道路裂縫，可以再次使用線元素對(duì)影像進(jìn)行放大。之后，通過(guò)八度模板匹配方法可以實(shí)現(xiàn)形態(tài)細(xì)化，最后得到單像素寬度的道路信息。

2.3 局部Hough 變換

在對(duì)原始數(shù)據(jù)進(jìn)行模糊C均值聚類(lèi)和數(shù)學(xué)形態(tài)學(xué)處理后，仍然存在大量的非道路區(qū)域。Hough 變換用于提取道路區(qū)域直線特征的直線基元。Hough 變換是從數(shù)字影像中提取直線的經(jīng)典算法。Hough 變換的基本原理是利用點(diǎn)和線的對(duì)偶性將影像維數(shù)中的每一點(diǎn)轉(zhuǎn)化為參數(shù)空間中的曲線。如果影像維度中的某些點(diǎn)共線，則它們?cè)趨?shù)空間中的相應(yīng)曲線在某個(gè)點(diǎn)處相交。同樣，在參數(shù)空間中的同一點(diǎn)相交的所有曲線對(duì)應(yīng)于影像空間中直線上的點(diǎn)。

在影像空間中，一條直線可以由參數(shù)方程（7）表示。直線如圖2 所示。

公式（7）中，λ是從直線到影像原點(diǎn)的距離，θ是直線法向和X軸正方向之間的角度。

圖2 直線的極坐標(biāo)

從參數(shù)方程可以看出，直線上的任何點(diǎn)（確定值和θ）對(duì)應(yīng)參數(shù)空間中的正弦曲線。影像空間中同一直線上的點(diǎn)與參數(shù)空間中許多正弦曲線的交點(diǎn)映射。也可以說(shuō)，參數(shù)空間中的交點(diǎn)對(duì)應(yīng)于影像空間中的唯一直線。

Hough 變換的核心是通過(guò)局部模式（a點(diǎn)）的識(shí)別來(lái)實(shí)現(xiàn)影像全局模型的提取。與其他線性檢測(cè)方法相比，Hough 變換具有明顯的優(yōu)勢(shì)。Hough 變換特別有效，即使影像上的目標(biāo)點(diǎn)是稀疏的。

Hough 變換在處理遙感影像時(shí)具有良好的抗噪聲和抗斷裂能力。然而，并不是所有的道路都能穿透整個(gè)影像。如果在整個(gè)影像中使用Hough 變換，將檢測(cè)到與某條道路在同一條線上的一些非道路點(diǎn)或噪聲。另外，在整個(gè)影像中道路長(zhǎng)度不同的情況下，需要設(shè)置提取直線的閾值。較小的閾值可能會(huì)導(dǎo)致大量非道路點(diǎn)混合在一起。但如果門(mén)檻太大，只會(huì)檢測(cè)出幾條較長(zhǎng)的道路，剩下的道路將被移除。因此，對(duì)影像進(jìn)行整體Hough 變換很難取得良好效果。

在這種情況下，利用局部Hough 變換完成道路的提取。首先，整個(gè)影像被分割成一些小窗口。為了保證線段的完整性，窗口之間存在一定的重疊。然后逐個(gè)進(jìn)行迭代掃描，根據(jù)閾值對(duì)每個(gè)窗口進(jìn)行Hough 變換。其次，合并每個(gè)窗口的結(jié)果以獲得路線圖。這樣，在每個(gè)子窗口中都可以檢測(cè)到長(zhǎng)距離的道路，并且可以消除遠(yuǎn)處共線噪聲的干擾。

3 實(shí)驗(yàn)結(jié)果

3.1 實(shí)驗(yàn)數(shù)據(jù)集和參數(shù)設(shè)置

實(shí)驗(yàn)基于兩景2019 年5 月拍攝的2 米分辨率高分一號(hào)衛(wèi)星影像（命名為影像1 和影像2）。兩幅影像的大小是540×540。在影像1 中，道路幾乎是垂直和水平的，其他地面物體包括大量的居民樓和綠化帶。然而，影像2 的道路并非都是水平或垂直的。除了影像1 中的非道路對(duì)象，影像2 中還有一條河從上到下橫穿。參數(shù)設(shè)置如下：在FCM 聚類(lèi)中，類(lèi)別c的個(gè)數(shù)設(shè)為3，權(quán)重系數(shù)m設(shè)為2。在形態(tài)侵蝕中，0 度和90 度方向均采用長(zhǎng)3 寬1 的直線模板，這次操作的次數(shù)是5 次。在局部Hough 變換中選擇的子窗口大小為270×270，閾值為150。膨脹模板與侵蝕模板相同，操作次數(shù)是10 次。

3.2 結(jié)果分析

圖3中的影像顯示了模型基于影像1的處理過(guò)程。圖3（a）為原始全色影像，圖3（b）為灰度化和直方圖均衡化的結(jié)果，均衡后，道路與其他地物的對(duì)比度增強(qiáng)。圖3（c）為對(duì)圖3（b）實(shí)施模糊C均值聚類(lèi)后的影像二值化的結(jié)果。在二值化影像中，道路類(lèi)別為白色，其他兩個(gè)類(lèi)別為黑色，除道路區(qū)域外，還有其他地面對(duì)象也被分類(lèi)為道路類(lèi)別。在不同方向的線路侵蝕和組合結(jié)果下，大量的非道路區(qū)域被移除或削弱，如圖3（d）所示。利用局部Hough 變換提取每個(gè)窗口中的長(zhǎng)線段。圖3（e）為已移除非道路區(qū)域的提取道路區(qū)域。對(duì)于上述結(jié)果，執(zhí)行行擴(kuò)張操作，圖3（f）為擴(kuò)張道路，道路區(qū)域的孔洞被填滿，破碎道路在一定程度上連通。最后，對(duì)放大后的影像進(jìn)行形態(tài)學(xué)細(xì)化，圖3（g）為僅具有一個(gè)像素寬度的道路提取結(jié)果，提取結(jié)果與如圖3（h）所示的原始影像疊加。

圖4 是基于影像2 的處理結(jié)果，盡管有些路段成了曲線或斷裂，但提取出了主要道路的信息。通過(guò)對(duì)兩幅不同影像的處理，可以看出新模型具有很好的道路提取效果。

圖3 基于影像1的城市道路提取結(jié)果

圖4 基于影像2的城市道路提取結(jié)果

4 結(jié)論

本文研究提出了一種新的基于FMH 的城市高分辨率圖像道路提取模型，該模型包括模糊C均值、形態(tài)學(xué)和局部Hough 變換。經(jīng)過(guò)預(yù)處理后，首先利用道路的灰度特征進(jìn)行模糊C均值聚類(lèi)，將圖像分為道路區(qū)域和非道路區(qū)域。然后，通過(guò)形態(tài)侵蝕和局部Hough變換去除非道路區(qū)域，并提取道路區(qū)域。最后，進(jìn)行形態(tài)擴(kuò)張和細(xì)化操作，將斷裂的部分連接在一起，以獲得更好的可視化效果。實(shí)驗(yàn)證明了該FMH 模型的有效性。