一種基于空間濾波方法的地性線特征智能提取方法探究

趙迪　陳哲夫　莫操湖　金古月

摘要：首先采用高通濾波方法去除DEM影像中的低頻變化特征，然后使用經(jīng)驗(yàn)閾值生成二值化影像，突出顯示地性線的帶狀特征，最后引入細(xì)線化算法，將地性線的帶狀特征縮減為一個(gè)像素寬度，實(shí)現(xiàn)地性線的軸線辨識。經(jīng)過實(shí)驗(yàn)證明，該算法相比于傳統(tǒng)的線性提取方法，執(zhí)行速度快很多，但是由于僅是幾何意義的處理，與實(shí)際地形特征的誤差會(huì)增加，因此可以采用疊加高程數(shù)據(jù)進(jìn)行校準(zhǔn)。

關(guān)鍵詞：地性線;DEM;高通濾波;二值化

中圖分類號：TP391.41

文獻(xiàn)標(biāo)識碼：A

DOI： 10.15913/j.cnki.kjycx.2019.11.025

1 引言

目前已有很多算法可以自動(dòng)提取DEM影像中的線狀特征，其中最常見的是地性線和河流的線性提取，由此提高水文地質(zhì)資料的提取效率[1]。但由于地形資料的復(fù)雜性和不確定性，尚未有適應(yīng)所有環(huán)境的完美算法，并且許多算法的復(fù)雜度很大，因此設(shè)計(jì)一種智能化的線狀特征提取算法仍然是必要的。

由于DEM影像是一種柵格影像，其數(shù)據(jù)存儲(chǔ)可以看作是一個(gè)矩陣[2]，因此本文嘗試引進(jìn)矩陣計(jì)算中的數(shù)種技術(shù)，應(yīng)用于DEM影像，以達(dá)到智能化提取地性線的目的。其中主要過程包括空間域的高通濾波和低通濾波、DEM影像的二值化處理和圖元辨識的細(xì)線化算法等。

2 算法設(shè)計(jì)

2.1 DEM影像

DEM影像一般以灰階形式表示，影像圖中的最高點(diǎn)和最低點(diǎn)分別對應(yīng)全白值和全黑值[3]，同時(shí)每一個(gè)數(shù)據(jù)點(diǎn)的位置對應(yīng)一個(gè)像素，顏色根據(jù)其高程值用不同灰階表示，原始圖像如圖1 （a）所示。

DEM影像的高程值單位一般是米，但由于可用的灰階數(shù)量只有256位，因此許多相近的數(shù)值用相同顏色表示，導(dǎo)致視覺效果不明顯，即使可以人為提升灰階數(shù)目，但是由于人的視覺分辨能力有限，提升灰階數(shù)目后對于讀圖者正確識別DEM影像中的實(shí)際物體幫助不大。

2.2 DEM影像的濾波過程

想要解決上述問題，就要用有限的灰階數(shù)目準(zhǔn)確地描述DEM影像中的地性線，一種合理的思路是對DEM影像進(jìn)行空間濾波處理，具體是將DEM影像變化的低頻區(qū)域變化過濾只顯示高頻區(qū)域圖形，高通濾波結(jié)果如圖l（b）所示。此外，通過賦予數(shù)據(jù)點(diǎn)周邊兩側(cè)一定范圍內(nèi)的高度均值，可以降低空間高頻變化平均計(jì)算的誤差，最終得到低頻背景的影像變化，此種過程可以稱為DEM影像的空間低通濾波，低通濾波結(jié)果如圖1 （c）所示。

如果用原始DEM影像和空間低通濾波結(jié)果進(jìn)行柵格減法計(jì)算，則原始影像中的低頻數(shù)據(jù)被移除，而剩余的高頻地性線特征成為可視化重點(diǎn)。但是由于本身的高度范圍并沒有變化，因此柵格減法計(jì)算結(jié)果中的絕對高度落差減少，在灰階數(shù)目仍然是256的環(huán)境下，地性線的特征變化相比之前的在視覺效果上有更佳的對比度。

2.3 DEM影像濾波的覆蓋設(shè)計(jì)

在DEM影像處理過程中，一般用矩形覆蓋執(zhí)行空間濾波過程，例如3x3的矩形覆蓋，是將周邊9個(gè)數(shù)據(jù)點(diǎn)的平均值看作新值（包括本身）。而對于上述思路設(shè)計(jì)而言，首先覆蓋需要獲取背景上的低頻地形，即通過移動(dòng)平均過程使山脊、山谷等地性線在執(zhí)行運(yùn)算過程中被移除。因此，矩形覆蓋的長寬必須要大于地形特征的實(shí)際寬度和測量精度，通常數(shù)十點(diǎn)寬度就可以滿足基本需求，可以看作是大尺度的影像處理，此時(shí)，必須考慮物體周圍一些方向?qū)ΨQ性的問題。DEM影像濾波的覆蓋設(shè)計(jì)如圖2所示。

