遙感圖像道路信息提取的仿真分析研究

宋偉 賀偉 鹿旭升 崔紅婕

摘? 要：隨著遙感技術(shù)的飛速發(fā)展，高分辨率遙感圖像變得極易獲得，而提取遙感圖像中道路信息更是具有極大的現(xiàn)實(shí)意義。從遙感圖像中提取的道路信息是結(jié)合直方圖閾值分割技術(shù)和數(shù)學(xué)形態(tài)學(xué)研究出一種半自動(dòng)的遙感圖像道路提取方法。通過觀察遙感圖像的灰度直方圖，選擇出合適的閾值并分割出初始道路信息。初始道路會(huì)包含大量的顆粒噪聲且道路會(huì)出現(xiàn)間斷等情況。利用中值濾波器能夠?yàn)V除原始道路圖像中的顆粒噪聲，利用數(shù)學(xué)形態(tài)學(xué)的方法可以消除物體間的粘連和填充道路孔洞。通過仿真分析，驗(yàn)證了研究的遙感圖像道路提取方法和有效性。

關(guān)鍵詞：遙感圖像;閾值分割;數(shù)學(xué)形態(tài)學(xué);道路提取

中圖分類號(hào)：TP751.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-2945（2019）25-0018-04

Abstract： With the rapid development of remote sensing technology， high-resolution remote sensing images become easy to obtain， and the extraction of road information from remote sensing images is of great practical significance. The road information extracted from remote sensing image is combined with histogram threshold segmentation technology and mathematical morphology to study a semi-automatic road extraction method from remote sensing image. By observing the gray histogram of remote sensing image， the appropriate threshold is selected and the initial road information is segmented. The initial road will contain a lot of particle noise and the road will be interrupted and so on. The median filter can be used to filter the particle noise in the original road image， and the mathematical morphology method can be used to eliminate the adhesion between objects and fill the road holes. Through the simulation analysis， the road extraction method and effectiveness of the remote sensing image are verified.

Keywords： remote sensing image; threshold segmentation; mathematical morphology; road extraction

1 概述

遙感技術(shù)具有采集數(shù)據(jù)速度快、實(shí)時(shí)性高、探測范圍大、不受時(shí)間和地域條件的限制等優(yōu)勢(shì)。在近二十年的飛速發(fā)展中，遙感技術(shù)已廣泛應(yīng)用于軍事偵察、海洋、地理、測繪、農(nóng)業(yè)、水利、環(huán)境保護(hù)等方面，在國防建設(shè)和科學(xué)研究等方面發(fā)揮著重要的作用。隨著我國基礎(chǔ)設(shè)施的飛速發(fā)展，尤其是在加快信息化的進(jìn)程中，我國的遙感技術(shù)得到了飛速的發(fā)展。在現(xiàn)代遙感技術(shù)應(yīng)用中，由于我國高分辨率衛(wèi)星遙感圖像發(fā)展速度快，應(yīng)用遙感技術(shù)對(duì)地觀測的能力不斷提高，高分辨率遙感圖像的研究已成為研究熱點(diǎn)。早期的高分辨率遙感衛(wèi)星主要應(yīng)用于軍事，隨著遙感信息的圖像成本逐漸降低，遙感技術(shù)逐漸應(yīng)用于商業(yè)。

在遙感圖像提供的信息中，道路信息無疑是非常重要的。隨著我國的經(jīng)濟(jì)飛速發(fā)展，人民對(duì)于美好生活的標(biāo)準(zhǔn)逐漸提高，準(zhǔn)確獲取實(shí)時(shí)交通信息和道路流量狀況是人民和交通部門最基本的需求。早期的道路信息獲取主要需要人工現(xiàn)場勘查，這需要投入大量的人力、物力，而且采集周期長。因此，如何利用遙感道路圖像來快速的提取道路顯得尤為重要。

