基于公安業(yè)務(wù)的高分影像中道路信息提取研究

陳亞飛，段誠(chéng)

（中國(guó)人民公安大學(xué)信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院,北京,100076）

基于公安業(yè)務(wù)的高分影像中道路信息提取研究

陳亞飛，段誠(chéng)

（中國(guó)人民公安大學(xué)信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院,北京,100076）

文章從計(jì)算機(jī)和遙感技術(shù)角度，為公安實(shí)戰(zhàn)提供道路信息的支持。文章中主要采用了基于分類(lèi)和基于面向?qū)ο蟮姆椒ㄌ崛〉缆沸畔ⅰ?/p>

遙感影像；道路信息；分類(lèi)；二值化；面向?qū)ο?/p>

0 引言

隨著公安遙感空間技術(shù)的發(fā)展，能夠獲得更高分辨率的遙感影像，同時(shí)伴隨國(guó)內(nèi)外研究道路信息提取的深入，自動(dòng)化與非自動(dòng)化的提取技術(shù)研究也越來(lái)越多，但目前沒(méi)有一個(gè)快速、普遍的提取方法，很多現(xiàn)有提取道路信息的方法條件要求比較多，而且提取的效果不佳，即使同一種地物由于其所在環(huán)境特征不同，信息提取方法也具有很大的區(qū)別。

根據(jù)目前國(guó)內(nèi)外道路提取方法的研究，有幾種比較典型提取道路信息的方法，Acqua F D等通過(guò)改進(jìn)的Hough變換來(lái)獲取道路方向，并沿著此方向?yàn)V波，濾波結(jié)果與預(yù)先設(shè)定的道路段原型進(jìn)行比對(duì)，去除非道路斑塊，進(jìn)而以模糊Hough變換獲取表面的線段，進(jìn)一步修整出道路條帶，最后將斷裂的道路段相連接再形成道路網(wǎng)。Mistry D等基于模板匹配法的道路信息提取，在計(jì)算影像與道路模板的相似度來(lái)獲取道路信息，相似度函數(shù)常選用歸一化相關(guān)系數(shù)或絕對(duì)差。顧海燕等利用面向?qū)ο蟮腉EOBIA技術(shù)首先通過(guò)影像分割技術(shù)得到多邊形對(duì)象，其次統(tǒng)計(jì)對(duì)象的光譜、紋理、形狀等特征，最后運(yùn)用分類(lèi)器實(shí)現(xiàn)面向?qū)ο蠓治觥?/p>

文章將區(qū)域內(nèi)道路信息分為三個(gè)等級(jí)，分別是一級(jí)道路、二級(jí)道路、三級(jí)道路，其中一級(jí)道路和二級(jí)道路為路面經(jīng)過(guò)硬化，路寬大于等于5米以上，三級(jí)道路指路面未硬化的土路，在區(qū)域內(nèi)通行量較大的道路。一級(jí)道路、二級(jí)道路主要采用基于分類(lèi)的提取方法，三級(jí)道路采用基于面向?qū)ο蟮奶崛》椒ā?/p>

1 研究區(qū)概況和研究數(shù)據(jù)

包頭市九原區(qū)位于內(nèi)蒙自治區(qū)的西部，處于土默川平原和河套平原結(jié)合部。地跨東經(jīng)10°37″-110°27″,北緯40°5″-40°17″之間，占據(jù)包頭的西郊、南郊。九原區(qū)屬北溫帶大陸氣候，干旱多風(fēng)，京包、包蘭、包神、包白鐵路貫穿九原區(qū)全境，210國(guó)道、110國(guó)縱橫境內(nèi)，呼包高速公路與正在修建的丹東至拉薩高速公路相接橫貫該區(qū)，道路信息比較復(fù)雜，提取難度較大。

高分遙感影像的數(shù)據(jù)源來(lái)自GF-2全色影像（地面分辨率1米）和GF-2多光譜影像（地面分辨率4米）。數(shù)據(jù)時(shí)相是2016年11月15日，影像的地點(diǎn)是內(nèi)蒙古自治區(qū)包頭市九原區(qū)的西南角。

2 研究方法

文章的研究方法主要闡述提取三個(gè)等級(jí)的道路信息關(guān)鍵步驟，其中三級(jí)道路提取所用方法當(dāng)前較普遍，主要難點(diǎn)是設(shè)置合適的閾值，研究方法具體步驟如下：（1）原始研究數(shù)據(jù)影像進(jìn)行數(shù)據(jù)預(yù)處理，并進(jìn)行圖像分割；（2）將一級(jí)、二級(jí)道路基于分類(lèi)方法提取，之后二值化，如區(qū)域提取道路信息不理想可再放大分割出來(lái)處理；（3）利用基于面向?qū)ο蟮姆椒ㄌ崛∪?jí)道路信息；（4）最后對(duì)提取出道路信息進(jìn)一步處理優(yōu)化效果。

