一種高分辨率遙感影像車輛檢測方法

陳光 門玉英 翟東宇 李芳 吳德勝 陳良超

摘要：高分辨率遙感影像中車輛具有不同的光譜表現(xiàn)，同時(shí)車輛對象往往與道路交通標(biāo)志保持近似的光譜特征，這使得高分影像車輛檢測通常面臨較大困難。針對以上問題，提出一種基于多方向形態(tài)學(xué)變換的車輛檢測方法，該方法由對象增強(qiáng)處理、候選對象提取、車輛對象特征驗(yàn)證等3個(gè)步驟構(gòu)成。所提出的集成多方向線狀結(jié)構(gòu)元素的形態(tài)學(xué)頂帽（tophat）變換和底帽（bottomhat）變換分別實(shí)現(xiàn)了對亮色對象和暗色對象的增強(qiáng)處理，處理過程中同時(shí)顧及了車輛對象的幾何結(jié)構(gòu)特征，抑制了非車輛對象的干擾。基于初步提取結(jié)果，引入了基于多特征的車輛驗(yàn)證過程，進(jìn)一步精確化車輛檢測結(jié)果?；诔菂^(qū)高分辨率遙感影像的車輛檢測實(shí)驗(yàn)證明了該方法的有效性。

關(guān)鍵詞關(guān)鍵詞：車輛檢測；高分辨率；遙感影像；形態(tài)學(xué)

DOIDOI：10.11907/rjdk.161878

中圖分類號：TP317.4文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2016）007018103

0引言

高分辨率遙感影像中，車輛目標(biāo)特征描述主要包括以下幾點(diǎn)：①位置特征：車輛的空間位置一定處于道路路面上，可根據(jù)道路范圍與對象的位置關(guān)系作為車輛判別的首要條件；②幾何特征：車輛幾何尺寸固定，對象的長度、寬度、面積以及縱橫比等幾何特性反映了車輛的規(guī)格，遙感影像中，車輛對象表現(xiàn)為橢圓形斑點(diǎn)；③紋理特征：車輛表面紋理相對均一，根據(jù)車輛自身的顏色特征，其與路面背景之間的對比度強(qiáng)弱不一；④光譜特征：不同車輛表面顏色不同，大多表現(xiàn)為高亮和灰暗兩類，很多車輛檢測方法將其分為亮色車與暗色車兩種。

高分遙感影像上的車輛特征提供了車輛檢測的線索，同時(shí)也預(yù)示了遙感車輛提取的難點(diǎn)與復(fù)雜性：亮色車可能同高亮的車道線、交通標(biāo)志混淆；亮色車因深色車窗造成圖像上車身被割裂；暗色車的光譜特征易與瀝青等灰暗材質(zhì)的道路面混淆；暗色車輛與自身陰影鄰近且不易區(qū)分。這些因素使車輛檢測變得更加復(fù)雜。學(xué)者們從不同角度提出了多種車輛提取方法。S·Hinz基于上下文知識，使用差分斑點(diǎn)探測器檢測可能存在的車輛目標(biāo)；閾值分割和形態(tài)學(xué)預(yù)處理措施也常用于突出汽車特征，改善提取結(jié)果。

本文設(shè)計(jì)的道路提取方法包括對象增強(qiáng)處理、候選對象提取、車輛對象特征驗(yàn)證等3個(gè)步驟，流程如圖 1所示。

1車輛預(yù)檢測

1.1對象增強(qiáng)處理

考慮到車體顏色差異，需要針對亮色和暗色車輛分別進(jìn)行處理。形態(tài)學(xué)頂帽（tophat）變換和底帽（bottomhat）變換能夠增強(qiáng)圖像對比度以及凸顯圖像中的亮色對象和暗色對象。然而，由于車輛對象為矩形，并且車身方向不固定，確定合適的形態(tài)學(xué)結(jié)構(gòu)元素大小較困難：結(jié)構(gòu)元素偏大，會破壞對象的結(jié)構(gòu)特征，造成形狀扭曲；結(jié)構(gòu)元素偏小，則因無法覆蓋車輛而達(dá)不到增強(qiáng)的目的。本研究提出集成多方向線狀結(jié)構(gòu)元素的形態(tài)學(xué)頂帽（tophat）變換和底帽（bottomhat）變換。

