基于高分辨率遙感影像的車(chē)流信息提取

何曉飛，周麗瓊，李建

(1.成都理工大學(xué)地球科學(xué)學(xué)院，四川成都 610059； 2.四川省地礦局區(qū)調(diào)隊(duì)，四川成都 610213)

基于高分辨率遙感影像的車(chē)流信息提取

何曉飛1，2?，周麗瓊1，李建1

(1.成都理工大學(xué)地球科學(xué)學(xué)院，四川成都 610059； 2.四川省地礦局區(qū)調(diào)隊(duì)，四川成都 610213)

闡述了QuickBird影像的特征及對(duì)圖像中某些感興趣信息提取的兩種方法:監(jiān)督分類(lèi)和閾值法。分別采用ERADS軟件和MATLAB軟件來(lái)提取遙感影像的車(chē)流信息。以西南交大九里校區(qū)周?chē)鷧^(qū)域的QuickBird衛(wèi)星圖像作為研究對(duì)象進(jìn)行研究，可以快速的了解該地區(qū)各路段的交通狀況，每條道路的車(chē)流量估算，從而更好地管理交通，合理布局城市交通網(wǎng)絡(luò)和建設(shè)城市交通。

高分辨率；遙感影像；車(chē)輛信息提?。贿b感監(jiān)督分類(lèi)；閾值法

1 引 言

過(guò)去遙感工作者曾利用航空影像進(jìn)行了一些車(chē)輛檢測(cè)方面的研究。這些文獻(xiàn)中，一般采用兩種車(chē)輛模型:基于外觀的隱式模型和顯式模型。在0.6 m～1.0 m分辨率的衛(wèi)星影像上，由于車(chē)輛細(xì)節(jié)信息太少，無(wú)法采用模型的方法進(jìn)行車(chē)輛檢測(cè)。因此，必須開(kāi)發(fā)新的面向高分辨率遙感影像的車(chē)輛檢測(cè)方法。目前，針對(duì)高分辨率遙感影像進(jìn)行車(chē)輛檢測(cè)的研究還很少，且主要針對(duì)車(chē)輛稀疏的道路，沒(méi)有涉及停車(chē)場(chǎng)的車(chē)輛檢測(cè)，檢測(cè)率也不理想[1]。文獻(xiàn)[2]中提出了模板匹配算法，但是這個(gè)方法也存在一些問(wèn)題:當(dāng)一個(gè)具體目標(biāo)被檢測(cè)時(shí)，這種匹配方法受到目標(biāo)物體背景環(huán)境的影響，而且匹配度的確定也是一個(gè)問(wèn)題。文獻(xiàn)[1]中提出了一種基于形態(tài)共享權(quán)神經(jīng)網(wǎng)絡(luò)的車(chē)輛檢測(cè)方法，該算法能通過(guò)形態(tài)變換自動(dòng)確定候選車(chē)輛像素集，然后利用MSNN將其中的車(chē)輛像素檢測(cè)出來(lái)，這種算法具有一定的可行性。文獻(xiàn)[3]中提出利用遺傳算法和模板匹配進(jìn)行目標(biāo)車(chē)輛定位，該算法選擇了基于灰度的模板匹配算法作為研究對(duì)象，構(gòu)建模板匹配的算法與遺傳算法之間的適應(yīng)度函數(shù)關(guān)系，試圖利用遺傳算法的自適應(yīng)迭代和直接對(duì)參數(shù)對(duì)象進(jìn)行操作的智能尋優(yōu)搜尋特點(diǎn)，屏蔽掉模板匹配目標(biāo)過(guò)程中對(duì)空間角度、縮放比例和強(qiáng)背景噪聲等復(fù)雜參數(shù)的影響，取得精確的匹配效果。

本文以QuickBird衛(wèi)星影像為基礎(chǔ)通過(guò)使用ERDAS軟件及MATLAB軟件實(shí)現(xiàn)了影像從道路片段中提取車(chē)輛主要內(nèi)容，實(shí)現(xiàn)了基于高分辨率遙感影像車(chē)流信息的提取。

2 圖像預(yù)處理

2.1 圖像區(qū)域選擇與裁剪

本次試驗(yàn)采用2004年西南交通大學(xué)九里校區(qū)QuickBird全色影像如圖1所示。

圖1 原圖

在此裁減了西南交大九里校區(qū)附近的一個(gè)二環(huán)路上的交叉路口為試驗(yàn)區(qū)域，以便突出十字路口的車(chē)輛信息。

圖2 裁剪后圖像

2.2 圖像增強(qiáng)

在圖像形成、傳輸或變換的過(guò)程中，由于受到其他客觀因素諸如系統(tǒng)噪聲、曝光不足或過(guò)量、相對(duì)運(yùn)動(dòng)等影響，獲取圖像往往會(huì)與原始圖像之間產(chǎn)生部分差異(稱(chēng)為降質(zhì)或退化)。退化后的圖像通常模糊不清或者經(jīng)過(guò)機(jī)器提取的信息量減少甚至錯(cuò)誤，因此必須對(duì)其采取一些方法進(jìn)行改善。圖像增強(qiáng)技術(shù)正是在此意義上提出的，目的就是為了改善圖像的質(zhì)量。由于本文所選取圖像為全色的QuickBird影像，這里只進(jìn)行空間增強(qiáng)和輻射增強(qiáng)，如圖3所示。

圖3 降噪后圖像

3 車(chē)流信息提取

3.1 監(jiān)督分類(lèi)

