高分辨率遙感影像中機場提取方法探究

孫垚森 王素平

(新樂市國土資源局,河北新樂 050700)

高分辨率遙感影像中機場提取方法探究

孫垚森 王素平

(新樂市國土資源局,河北新樂 050700)

針對傳統(tǒng)高分辨率遙感影像中機場提取存在的缺陷,提出了一種高分辨率遙感影像機場自動提取流程。通過直方圖濾波、基于模糊學和知識的影像分割、區(qū)域標記、拓撲關系等底層和高層處理,提取出機場。實驗證明,本文的機場提取方法,相對于傳統(tǒng)方法,具有魯棒性高,提取的準確度高的特點。

機場提取 模糊分割 拓撲關系

1 引言

目前,國內外的研究者對機場的自動提取方法做了大量的研究,并針對某些遙感數(shù)據提出了一些識別方法。主要分為底層處理和高層處理兩部分。底層處理中,一般采用兩種方法,一種是基于邊緣檢測的方法[1],即提取出地物的邊緣,將飛機場和其它一些邊緣明顯的地物從背景中分離出來。然而由于高分辨率影像地物的細節(jié)信息特別豐富,邊緣提取時候,會提取出很多無關的邊緣信息,從這些復雜的邊緣信息中,很難獲得機場的信息。另一種是基于區(qū)域分割的方法[2],該方法主要利用了水泥混凝土機場的高亮度特點。采用閾值分割算法將機場和其它高亮度地物從背景中分割出來。然而由于機場的亮度值不能確定,傳統(tǒng)閾值分割方法魯棒性很低,很容易造成過度分割,而且針對瀝青跑道,其亮度值很低,傳統(tǒng)方法無法分割出機場。高層處理中,一般是根據機場跑道具有平行直線邊緣的幾何特性,提取出跑道[3],進行定位,從而提取出機場。但是不同分辨率的影像,跑道提取的閾值不同,這樣就大大減少了機場提取的自動性。

因此本文根據傳統(tǒng)機場提取方法中存在的弊端,提出了新的處理方法。以解決傳統(tǒng)方法中根據跑道的長度和寬度特征進行提取時魯棒性差的問題。

圖2-1 機場提取流程圖

2 機場提取算法描述

2.1 機場提取算法基本思想和流程

機場提取的基本思想如下:首先在底層處理中采用直方圖濾波進行圖像的預處理,去除圖像中存在的比較小的亮斑噪聲。采用模糊分割方法分割出高亮度目標,基于色調和紋理知識分割出瀝青跑道。然后在中層處理中、根據機場的面積特征,采用形態(tài)學腐蝕和區(qū)域標記方法得到機場感興區(qū)的區(qū)域以進一步進行高層分析。最后,在高層處理中運用機場各個部分之間的拓撲關系,在感興區(qū)目標中提取出機場。流程圖如圖2-1。

2.2 基于直方圖濾波的圖像處理

有些遙感影像中存在一些很小的高亮點或亮斑,這些小的高亮地物在后續(xù)圖像分割處理中會造成很大的不利影響,必須將其去除。傳統(tǒng)根據中值濾波去除噪聲的方法中,由于是對空間域的處理,受分辨率的影像很大。因此,本文提出了一種直方圖濾波的方法,去除圖像中存在的噪聲。該方法與傳統(tǒng)空間域濾波處理的思想不同,而是對圖像的灰度直方圖進行處理,濾除灰度值出現(xiàn)的頻率比較小的灰度值。直方圖濾波的計算步驟如下。

圖2-2 對影像分割采用Otsu和模糊分割的結果

圖3-1武漢天河機場提取結果(從上至下、從左至右依次為原圖、機場內外輪廓的拓撲關系圖、本文機場提取的結果、機場直線段、跑道的邊緣直線段、根據跑道特征的機場提取結果)

(1)計算整個圖像的灰度直方圖,統(tǒng)計每個像素出現(xiàn)的個數(shù)Count。(2)將直方圖按每個像素值的個數(shù)進行升序排序,得到排序后的直方圖Order。(3)計算要濾除的灰度值個數(shù)T。在排序后的灰度直方圖中,計算前T個灰度值的個數(shù)和num,直到num大于或等于直方圖中灰度值個數(shù)的最大值。得到要濾除的灰度值個數(shù)T。(4)計算被濾除像素的新灰度值。對于排序后的前T個像素值,在原直方圖中,計算與前T個像素值距離最近的像素值,作為被濾除像素值的新值。(5)圖像重新賦值。對圖像進行灰度重采樣,對圖像進行掃描,遇到等于直方圖排序后前T個像素值的像素,賦給它距離最近的新像素值。由于直方圖濾波是在灰度值的頻率域內的濾波。與傳統(tǒng)空間域濾波的方法相比,具有速度較快、不受影像分辨率的影響、不易造成邊界模糊等優(yōu)點。