方向性不合理的覆蓋如圖2（a）所示，一般意義的覆蓋，A點(diǎn)與中心C點(diǎn)的實(shí)際距離大于B點(diǎn)與中心C點(diǎn)的實(shí)際距離，但是在圖上的可視化效果上，認(rèn)為A點(diǎn)在矩形覆蓋內(nèi)部，而B點(diǎn)在覆蓋外部，與實(shí)際情況正好相反，使得對角線方向的視覺效果得到過多的權(quán)重，和其他方向的權(quán)重值差值過大，因此需要調(diào)整。而在矩形覆蓋中，只需將處于圓形半徑范圍內(nèi)的數(shù)據(jù)點(diǎn)看作覆蓋運(yùn)算的有效點(diǎn)，用實(shí)心符號表示，而其余點(diǎn)不參與計(jì)算，以空心符號表示，即可設(shè)計(jì)出一種無方向性的圓形覆蓋，如圖2（b）所示。經(jīng)過實(shí)驗(yàn)證明，此種覆蓋設(shè)計(jì)可以有效提高DEM影像的可視效果，缺點(diǎn)是計(jì)算復(fù)雜度稍有提高，但對于小數(shù)據(jù)量運(yùn)算而言，電腦性能的影響可以忽略不計(jì)。

2.4 DEM影像的二值化

一般DEM影像分辨的基本步驟是：①使用圖像處理技術(shù)增強(qiáng)識別目標(biāo)視覺特征;②選擇閾值，將DEM影像進(jìn)行二值化處理，使得識別目標(biāo)地性特征凸顯為黑色;③將目標(biāo)區(qū)域進(jìn)行細(xì)線化處理，以獲取地性特征的中心點(diǎn)或者中心線的坐標(biāo)數(shù)據(jù)。對于本文中的方法，高通濾波過程實(shí)際上相當(dāng)于第一步，可以將目標(biāo)物體的地形特征進(jìn)行強(qiáng)化，得到二值化處理結(jié)果，圖l（b）二值化的結(jié)果如圖3（a）所示。

2.5 細(xì)線化

細(xì)線化的目的是將帶狀目標(biāo)縮減為只有一個(gè)像素點(diǎn)的細(xì)線，達(dá)到針對性減小目標(biāo)區(qū)域面積的目的，增強(qiáng)視覺效果。其中的關(guān)鍵在于如何逐步刪除目標(biāo)點(diǎn)的同時(shí)不截?cái)嗑€條，且不能改變端點(diǎn)位置，以保證地形軸線數(shù)據(jù)不被縮短或者中斷。數(shù)據(jù)點(diǎn)的具體類型可以分為端點(diǎn)、連線中一點(diǎn)、分叉線條的交點(diǎn)和一般的區(qū)域邊緣點(diǎn)。如果檢查點(diǎn)是端點(diǎn)、連線中一點(diǎn)或分叉線條的交點(diǎn)，則予以保留，而如果是一般的區(qū)域邊緣點(diǎn)，則予以刪除。將全圖數(shù)據(jù)點(diǎn)全部檢查完成后，一次性將標(biāo)記為刪除的點(diǎn)全部刪除，完成目標(biāo)區(qū)域的細(xì)線化操作，重復(fù)直到最后沒有可以刪除的點(diǎn)，圖3（a）細(xì)線化的結(jié)果如圖3 （b）所示。

3 結(jié)論

綜上所述，對DEM影像經(jīng)過空間高通濾波、二值化、細(xì)線化后，可以獲得可視化效果良好的地形特征影像。本文設(shè)計(jì)方法的最大優(yōu)勢是引入濾波方法用于處理DEM影像，充分發(fā)揮了商業(yè)化軟件的技術(shù)優(yōu)勢。

與傳統(tǒng)意義的線狀特征提取方法相比，本文提出的細(xì)線化方法沒有考慮DEM影像的原始高程，得到的軸線實(shí)際上是帶狀目標(biāo)的幾何縮減中心線，不能夠保證為橫斷面的最高、最低點(diǎn)，但是執(zhí)行速度大大提升，并且可以用高低通空間濾波方法減少此種誤差，或者在細(xì)線化結(jié)果上疊加原始高程信息，以校準(zhǔn)軸線位置。

參考文獻(xiàn)：

[1]陳俞瑋，應(yīng)駿，王沛.一種改進(jìn)的空間濾波除噪算法在道路識別中的運(yùn)用[J].上海師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2018， 47 （2）： 258-262.

[2]蔡勇智，夏齡，莫泓銘，等.基于Matlab的空間濾波的實(shí)現(xiàn)與仿真[J].洛陽理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2015，25（ 1）： 55-57.

[3]陳閃閃，朱春雷，朱俊臣，等.基于靜態(tài)小波分解的空間濾波信號降噪方法[J].數(shù)字技術(shù)與應(yīng)用，2016，65（5）：91-92，94.