基于統(tǒng)計信息的低反差道路半自動提取方法

王 琪，宋志娜，毛文娟

（1.太原市基礎(chǔ)地理數(shù)據(jù)中心，山西 太原 030009；2.武漢大學(xué) 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079）

從遙感影像中提取道路的算法分為自動提取和半自動提取2類。自動提取方法主要有基于多尺度分辨率、統(tǒng)計學(xué)習(xí)以及幾何概率模型的方法等[1-4]，但至今還沒有一種針對各種道路類型和分辨率影像的通用提取策略和算法[5]。因此，充分利用人和計算機各自的優(yōu)點，采用人機交互方式進行半自動道路提取是行之有效的方法。半自動道路提取根據(jù)交互方式的不同，大致可分為2類：一類是給定初始點和初始道路方向，通過已有的信息來預(yù)測下一處道路的各項參數(shù)和信息，進而選擇最佳的預(yù)測點，修改預(yù)測模型，通過跟蹤得到道路的中心線和邊線[6-8]；另一類是給定一系列分散的點，利用動態(tài)規(guī)劃、模擬退火、主動輪廓模型等提取道路中心線[9,10]。本文針對城市高分辨率遙感影像特點，提出了一種基于統(tǒng)計信息的高分辨率遙感影像的道路提取方法，達到了半自動、快速提取城市道路的目的。

1 高分辨率遙感影像道路特征

高分辨率遙感圖像中，道路描述為具有一定寬度和長度、灰度基本保持一致的狹長帶狀區(qū)域，道路特征可歸為灰度、幾何、拓撲、功能以及關(guān)聯(lián)或上下文的約束。不同級別的道路在影像表現(xiàn)不同，對于高級別的主干道，在影像中表現(xiàn)為明顯的帶狀，并且在局部范圍內(nèi)具有明確的主方向。針對這種類型的道路，可采用基于結(jié)構(gòu)張量的主干道提取法。針對某些由于影像質(zhì)量或者其他原因造成的低反差度道路，采用基于統(tǒng)計學(xué)原理的灰度剖面模板方法更具有針對性。

除了有自身的明顯特征外，道路還與附屬路面地物有密切的聯(lián)系，如路面上的車輛、行人及地上標(biāo)線等。車輛、交通設(shè)施作為與道路高度相關(guān)的目標(biāo)可以作為道路存在的直接證據(jù)；道路綠化是城市道路的重要組成部分，可作為目標(biāo)提取過程中道路存在的又一證據(jù)。

2 低反差道路提取算法

本文針對城市高分辨率遙感影像上低反差度的道路提取問題，提出了一種基于統(tǒng)計信息的道路灰度剖面模板方法。該方法是對一般通用道路提取方法的一種有益補充，分級別采用不同的算法提取道路更具有針對性。

所謂低反差度道路，我們把它描述為與背景灰度相差較小的道路。已有的研究表明，利用邊緣點的梯度信息檢測低反差道路邊緣是一種有效途徑，其代表性算法為相位編組法。該算法認(rèn)為，邊緣不僅僅存在于灰度發(fā)生突變的地方，在灰度沿著某個方向發(fā)生緩慢變化的地方也存在邊緣，可利用邊緣梯度相位特征來提取直線。具體實現(xiàn)方法為：①計算圖像上各點的梯度；②根據(jù)梯度方向?qū)⑾袼貏澐譃槿舾深悾ㄍǔ７?類），如圖1所示；③定義提取模大于閾值的像素為邊緣點；④梯度方向位于同一區(qū)域并且相互連通的邊緣點構(gòu)成一塊原始的支持區(qū)，也稱為相位編組區(qū)。

相位編組法直接用于檢測道路邊緣線存在2個問題：經(jīng)常不能完成整個的邊界線支持區(qū)；不能從形狀復(fù)雜的支持區(qū)獲得邊緣線。因而，本文采用基于統(tǒng)計信息的灰度剖面模板半自動提取低反差道路。圖2為低反差道路提取流程圖。