2.2 基于模糊學的混凝土機場分割

將模糊學用于圖像分割的原理如下,灰度值可以定義為一個集合體,每個像元隸屬于目標的程度可以用隸屬度函數(shù)定義,該隸屬函數(shù)用來描述每個像元屬于目標或背景的程度。將模糊學的思想應用于圖像的分割中,隸屬度函數(shù)的選取最為關鍵。傳統(tǒng)將模糊學應用到圖像處理中的隸屬度函數(shù)為式子2-1。但是在模糊集中當把0.5作為分割閾值時候,會分割出大量灰度值比較高的地物,會造成過度的分割。因此,本文將對隸屬度函數(shù)進行了改進,改進后的隸屬度函數(shù)為式子2-2。由式子可知采用0.5為分割閾值,會分割出較少的比較亮的部分,不易造成過分割。

式子(2-1)和(2-2)中m,n表示該像素點在圖像中的行列號。Pmn表示行列號為mn的像素點隸屬度,Xmn表示行列號為mn的像素的灰度值,L表示圖像中最大的灰度值。

為了說明本文提出的模糊分割在機場分割中,相對于傳統(tǒng)分割方法的優(yōu)勢,對一副影像分別采用了模糊分割和Otsu分割,效果圖如圖2-2,可見Otsu不免會分割出過多的背景。而模糊分割都能分割出較好的效果。

2.3 基于紋理與色調知識的瀝青跑道分割

瀝青跑道具有三個明顯的特征:第一,瀝青跑道表面平滑;第二,瀝青跑道由瀝青組成,而同一種物質的色調特征相似,在不同的光照條件下,不同瀝青跑道的色調趨于一致;第三,瀝青跑道的輪廓屬于細長型,長寬比比較大。因此基于瀝青跑道這種特有的知識特性,可以比較準確快速的分割出瀝青跑道。本文基于瀝青跑道的紋理、色調、幾何知識。對圖像進行分割,提取出機場跑道。首先通過方差來計算跑道的紋理。然后對原影像進行HSV轉化,得到色調圖像,根據瀝青跑道紋理和色調經驗閾值,跑道的方差紋理閾值設置成10,色調閾值在[100,130]之間,對瀝青跑道進行分割,得到色調與跑道相似的區(qū)域。最后計算地物的最小外接輪廓,根據跑道的細長型的特征去除其它的地物。

圖3-2 青島機場提取流程圖解

2.4 機場感興區(qū)的提取

機場是個復雜的目標,需要通過對目標對象的結構進行推理分析,才能準確的得到機場。經過濾波和分割等底層處理后,只是得到了一幅包含機場的二值影像,很難對各個目標進行分析。因此需要在二值圖進行中層的處理,提取出感興區(qū)目標,得到一些疑似機場目標,以方便進一步的高層分析。對機場影像分割后,由于機場屬于大面積的地物,可以根據面積信息去除大量的背景目標,區(qū)域標記法是一種比較好的表示面積的方法。但是由于分割質量的原因,很多小的地物可能被連接到了一塊,形成一大片地物,必須將其分開。因此本文采用形態(tài)學腐蝕法去除不同地物間的連續(xù)性,繼而采用區(qū)域標記算法提取出較大的面積,得到疑似機場目標,以便進一步高層分析。

2.5 機場提取中基于拓撲關系的高層處理

根據機場的結構,機場一般由停機坪,滑行道,聯(lián)絡道,跑道組成?；械?聯(lián)絡道和跑道圍城了一個形如“目”字型的結構。也就是機場內包含很多空洞。這些空洞與整個機場形成了穩(wěn)定的拓撲關系。無論機場如何拉伸、壓縮、縮放這些空洞包含于機場內部的拓撲關系不變。且這些空洞占機場整個面積的比例基本都在1/60以上,且空洞的個數(shù)一般都會大于3,因此可以根據機場內的內洞這一拓撲關系,在得到的感興區(qū)中提取出機場。根據拓撲關系在疑似機場中進一步提取機場的步驟如下。

Step1:提取出中的每塊區(qū)域的所有內洞。Step2:計算每塊內洞與該區(qū)域的面積比,剔除那些面積比小于1/60的內洞。Step3:根據每塊區(qū)域內洞個數(shù),提取出內洞個數(shù)大于3的區(qū)域,得到機場。

