胥 亞，杜為財，袁立偉，葉榮生

(73603部隊，江蘇南京210049)

一、研究背景及意義

1．概 述

隨著空間遙感技術(shù)的發(fā)展，人們已可以獲取大量的遙感影像。目前，空間遙感技術(shù)已經(jīng)呈現(xiàn)出多平臺、多傳感器、多角度、高空間分辨率、高光譜分辨率、高輻射分辨率及高時相分辨率的特點。相比而言，數(shù)據(jù)應(yīng)用卻遠遠滯后于數(shù)據(jù)獲取。影像處理分析技術(shù)、空間數(shù)據(jù)庫的建立、數(shù)據(jù)挖掘和共享技術(shù)盡管在不斷獲得進展，仍不能滿足現(xiàn)實需求。武漢大學(xué)李德仁院士指出，未來遙感數(shù)據(jù)來源將有所保證，重要的是全力推動數(shù)據(jù)的應(yīng)用。如何從遙感影像上快速、高效地提取地理信息一直是遙感數(shù)據(jù)處理及GIS數(shù)據(jù)獲取的研究熱點，而道路屬性信息的獲取則是其中的重要部分。由于道路是非常重要的基礎(chǔ)地理信息之一，它的識別和精確定位對于遙感測繪中的數(shù)據(jù)獲取、影像理解、地圖制圖以及作為其他地物的參照等都具有十分重要的意義。一份面向三維城市模型建立和使用者的調(diào)查顯示，85%的人對道路網(wǎng)信息感興趣。具體來說，利用遙感影像進行道路的定位和識別對地形圖的測制與更新、GIS數(shù)據(jù)獲取、移動目標(biāo)輔助識別、交通規(guī)劃等具有重要的意義。特別是高分辨率遙感影像的不斷獲取使得人們在較小空間尺度上觀察地表的細節(jié)變化，進行大比例尺遙感測圖，建立較高精度的導(dǎo)航系統(tǒng)以及實現(xiàn)道路的精確定位等成為可能。雖然針對低分辨率遙感影像的道路提取研究已經(jīng)很多，但是在中、高分辨率遙感圖像中，道路具有錯綜復(fù)雜的拓撲結(jié)構(gòu)，在豐富的場景信息以及路面車輛、交通標(biāo)志線、綠化帶或路邊行樹等噪聲的共同影響下，道路提取仍是一項較為困難的工作。

2．研究目的和意義

目前，利用遙感圖像測制和更新基本比例尺地形圖、交通專題圖及地理信息系統(tǒng)數(shù)據(jù)獲取與更新中，道路屬性和相對位置信息的提取仍然是以成熟的目視判讀方法完成的。由于目視判讀方法受判讀人員的知識、經(jīng)驗的影響很大，存在道路屬性信息獲取的精度低、可靠性差、判讀作業(yè)周期長、效率低等問題，一般都需要經(jīng)過實地調(diào)查修改后才能滿足應(yīng)用要求。

從遙感圖像上識別和提取地形要素的屬性信息是攝影測量與遙感領(lǐng)域的重點研究內(nèi)容，也是計算機視覺和圖像理解領(lǐng)域研究內(nèi)容的難點。這一問題吸引了大量的研究人員，也取得了一些先進的成果，并且探討了各種各樣的技術(shù)和方法。然而，由于受到數(shù)學(xué)理論的限制，現(xiàn)有的技術(shù)方法和研究成果還遠沒有達到實用化的階段，尤其是在遙感圖像測制和更新基本比例尺地形圖時地物和目標(biāo)屬性信息提取的應(yīng)用方面，仍然是制約攝影測量與遙感自動化、智能化發(fā)展的“瓶頸”問題。

二、國內(nèi)外研究現(xiàn)狀

國外從20世紀(jì)70年代后期就開始了遙感圖像中道路提取的研究。國內(nèi)由于遙感技術(shù)發(fā)展水平的限制，起步較晚。道路提取是一個多學(xué)科交叉的研究領(lǐng)域，它涉及的領(lǐng)域包括計算機視覺、計算機圖形學(xué)、人工智能、模式識別、測繪學(xué)和數(shù)學(xué)等。隨著所涉及各領(lǐng)域的快速發(fā)展，國內(nèi)在道路提取方面的研究從20世紀(jì)90年代開始進入了一個高速發(fā)展時期。從文獻記載來看，相關(guān)研究涉及的范圍非常廣泛，涵蓋了道路提取的各個方面。其中，相關(guān)的圖像預(yù)處理方法、邊緣提取算法、特征提取算法、網(wǎng)狀模型、Snakes模型、面向?qū)ο蟮姆椒ㄒ约暗缆诽崛〗Y(jié)果的表示和應(yīng)用等是研究的重點。

目前圍繞遙感圖像道路屬性信息提取技術(shù)的研究內(nèi)容很多，就研究現(xiàn)狀和發(fā)展趨勢而言，總體上可以歸納為道路特征模型與提取技術(shù)、半自動道路提取技術(shù)、自動道路提取技術(shù)等3個方面。