首先，按照特定角度間隔定義一系列線狀結(jié)構(gòu)元素，基于這些結(jié)構(gòu)元素分別對影像進(jìn)行形態(tài)學(xué)開閉重構(gòu)運(yùn)算，開重構(gòu)運(yùn)算用于濾除相對于背景較亮的小尺寸（長度小于結(jié)構(gòu)元素）對象，而閉重構(gòu)則用于濾除較暗的對象，對應(yīng)的算子公式如下：

其中，f為待處理圖像，R為形態(tài)學(xué)重構(gòu)算子；f*=M-f，表示圖像f的最大灰度級M與f中各像元相減；Θ為形態(tài)學(xué)腐蝕算子；B（d，s）表示方向?yàn)閐、長度為s的線狀結(jié)構(gòu)元素；γref（d，s）表示對影像f執(zhí)行基于結(jié)構(gòu)元素B（d，s）的開重構(gòu)處理結(jié)果影像；φref（d，s）表示對影像f執(zhí)行基于結(jié)構(gòu)元素B（d，s）的閉重構(gòu)處理結(jié)果影像。如果f為多波段影像，則對各波段數(shù)據(jù)分別進(jìn)行處理。

當(dāng)結(jié)構(gòu)元素方向與道路方向一致時(shí)，重構(gòu)結(jié)果能夠在保持背景光譜特征的情況下濾除前景偏亮或偏暗的對象，將基于不同方向結(jié)構(gòu)元素處理得到的結(jié)果影像進(jìn)行融合，保證兼顧不同方向車輛對象，融合規(guī)則公式如下：

其中，MPob（x）表示對波段b的像素x進(jìn)行開重構(gòu)融合值；MPcb（x）表示對波段b的像素x進(jìn)行閉重構(gòu)融合值，其它變量說明同上。

重構(gòu)實(shí)驗(yàn)結(jié)果如圖3（a）、（d）所示，可以看出，重構(gòu)后的影像中分別濾除了尺寸短于現(xiàn)狀結(jié)構(gòu)元素的偏亮或偏暗對象。將重構(gòu)后的影像與原影像作差值處理，實(shí)現(xiàn)對被關(guān)注地物的增強(qiáng)，如圖3（b）、（e）所示。

其中，fb為波段b對應(yīng)的單波段影像；THb為對影像fb的頂帽變換影像；BHb為對影像fb的底帽變換影像。

1.2候選對象提取

增強(qiáng)后的影像中，亮對象與暗對象相對于背景的反差被增強(qiáng)，被關(guān)注物得以凸顯。分別對THb和BHb執(zhí)行基于Otsu[6]的閾值分割處理，得到由候選對象構(gòu)成的二值圖像，如圖3（c）、（f）所示。二值圖像中包括車輛、陰影、建筑屋頂?shù)?，需要通過進(jìn)一步的特征驗(yàn)證來檢測車輛對象。

2車輛對象特征驗(yàn)證

在分析遙感影像中車輛特征時(shí)，已知車輛具有顯著的幾何特征，因此采用多個(gè)幾何特征組合來進(jìn)一步檢測車輛。在驗(yàn)證車輛對象前，首先需要對候選對象二值圖像進(jìn)行預(yù)處理。根據(jù)前文分析可知，亮色車輛的車身會被前后車窗割裂。為避免檢測錯誤，對二值圖形進(jìn)行形態(tài)學(xué)閉重構(gòu)處理。車身結(jié)構(gòu)決定了割裂后的部分均相互鄰近。因此，可以根據(jù)影像分辨率和現(xiàn)實(shí)中車輛的尺寸確定大小合適的結(jié)構(gòu)元素，并保證處理后的車體部分相互連接。