2.1 數(shù)據(jù)預(yù)處理與圖像分割

數(shù)據(jù)預(yù)處理主要包括去云處理、數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)融合、影像濾波，其中去云處理主要利用云檢測(cè)算法自動(dòng)去除影像中的云覆蓋區(qū)域及云的陰影區(qū)域，文章根據(jù)高分的載荷特征，建立了基于紅綠藍(lán)三色反射率累積值閾值檢測(cè)的云檢測(cè)算法，用以檢測(cè)云并去除；數(shù)據(jù)配準(zhǔn)與融合是將高分二號(hào)4米分辨率的多光譜影像與1米分辨率的全色影像進(jìn)行配準(zhǔn)、融合；影像濾波處理，針對(duì)不同時(shí)期的影像選取不同的濾波方法，研究數(shù)據(jù)經(jīng)實(shí)驗(yàn)測(cè)試分類(lèi)道路圖采用中值濾波效果最好。

文章中提取道路信息采用基于分類(lèi)和面向?qū)ο髢煞N方法，將需要進(jìn)行道路信息提取的研究數(shù)據(jù)利用圖像分割分開(kāi)處理，如部分區(qū)域道路信息基于分類(lèi)方法提取效果不佳，再進(jìn)一步圖像分割細(xì)化處理。

2.2 基于分類(lèi)方法提取道路信息

該方法主要是將經(jīng)過(guò)預(yù)處理的研究數(shù)據(jù)中道路、建筑、水體、林地、草地以及荒地等影像信息選取訓(xùn)練樣本，做訓(xùn)練樣本時(shí)將道路以外的其他地物信息顏色弱化，突出道路信息，采用監(jiān)督分類(lèi)中的最大似然法進(jìn)行分類(lèi)，通過(guò)調(diào)整選取樣本實(shí)驗(yàn)，得出了如圖1道路信息分類(lèi)圖。

圖 1 道路信息分類(lèi)圖

隨著實(shí)驗(yàn)數(shù)據(jù)的積累，研究的技術(shù)路線進(jìn)一步細(xì)化和明確，可提取到效果更優(yōu)的道路信息分類(lèi)圖。因高分二號(hào)遙感影像是四波段RGB影像數(shù)據(jù)，可運(yùn)用MATLAB編程技術(shù)對(duì)初步得到的道路信息分類(lèi)圖進(jìn)行二值化，效果比道路信息分類(lèi)圖要清晰很多，同時(shí)也去除了一些很多無(wú)關(guān)細(xì)小因素的影響，二值化后的道路信息分類(lèi)圖如圖2所示。

圖 2 二值化的道路信息分類(lèi)圖

圖2 中所有的主干道路均能清晰的顯現(xiàn)出來(lái)，采用基于分類(lèi)方法提取道路信息主要是簡(jiǎn)便、效率高、效果好，能夠滿足公安業(yè)務(wù)的現(xiàn)時(shí)需求，而針對(duì)部分區(qū)域道路信息提取效果不佳，可調(diào)整基于分類(lèi)提取的方法，將遙感影像的研究區(qū)域再次圖像分割，再運(yùn)用如上分類(lèi)提取道路信息的操作方法，最后進(jìn)行拼接，獲得的效果如下圖3所示。

圖3 拼接圖

由圖3可以看出，在圖像分割基礎(chǔ)上采用分類(lèi)提取道路的方法，可將硬化過(guò)的道路方便的提取出來(lái)，即使建筑之間的小道也可容易的提取出來(lái)，，再運(yùn)用MATLAB編程二值化處理。經(jīng)研究發(fā)現(xiàn)該方法的缺點(diǎn)是提取一些較細(xì)的道路時(shí)效果不是很理想，一些道路信息的提取受房屋建筑陰影的影響比較大。