2 遙感圖像道路特征

不同的物體往往有不同的特征，了解道路的基本特征有助于我們?cè)O(shè)計(jì)實(shí)驗(yàn)從而設(shè)計(jì)遙感道路提取算法。遙感道路圖像的特征可分為幾何特征、輻射特征、拓?fù)涮卣?、功能特征和上下文特征?/p>

（1）幾何特征：道路一般呈長條形，而且道路的長度大于寬度。在一定范圍內(nèi)，道路會(huì)呈現(xiàn)直線形狀，在彎道中，曲率有一定的限制。

（2）輻射特征：道路的灰度值與其他區(qū)域的灰度值有明顯的區(qū)別，所以圖像中的道路有明顯的邊緣。

（3）拓?fù)涮匦裕旱缆吠尸F(xiàn)為網(wǎng)狀結(jié)構(gòu)，一般是貫通的、連續(xù)的。

（4）功能特征：道路分為快速路、主干路、次干路和支路。主干路是城市道路的骨架，主要功能是交通運(yùn)輸;次干路兼有服務(wù)功能;支路起疏散交通的作用。

（5）上下文特征：上下文特征分為局部和全局，局部上下文特征指的是道路兩旁的信息，如樹木。全局上下文特征指的是道路所處的區(qū)域，如鄉(xiāng)村、田野、城區(qū)等。

3 圖像處理基礎(chǔ)理論

3.1 灰度直方圖

灰度圖像的直方圖（簡稱灰度直方圖）是一種表示數(shù)字圖像中各級(jí)灰度值與其出現(xiàn)頻率關(guān)系的函數(shù)，可以看作是像素灰度值出現(xiàn)的概率函數(shù)圖。灰度直方圖的橫軸表示像素的灰度級(jí)別，范圍為0～255，共256個(gè)灰度級(jí)別;縱坐標(biāo)表示各個(gè)灰度級(jí)別出現(xiàn)的概率。若灰度圖像的灰度級(jí)范圍為[0，L-1]，則灰度圖像的直方圖定義為

式中，rk是第k級(jí)灰度值，nk是灰度值為rk的像素個(gè)數(shù)，h（rk）是灰度圖像直方圖的離散函數(shù)。

在觀察彩色遙感圖像的灰度直方圖時(shí)，首先把彩色圖像轉(zhuǎn)化為灰度圖像，如圖1所示，然后再顯示灰度圖像的直方圖，如圖2所示。

3.2 閾值分割技術(shù)

閾值分割是圖像分割方法中較為簡單的一種，因其實(shí)現(xiàn)較為簡單且性能穩(wěn)定而成為應(yīng)用最廣泛的分割方法。設(shè)圖像的灰度直方圖的灰度級(jí)范圍為[0，L-1]，灰度級(jí)為k時(shí)，像素為nk，則該圖像的總像素?cái)?shù)N可表示為

灰度級(jí)出現(xiàn)的概率為

目標(biāo)與背景有較大差異時(shí)，圖像的灰度直方圖往往會(huì)出現(xiàn)兩個(gè)雙峰的情況，此時(shí)圖像可大概分為兩個(gè)部分。在此情況下，從背景中提取目標(biāo)首先要確定閾值。在灰度直方圖中，左側(cè)的山峰對(duì)應(yīng)背景，右側(cè)的山峰對(duì)應(yīng)目標(biāo)，所以要選取兩個(gè)山峰之間的谷底對(duì)應(yīng)的灰度值T作為閾值。在進(jìn)行直方圖分割時(shí)，判決條件如下：

（1）灰度值Ti大于或等于閾值T時(shí)，判決為目標(biāo);

（2）灰度值小于閾值T時(shí)，判決為背景。

即對(duì)于圖像f（x，y），基于閾值的圖像分割方法可以定義為

也可以定義為

其中，g（x，y）為分割出的二值圖像。

3.3 非線性平滑濾波圖像增強(qiáng)方法——中值濾波法

中值濾波是一種去除噪聲的方法，是非線性濾波器，能夠有效地保留圖像的邊緣信息。中值濾波的原理是利用中值濾波窗口，取窗口所覆蓋區(qū)域的所有灰度值中的中間值，用中間值代替所覆蓋區(qū)域中心像素點(diǎn)的灰度值。