3 實驗結果與分析

本次實驗的實驗數(shù)據是從Google Earth下載的包含機場和港口目標的GeoEye高分辨率影像,將原圖像重采樣為2米左右的高分辨影像作為實驗數(shù)據。分別采用了本文的顧及機場拓撲關系的方法和傳統(tǒng)根據機場跑道幾何特征進行機場提取的方法,對多幅機場圖像進行了提取實驗,并進行了對比分析,來說明本文算法的有效性。對于混凝土跑道的機場,通過實驗分析了高層處理中,本文根據拓撲關系進行提取的方法和傳統(tǒng)根據跑道的長寬幾何特征進行提取的方法的優(yōu)缺點。對于瀝青跑道的機場,由于傳統(tǒng)的方法無法提取出這些機場,因此只分析了本文方法對含有瀝青跑道的機場進行提取的結果。最后對這些實驗結果進行了分析,得出合理的結論。

(1)不同的高層處理方法;本文對多幅影像進行了實驗,對比了傳統(tǒng)根據跑道幾何特征方法和本文采用機場拓撲關系方法進行機場提取的不同。其中武漢天河機場的提取結果如圖3-1。

由圖3-1中對混凝土機場分別采用拓撲關系和跑道的幾何特征進行提取的結果可以看出。根據機場內外輪廓的拓撲關系的分析方法,可以穩(wěn)定的描述機場目標的特征,進而提取出機場。而傳統(tǒng)根據機場跑道幾何特征,提取出機場跑道,進而提取出機場的方法中。由于機場聯(lián)絡道的存在,在提取跑道邊緣直線的時候,會造成跑道邊緣直線的中斷。需要把在同一直線上的線段連接到一塊,但由于這些破碎的短線距離很近,斜率相差很小,進行短線連接的時候,很容易連錯,因此會得到不完整的跑道邊緣。

(2)含有瀝青跑道的機場提取實驗結果;由于傳統(tǒng)方法無法分割出瀝青跑道,因此本文只分析了本文的含有瀝青跑道的機場提取實驗。圖3-2為對青島瀝青跑道的機場提取結果圖。其中a,b,c,d,e,f分別為原圖、采用模糊分割法得到的疑似停機坪、基于知識分割得到的疑似跑道、b和c合并后得到的疑似機場、對疑似機場進行的內外輪廓拓撲分析圖,最終提取結果。

通過對瀝青跑道的機場提取的實驗結果可以看出,模糊分割后,根據面積特征采用區(qū)域標記法提取面積比較大的區(qū)域,可以比較準確的分割出停機坪等高亮度目標?；谂艿赖纳{、紋理、長寬比這些知識,可以有效的將瀝青跑道分割出來。將疑似停機坪和跑道合并后,可以得到疑似機場。由于機場目標內部都含有一定大小的多個內輪廓,分析每個疑似機場區(qū)域的內外輪廓,可以看出,其它地物一般不具有這種特殊的結構。因此可以將機場與其它的地物區(qū)分開來,從而可以將瀝青跑道穩(wěn)定的提取出來。

4 結語

本文主要對高分辨率遙感影像中城市區(qū)域的機場區(qū)域自動提取方法進行了研究。根據傳統(tǒng)方法進行機場提取中穩(wěn)定性和自動性差,并且無法提取出含有瀝青跑道的機場的缺陷,提出了一種機場提取流程。針對傳統(tǒng)采用Otsu閾值方法分割機場會造成過度分割的現(xiàn)象,將模糊學方法用在混凝土機場底層分割中,解決了過分割現(xiàn)象;并將基于知識的分割用于瀝青跑道的分割中,解決了傳統(tǒng)方法無法分割出瀝青跑道的問題;將拓撲關系用于機場提取的高層處理中,提高了機場提取的穩(wěn)定性。實驗表明,本文提出的機場提取具有較高的魯棒性,且準確率比較高。

[1]趙誠.圖像識別方法與實現(xiàn)技術研究[D].西安:西安電子科技大學,2008.

[2]張文浩.光學遙感圖像跑道提取與油罐目標識別技術研究[D].成都:電子科技大學,2010.

[3]Ton J., Jain A K., Enslin W R., et al. Automatic Road Identification and Labeling in Landsat4 Tm Images[J]. Photogrammetric[PRS],1989,43(2):157-276.

[4]陳旭光.衛(wèi)星遙感圖像中機場區(qū)域的識別方法研究[D].南京:南京理工大學,2005.