監(jiān)督分類(lèi)，又稱(chēng)訓(xùn)練分類(lèi)法，即用被確認(rèn)類(lèi)別的樣本像元去識(shí)別其他未知類(lèi)別像元的過(guò)程。在監(jiān)督分類(lèi)中，分析者在圖像上對(duì)每一種類(lèi)別選取一定數(shù)量的訓(xùn)練區(qū)，計(jì)算機(jī)計(jì)算每種訓(xùn)練樣區(qū)的統(tǒng)計(jì)或其他信息，每個(gè)像元和訓(xùn)練樣本作比較，按照不同規(guī)則將其劃分到和其最相似的樣本類(lèi)。

監(jiān)督分類(lèi)的優(yōu)點(diǎn)在于可根據(jù)應(yīng)用目的和區(qū)域，有選擇地決定分類(lèi)類(lèi)別，可以控制訓(xùn)練樣本的選擇，能避免由于訓(xùn)練樣本分類(lèi)不精確導(dǎo)致的嚴(yán)重錯(cuò)誤，但是這種分類(lèi)方法中分類(lèi)系統(tǒng)的確定、訓(xùn)練樣本的選擇，人為主觀因素較強(qiáng)，并不能真正體現(xiàn)圖像的真實(shí)情形，此外訓(xùn)練樣本的選擇和評(píng)估要花費(fèi)較多的人力和精力。

3.2 閾值法圖像分割的實(shí)現(xiàn)

圖像閾值化分割是一種最常用，同時(shí)也是最簡(jiǎn)單的圖像分割方法，它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像[4]。由Otsu[5]于1978年提出的最大類(lèi)間方差法以其計(jì)算簡(jiǎn)單、穩(wěn)定有效，一直廣為使用。其基本思想是將直方圖在某一閾值處分割成兩組，當(dāng)被分成的兩組的方差為最大時(shí)，得到閾值。因?yàn)榉讲钍腔叶确植季鶆蛐缘囊环N量度，方差值越大，說(shuō)明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使用類(lèi)間方差最大的分割意味著錯(cuò)分概率最小[6]。

3.3 實(shí)驗(yàn)結(jié)果

鑒于道路片段提取車(chē)輛信息具有局部性和高精度性，所以選擇道路片段進(jìn)行車(chē)輛提取，從圖2截取兩小段影像道路片斷。道路片斷1和道路片斷2，如圖4、圖5。圖6分別為用監(jiān)督分類(lèi)法和閾值法進(jìn)行車(chē)輛信息提取的結(jié)果。

圖4 道路片斷1

圖5 道路片斷2

通過(guò)識(shí)別結(jié)果來(lái)看，效果非常好，道路旁的樹(shù)木沒(méi)有出現(xiàn)，提取出了道路上的全部車(chē)輛。實(shí)驗(yàn)中也提取一些非車(chē)輛信息例如斑馬線，但由于本文研究的是提取車(chē)流信息所以對(duì)整個(gè)實(shí)驗(yàn)并沒(méi)有產(chǎn)生影響。實(shí)驗(yàn)結(jié)果數(shù)據(jù)分析如表1所示。

表1

4 結(jié) 語(yǔ)

利用高分辨率遙感影像對(duì)車(chē)輛信息進(jìn)行提取，加之高分辨率遙感圖像的時(shí)效性強(qiáng)和宏觀的特點(diǎn)，可以快速了解各個(gè)路段的交通狀況，每條道路的車(chē)流量估算，以便更好地管理交通，合理布局城市交通網(wǎng)絡(luò)和建設(shè)城市交通。研究結(jié)果表明，使用遙感監(jiān)督分類(lèi)和MATLAB閾值法對(duì)道路片斷提取車(chē)流信息效果很好，能夠提取出車(chē)輛的大致外形，清晰易辨，但有其他地物的干擾，使識(shí)別效果降低。

[1] 戚浩平，王煒，田慶久.高空間分辨率衛(wèi)星遙感數(shù)據(jù)在城市交通規(guī)劃中的應(yīng)用研究.公路交通科技，2004，21(6)

[2] 戚浩平，蔡先華，王煒.利用高空間分辨率衛(wèi)星遙感數(shù)據(jù)制作影像交通圖.公路交通科技，2005，22(11):152～155

[3] 余勇，鄭宏.基于形態(tài)神經(jīng)網(wǎng)絡(luò)的高分辨率衛(wèi)星影像車(chē)輛檢測(cè).哈爾濱工程大學(xué)學(xué)報(bào)，2006，27:189～193

[4] 王新成.高級(jí)圖像處理技術(shù).中國(guó)科學(xué)技術(shù)出版社，2000

[5] Otsu N.A threshold selection method from grey－level histograms[J].IEEE Trans System.Man Cybernet，1979，SMC－9:62～66

[6] 章毓晉.圖像分割[M].北京:科學(xué)出版社，2001

Based on the high Resolution of Remote Sensing Image Traffic Information Extraction

He XiaoFei1，2，Zhou LiQiong1，Li Jian1
(1.College of Earth Sciences，Chengdu University of Technology，Chengdu 610059，China；2.Regional Geological Surveying Team，BGEEMRSP，Chengdu 610213，China)

The characteristics of the QuickBird video and two methods for some information extraction from the image are reported in this paper.The methods are supervised classification and threshold.With ERADS and MATLAB software authors have extracted traffic information from remote sensing image.The QUICKBIRD satellite images of Jiuli campus of Southwest jiaotong university are studied.The information on traffic of this area and estimation of traffic flow are quickly get.Based on the information government can control traffic，arrangement traffic network and build the urban transportation more efficiently.

high resolution；Remote sensing image；Traffic information extraction；Remote supervision；threshold method

1672－8262(2010)03－49－03

P231.1

B

2010—10—20

何曉飛(1978—)，男，碩士研究生，工程師，研究方向生態(tài)地理信息系統(tǒng)。