中值濾波器可以定義為

式中，f（x，y）表示圖像中位于（x，y）點(diǎn)的灰度值，g（x，y）表示濾波窗口所覆蓋區(qū)域?yàn)锳的中值濾波結(jié)果。

中值濾波法大致有三種實(shí)現(xiàn)方法：

（1）直接選擇特定窗口濾波;

（2）先使用小窗口濾波，再使用大窗口濾波;

（3）先使用一維濾波，再使用二維濾波。

利用中值濾波法的過程可簡單敘述如下，先選定窗口的形狀并根據(jù)窗口形狀確定窗口的中心像素在圖像上的重合方式，然后利用窗口進(jìn)行掃描并且將掃描到灰度值按大小進(jìn)行排列，然后找到中間灰度值，最后把中間灰度值賦值給窗口中心像素。

3.4 灰度形態(tài)學(xué)的基本運(yùn)算

3.4.1 灰度腐蝕

假設(shè)灰度圖像用A表示，結(jié)構(gòu)元素用B表示，則用結(jié)構(gòu)元素B對(duì)灰度圖像A進(jìn)行灰度腐蝕的過程為：

（1）將結(jié)構(gòu)元素B的原點(diǎn)重疊在灰度圖像A的中心元素上。

（2）依次用灰度圖像A的中心元素減去B的各個(gè)元素并將計(jì)算結(jié)果放在對(duì)應(yīng)位置上。

（3）將結(jié)構(gòu)元素B的原點(diǎn)移動(dòng)到與原始圖像A的中心元素相鄰的8個(gè)元素上進(jìn)行（2）的相同操作，得到8個(gè)結(jié)果。

（4）取步驟（2）和步驟（3）所得到的9個(gè)結(jié)果的最小值，此最小值即為腐蝕結(jié)果。

按以上步驟依次計(jì)算，即可得到圖像A的腐蝕結(jié)果。

灰度腐蝕的運(yùn)算是逐像素點(diǎn)進(jìn)行的，求某像素點(diǎn)的腐蝕結(jié)果即求在該像素點(diǎn)和其附近的8個(gè)像素點(diǎn)與結(jié)構(gòu)元素中的對(duì)應(yīng)位置進(jìn)行相減運(yùn)算，運(yùn)算對(duì)得到9個(gè)結(jié)果，其中的最小值即為該像素點(diǎn)的灰度腐蝕結(jié)果。

3.4.2 灰度膨脹

假設(shè)灰度圖像用A表示，結(jié)構(gòu)元素用B表示，則用結(jié)構(gòu)元素B對(duì)灰度圖像A進(jìn)行腐蝕的過程如下：

（1）將結(jié)構(gòu)元素B的原點(diǎn)重疊在灰度圖像A的中心元素上。

（2）依次用灰度圖像A的中心元素加上結(jié)構(gòu)元素B的各個(gè)元素并進(jìn)行相加計(jì)算，并將計(jì)算結(jié)果放到對(duì)應(yīng)位置上。

（3）將結(jié)構(gòu)元素的原點(diǎn)移動(dòng)到與原始圖像的中心元素相鄰的8個(gè)元素上進(jìn)行（2）的相同操作，得到8個(gè)結(jié)果。

（4）取步驟（2）和步驟（3）所得到的9個(gè)結(jié)果的最大值，此最大值即為膨脹結(jié)果。

（5）按以上步驟依次計(jì)算，即可得到圖像A的腐蝕結(jié)果。

灰度膨脹的運(yùn)算是逐像素點(diǎn)進(jìn)行的，求某像素點(diǎn)的膨脹結(jié)果即求在該像素點(diǎn)和其附近的8個(gè)像素點(diǎn)與結(jié)構(gòu)元素中的對(duì)應(yīng)位置進(jìn)行相加運(yùn)算，運(yùn)算對(duì)得到9個(gè)結(jié)果，其中的最大值即為該像素點(diǎn)的灰度腐蝕結(jié)果。