圖2 低反差道路半自動提取流程圖

基于統(tǒng)計信息的低反差道路提取算法步驟如下：

1）在道路上選取若干種子點，并依次連接形成線l1，l2，…，ln。

2）以種子點所在的矩形區(qū)域為范圍，使用Canny算子檢測邊緣；同時依次以種子點連線上每個點為中心，以Li的垂線方向作灰度剖面，統(tǒng)計每個剖面的長度。

3）取這些灰度剖面長度的中值，并且根據(jù)剖面長度和中值確定道路延伸方向。依據(jù)Kolmogorov強大數(shù)定律，可以認(rèn)為li之間獨立，且服從于統(tǒng)一分布，以實際值（道路的實際寬度lroad）為期望值，左右波動，即

在低反差道路上，由于灰度反差較低導(dǎo)致邊緣檢測效果圖上并未完全顯示2條邊界，個別li→+∞；在高分辨率遙感影像中，道路上非目標(biāo)地物如行道樹、路面行使的車輛或路面上由于材質(zhì)不同導(dǎo)致的不同折射等影像，使得少量li→0。考慮到這2種情況的存在，用中值lmid代替期望值E（l），即

4）以統(tǒng)計的道路延伸方向為基準(zhǔn)，與該區(qū)域邊緣檢測中標(biāo)記的折線拆分后的統(tǒng)計方向?qū)Ρ?，保留方向一致的折線，將不一致的折線剔除，得到候選道路。

半自動提取低反差影像中的候選道路，同樣采用基于假設(shè)-驗證方法確定道路邊界正確與否。在整幅圖像上，利用全局信息、道路的功能特征以及多證據(jù)搜集等方式進行驗證，排除錯誤、補充缺漏、提取交叉口并最終形成道路網(wǎng)。

3 遙感影像道路半自動提取實驗

本實驗選取了幾組低反差影像圖，基于統(tǒng)計信息的剖面跟蹤算法，提取的種子點區(qū)域內(nèi)道路如圖3所示。

圖3 基于統(tǒng)計信息的低反差道路提取實驗組圖

從圖3可知，基于統(tǒng)計信息的低反差道路提取算法可以較好地將道路目標(biāo)提取出來，并能剔除高層建筑物陰影對道路的影響。

4 結(jié) 語

本文基于統(tǒng)計信息，以高分辨率遙感影像中城區(qū)低反差道路為研究對象，采用剖面灰度模板及多項式擬合方法，實現(xiàn)了高分辨率遙感影像城區(qū)道路半自動提取功能，并取得了較好的效果。

[1]Boggess J. Identification of Roads in Satellite Imagery using Artificial Neural Networks: A Contextual Approach, Technical Report[M].Mississippi State University, 1993

[2]Barzohar M, Cooper D. Automatic Finding of Main Roads in Aerial Images by using Geometric Stochastic Models and Estimation[J]. IEEE Traction on Pattern Analysis and Machine Intelligence, 1996,18(7):707-721

[3]文貢堅, 王潤生. 從航空遙感圖像中自動提取道路[J]. 軟件學(xué)報, 2000, 11(7): 957-964

[4]胡翔云. 航空遙感影像線狀地物和房屋的自動提取[D]. 武漢：武漢大學(xué), 2001

[5]林宗堅, 劉政榮. 從遙感影像提取道路信息的方法評述[J].武漢大學(xué)學(xué)報：信息科學(xué)版, 2003(1):92-95

[6]胡翔云, 張祖勛, 張劍清. 航空遙感影像上線狀地物的半自動提取[J].中國圖像圖形學(xué)報, 2002, 7(2): 137-140

[7]楊云, 朱長青, 張德. 高分辨率遙感影像上道路中心線的半自動道路提取[J]. 計算機輔助設(shè)計與圖形學(xué)學(xué)報，2007(6):103-107

[8]張海濤, 董明,祝曉坤. 自動賦初值的LSB-Snake模型的道路半自動提取方法研究[J]. 北京測繪, 2008（2）：4-7

[9]Gruen A, Li H. Semi-automatic Linear Feature Extraction by Dynamic Programming and LSB-Snakes[J]. Photogrammetric Engineering and Remote Sensing, 1997, 63 (8): 985-995

[10]Trinder J, Li H. Semi-automatic Feature Extraction by Snakes[M]. In: Automatic Extraction of Manmade Objects from Aerial and Space Images, Birkhauser Verlag, 1995