2.3 面向?qū)ο蠓椒ㄌ崛〉缆沸畔?/p>

面向?qū)ο筇崛〉缆返姆椒ㄖ饕芯克阕拥倪x擇與疊用，針對(duì)不同圖像閾值的設(shè)置，需要進(jìn)行多次實(shí)驗(yàn)，才能取得較為理想的實(shí)驗(yàn)成果。對(duì)于文章研究數(shù)據(jù)，經(jīng)過(guò)反復(fù)實(shí)驗(yàn)，遍歷過(guò)ARCGIS、ENVI、ERDAS等軟件使用面向?qū)ο蠓椒ㄟM(jìn)行道路提取，發(fā)現(xiàn)ERDAS提取的效果最好。文章中該方法具體步驟如下所述。

第一步是Raster Pixel Processor從研究數(shù)據(jù)上選擇道路信息的樣本以及非道路信息作為背景的樣本，讓機(jī)器能夠區(qū)分出非道路和道路像素，能將該影像進(jìn)行分類(lèi)。第二步采用Threshold and Clump ROC算子，該步驟設(shè)置的值比較重要，針對(duì)不同的影像數(shù)據(jù)需要反復(fù)進(jìn)行實(shí)驗(yàn)調(diào)試，才能獲得理想的效果。第三步Raster Object Operator選取的算子是Size Filter、Centerline Convert，主要為了去除具有相同光譜特性的車(chē)輛、集裝箱、屋頂?shù)纫蛩氐挠绊?，并將所有可能的道路柵格?duì)象轉(zhuǎn)換為線性柵格對(duì)象。第四步Raster to Vector Conversion采用線跟蹤為了產(chǎn)生一個(gè)shapefile文件。第五步Vector Object Operators選擇的算子主要有Line Link、Smooth、Line Remove。首先采用線跟蹤，再應(yīng)用普通的算子去減少每條線的頂點(diǎn)；其次用線過(guò)濾器算子過(guò)濾掉短線和不在指定范圍之內(nèi)的一定寬度的線；接著使用線連接操作器去連接在同一條直線上的中心線，為了形成一個(gè)道路網(wǎng)絡(luò)；最后用線去除孤立的短線，可以呈現(xiàn)更清晰的結(jié)果。

經(jīng)過(guò)上述提取道路的步驟后，三級(jí)道路信息提取的效果如圖4道路提取圖所示，而采用其他方法不易提取道路信息或者得到的效果圖不理想。

圖4 道路提取圖

2.4 道路信息提取后期處理

在研究數(shù)據(jù)中道路信息提取方法使用之后，還需進(jìn)行后期處理，如通過(guò)柵格矢量轉(zhuǎn)換，得到圖像中的道路信息。研究方法中該步驟主要是進(jìn)行形態(tài)學(xué)增強(qiáng)處理，針對(duì)二值化處理過(guò)程中存在的孤點(diǎn)、短線、斷線等問(wèn)題，需要進(jìn)行圖像形態(tài)學(xué)處理，主要運(yùn)用圖像的腐蝕和膨脹，腐蝕目的是刪除圖像中的孤點(diǎn)、短線等像素，消除噪聲和干擾，膨脹則是為了增加圖像中的像素，將圖像中的斷線連通，使得道路、邊界等線性特征更加明顯，獲得更好的效果圖。

3 小結(jié)與展望

文章基于公安業(yè)務(wù)的實(shí)戰(zhàn)需求，主要研究了高分遙感影像中道路信息的提取，將研究數(shù)據(jù)中道路信息分為三個(gè)等級(jí)，創(chuàng)新性地提出基于分類(lèi)方法提取道路信息，并采用MATLAB編程二值化，得到道路信息分類(lèi)圖；基于面向?qū)ο蠓椒ǖ难芯?，通過(guò)運(yùn)用不同的算子和設(shè)置合理的閾值得到道路信息效果圖。最后進(jìn)行形態(tài)學(xué)增強(qiáng)處理，從技術(shù)手段為公安工作提供支撐。文章的研究還可進(jìn)一步的研究，將道路再進(jìn)行細(xì)分等級(jí)，將各等級(jí)的道路信息采用不同的算子提取做精度分析。

[1]靳彩嬌.高分辨率遙感影像道路提取方法研究[D].中國(guó)人民解放軍信息工程大學(xué),解放軍信息工程大學(xué),2013.

[2]顧海燕,李海濤,閆利,等.面向地理對(duì)象影像分析技術(shù)的研究進(jìn)展與分析[J].遙感信息, 2014.4(29):52-57.

Research on road information extraction based on high score image of public security service

Chen Yafei，Duan Cheng
(School of information technology and network security, People’s Public Security University of China,Beijing,100076)

In this paper, from the perspective of computer and remote sensing technology, to provide support for road traffic information In this paper, the classification and object-oriented method are used to extract road information

remote sensing image; road information; classification; two value; object oriented