3.4.3 灰度開運(yùn)算

假設(shè)結(jié)構(gòu)元素用b表示，灰度圖像用f表示，則用結(jié)構(gòu)元素b對(duì)灰度圖像f進(jìn)行灰度開運(yùn)算可表示為

灰度開運(yùn)算的過程為：在灰度圖像下方滑動(dòng)結(jié)構(gòu)元素，在每個(gè)像素點(diǎn)計(jì)算結(jié)構(gòu)元素上的最高點(diǎn)，最高點(diǎn)的集合即為開運(yùn)算的結(jié)果。

灰度開運(yùn)算能夠去除灰度圖像中的較小的明亮細(xì)節(jié)，保持整體灰度不變的作用。

3.4.4 灰度閉運(yùn)算

假設(shè)結(jié)構(gòu)元素用b表示，灰度圖像用f表示，則用結(jié)構(gòu)元素b對(duì)灰度圖像f進(jìn)行灰度閉運(yùn)算可表示為

灰度閉運(yùn)算的過程為：在灰度圖像下方滑動(dòng)結(jié)構(gòu)元素，在每個(gè)像素點(diǎn)計(jì)算結(jié)構(gòu)元素上的最低點(diǎn)，最低點(diǎn)的集合即為閉運(yùn)算的結(jié)果。

灰度閉運(yùn)算能夠去除圖像中比較暗的細(xì)節(jié)部分，能夠保持明亮區(qū)域。

4 基于閾值分割和形態(tài)學(xué)的道路提取方法

4.1 道路提取流程和步驟

本文研究的是直方圖和數(shù)學(xué)形態(tài)學(xué)結(jié)合的方法，流程圖如3所示。

具體操作步驟為：（1）將彩色遙感道路圖像轉(zhuǎn)換成灰度圖像。（2）顯示灰度直方圖，觀察灰度直方圖并選擇合適的閾值。（3）根據(jù)所選擇的閾值進(jìn)行圖像分割，得到大致道路圖像。（4）選擇合適的中值濾波模板濾除初始道路圖像中的小顆粒噪聲。（5）利用形態(tài)學(xué)處理中值濾波后的圖像，粘連道路并去除非道路信息。（6）圖像疊加。本設(shè)計(jì)流程中，選擇合適的閾值是進(jìn)行圖像分割的關(guān)鍵，而且選擇合適的中值濾波模板和選擇合適的結(jié)構(gòu)元素也同樣重要。選擇閾值要觀察灰度直方圖或借助數(shù)學(xué)方法，選擇中值濾波模板和選擇結(jié)構(gòu)元素需要借助實(shí)驗(yàn)進(jìn)行觀察實(shí)驗(yàn)后的效果。

4.2 遙感圖像道路信息提取的具體方案

4.2.1 彩色遙感圖像灰度化

將彩色圖像轉(zhuǎn)化為灰度圖像通常有三種處理方法，分別為最大值法、平均值法和加權(quán)平均值法。假設(shè)彩色圖像用f（x，y）表示，灰度圖像用g（x，y）表示，每個(gè)像素的分量為R、G、B。

（1）最大值法用公式可以表示為

（2）平均值法用公式可以表示為

（3）加權(quán)平均值法可以表示為

4.2.2 閾值分割提取初始道路

觀察圖4中原始圖像的灰度直方圖，選擇合適的閾值，把初始道路提取出來?；叶戎狈綀D如圖5所示。

由圖5所示的灰度直方圖可以觀察得到：該灰度圖像的直方圖有兩個(gè)明顯的山峰，左邊的山峰較高而且山比較寬，右邊的山峰較低而且山較窄。結(jié)合灰度圖像可以發(fā)現(xiàn)，圖像中有兩個(gè)明顯的特征，分別為道路和道路兩旁的植被，而且道路兩旁的植被在該灰度圖像中所占的區(qū)域比較大。由此可以推斷出，左邊的山峰對(duì)應(yīng)圖像中的植被，右邊的山峰對(duì)應(yīng)圖像的道路。