車輛對象驗(yàn)證選用的幾何特征包括：面積、長寬比、矩形度，公式如下：

Ra=LMER/WMER（7）

Rrect=mean（A/Amer）（8）

車輛對象的判定準(zhǔn)則如式（9）所示，要求特征值在規(guī)定閾值范圍內(nèi)，則判定為車輛對象，反之為背景對象。

其中，Obji為對象的身份標(biāo)識，當(dāng)其取值為1時(shí)，標(biāo)識當(dāng)前對象為車輛；Ai，Ria，Rirect為第i個(gè)對象的面積、長寬比、矩形度；[TinfA，TsupA]為影像上車輛對象面積的取值范圍；[TinfLW，TsupLW]為車輛對象長寬比取值范圍；Trect為車輛對象最小矩形度閾值。閾值參數(shù)設(shè)置可參照汽車設(shè)計(jì)尺寸（見表 1[7]）與影像分辨率。

實(shí)驗(yàn)區(qū)域?yàn)樯钲谑谐菂^(qū)局部，該區(qū)域?yàn)轸[市區(qū)，車輛密集，場景中干擾地物較多。實(shí)驗(yàn)數(shù)據(jù)如圖2所示，數(shù)據(jù)描述信息如表2所示。

4結(jié)語

本文提出了一種基于多方向形態(tài)學(xué)變換的車輛檢測方法，該方法的核心是提出了集成多方向線狀結(jié)構(gòu)元素的形態(tài)學(xué)頂帽（tophat）變換和底帽（bottomhat）變換，處理過程綜合利用了車輛對象的光譜特征和結(jié)構(gòu)特征，創(chuàng)新性地分別對亮色車輛和暗色車輛進(jìn)行增強(qiáng)和檢測，實(shí)現(xiàn)在抑制路面非車輛干擾對象的同時(shí)保留車輛對象。引入的基于多特征的車輛驗(yàn)證過程實(shí)現(xiàn)在后處理階段對提取結(jié)果的二次驗(yàn)證和判別，進(jìn)一步精化車輛檢測結(jié)果?；诔菂^(qū)高分辨率遙感影像的車輛檢測實(shí)驗(yàn)表明了本文方法的有效性。實(shí)驗(yàn)結(jié)果中車輛密集區(qū)域的對象粘連問題會對提取結(jié)果造成一定的影響，后續(xù)將針對此問題開展進(jìn)一步研究。

參考文獻(xiàn)：

秦彥光. 高分辨率遙感圖像道路網(wǎng)及車輛信息提取. 長春：吉林大學(xué)， 2014.

曹天揚(yáng)，申莉. 應(yīng)用光照模型的交通車輛識別定位的高分辨率遙感方法[J].測繪學(xué)報(bào)，2015（1）： 3945.

HINZ S， LEITLOFF J， STILLA U. Contextsupported vehicle detection in optical satellite images of urban areas＼[Z＼].20052937.

LARSEN S O， SALBERG. Automatic vehicle counts from quickbird images＼[Z＼].IEEE， 2011912.

余勇，鄭宏. 基于形態(tài)神經(jīng)網(wǎng)絡(luò)的高分辨率衛(wèi)星影像車輛檢測[J]. 哈爾濱工程大學(xué)學(xué)報(bào)，2006， 27（z1）： 189193.

OTSU N. A threshold selection method from graylevel histograms[J]. IEEE Transactions on Systems， Man and Cybernetics. 1979， 9（1）： 6266.

Gb. 道路車輛外廓尺寸、軸荷及質(zhì)量限值＼[S＼].北京：中國國家標(biāo)準(zhǔn)化管理委員會，20040401.

責(zé)任編輯（責(zé)任編輯：陳福時(shí)）