閾值應(yīng)當(dāng)選取為兩個(gè)山峰之間的山谷，經(jīng)過觀察圖5選擇閾值為T=110，提取灰度值大于110的圖像即為初始道路圖像。初始道路圖像如圖6所示。

4.2.3 中值濾波去除顆粒噪聲

由于受光照、反射、陰影等客觀因素的影響，衛(wèi)星在獲取圖像的過程中會(huì)出現(xiàn)同一類別的區(qū)域（如植被）的顏色不統(tǒng)一，這就會(huì)造成灰度值的差別。所以在閾值分割后的初始道路中會(huì)出現(xiàn)大量的顆粒噪聲。

中值濾波器能夠很好地消除圖像中的顆粒噪聲。選擇合適的中值濾波模板是進(jìn)行中值濾波的關(guān)鍵，中值濾波器的模板選擇通常借助實(shí)驗(yàn)的方法。

4.2.4 數(shù)學(xué)形態(tài)學(xué)處理

雖然初始道路圖像經(jīng)過中值濾波消除了大量的顆粒噪聲，但是在圖像中依然存在大量的道路間斷和道路孔洞。由數(shù)學(xué)形態(tài)學(xué)理論分析可知，開運(yùn)算能夠消除兩個(gè)物體間的粘連，閉運(yùn)算能夠連接間斷道路和填充孔洞。

4.2.5 最終道路提取效果

將開運(yùn)算處理后的結(jié)果與原始彩色遙感圖像疊加，道路的顏色為白色，得到最終的遙感圖像道路信息提取效果如圖7所示。

5 結(jié)論

本文所研究的遙感道路提取方法的主要步驟有：圖像灰度化、閾值分割、中值濾波、開運(yùn)算和閉運(yùn)算和圖像疊加。將彩色圖像灰度化能夠加快圖像處理的速度，而且中值濾波器能夠?yàn)V除圖像中大量的顆粒噪聲。在研究中，閾值的選取是非常重要的，選擇爭取的閾值是后續(xù)研究的基礎(chǔ)。在后續(xù)的中值濾波器的設(shè)計(jì)中，設(shè)置合適的中值濾波模板也同樣重要。本文通過MATLAB圖像處理平臺(tái)，驗(yàn)證了本文研究的道路提取方法的有效性。

參考文獻(xiàn)：

[1]李華勝.基于遙感影像的道路信息提取方法研究[D].內(nèi)蒙古工業(yè)大學(xué)，2015.

[2]李潤生，曹聞.基于視覺顯著性特征的遙感影像道路網(wǎng)提取方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2014，23（8）：114-118.

[3]闕昊懿.基于遙感圖像的城市道路及車輛信息采集研究[D].湘潭大學(xué)，2014.

[4]李俊山，等.數(shù)字圖像處理（第三版）[M].北京：清華大學(xué)出版社，2017：1-278.

[5]Wijesingha J.S.J.， Kumara R.W.D.M.， Kajanthan P.， et al. Automatic Road Feature Extraction from High Resolution Satellite? Images Using LVQ Neural Networks[J]. Asian Journal of Geoinformation， 2013，13（1）：30-36.

[6]Alex D.M.. Robust and Efficient Method to Extract Roads from Satellite Images[J]. International Journal of Latest Trends in Engineering and Technology（IJTET）， 2013，2（3）：26-29.

[7]Miao Zelang， Wang Bin， Shi Wenzhong， et al. A Method for Accurate Road Centerline Extraction From a Classified Image[J]. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING，2014，7（12）： 4762-4771.