1．遙感影像道路特征模型

經(jīng)驗豐富的判讀人員之所以能夠從遙感圖像上很容易的識別地物目標(biāo)的屬性，除了具備相關(guān)理論的支撐和先驗知識之外，很重要的一個原因是能夠很好地分析地物目標(biāo)的影像特征。利用計算機進行交互判讀或自動判讀的研究，影像特征的提取與表達顯得尤為重要。因此，在道路提取技術(shù)的研究中，往往也是先從遙感影像上提取相應(yīng)的道路特征開始的。

總體上來講，各種地物的影像特征都可以概括為輻射特征、光譜特征、幾何特征、紋理特征、相關(guān)特征等幾個方面。但是，不同的地物具有不同的空間分布和質(zhì)地，表現(xiàn)在遙感圖像上的特征差異也很大。就道路而言，Vosselman和Knecht于1995年系統(tǒng)地研究了道路在遙感圖像上的影像特征。綜合近幾年國內(nèi)外研究成果，道路的影像特征可以歸納為以下幾個方面：

(1)幾何特征

道路具有呈長條狀，其長度遠遠大于寬度，在一定區(qū)域范圍內(nèi)道路的寬度變化比較小，曲率有一定的限制，連通性良好等。為了便于計算機計算和表達，通常最感興趣也是最重要的幾何特征是寬度、曲率和圖形。

1)寬度。道路的寬度可以定義為垂直于長度方向的截面尺度。

2)曲率。是指不同等級的道路在不同的地形和環(huán)境條件下，在不同空間分辨率的遙感影像上表現(xiàn)出來的彎曲程度。

3)圖形。一般情況下，道路呈線狀分布，但在道路交叉處會呈現(xiàn)出“T”形、“十”字形及其他圖形形狀。

(2)輻射特征

道路一般有兩條明顯的邊緣，其內(nèi)部灰度均勻穩(wěn)定，具有相似的光譜度量和輻射特征，表現(xiàn)為與其相鄰區(qū)域灰度的反差比較大。在高分辨率影像中，路上的車輛、白線及樹木都會對道路灰度的均勻性造成影響。

(3)拓撲特征

道路一般是相連的，不會突然中斷，并形成路網(wǎng)，具有明顯的規(guī)則性，形成有規(guī)律的拓撲關(guān)系。

(4)上下文特征

上下文特征指的是與道路相關(guān)的地物和背景的影像特征，如道路旁的建筑物和行道樹，是城市道路還是鄉(xiāng)間道路。從整體上看，道路一般連接城市鄉(xiāng)鎮(zhèn)以及其他大型地物。

通過計算機識別這些特征，就可以進行分析，不管是從幾何形狀還是內(nèi)在的結(jié)構(gòu)，通過計算機編寫相應(yīng)的程序，將道路從影像上提取出來，為道路提取提供技術(shù)支持。

2．半自動道路提取研究現(xiàn)狀

一般來說，可以根據(jù)遙感影像道路特征提取的自動化程度分為自動道路特征提取和半自動道路特征提取兩大類。半自動道路特征提取是利用人機交互的方式進行的。其主要思路是人工選擇初始點(種子點)，有些方法也提供初始方向。概括起來，半自動道路提取一般包括4個步驟：

1)道路特征增強;

2)給定道路的種子點;

3)依據(jù)一定的準(zhǔn)則跟蹤和擴展種子點，形成道路段;

4)將道路段連接起來，形成道路網(wǎng)。

針對在高分辨率遙感圖像上半自動的道路提取，國內(nèi)外學(xué)者提出了很多方法，例如動態(tài)規(guī)劃法、Snakes模型法等，而基于影像分割與邊緣檢測相結(jié)合的思想是目前利用高分辨率遙感圖像進行道路提取應(yīng)用較多的方法。其中影像分割主要是針對影像中的面狀單元提取，以分割成不同的塊單元，以此為基礎(chǔ)并根據(jù)各種特征信息進行提取。

Vosselman等人提出最小二乘模板匹配方法，該方法在給定特征點初始位置、方向及道路寬度的條件下，假設(shè)道路的曲率沒有發(fā)生變化，以最小二乘法估計給定的道路表面和與圖像道路輪廓線之間的幾何變形參數(shù)，進而確定圖像上曲線的具體參數(shù)得到道路的數(shù)學(xué)表示，并將結(jié)果用線性卡爾曼濾波作進一步處理，用以更新描述道路的位置和形狀參數(shù)。

Geman等針對分辨率為10 m的Spot影像道路，提供道路的起始點和初始方向，并且假定道路的曲率變化很小，建立一個幾何模型，利用道路內(nèi)部灰度的均勻性以及與其他地物灰度的較大差異建立統(tǒng)計模型，再利用信息熵進行假設(shè)檢驗，從而將道路部分提取出來。其缺點是影像分辨率低，并且只有在道路灰度與其他地物灰度相差較大的情況下才能達到較好的提取效果。

Lin Zongjian等將Snakes或Active Contour模型引入道路提取中，用一個能量函數(shù)來描述遙感影像道路目標(biāo)的灰度梯度特性、灰度連續(xù)性及平滑性，并通過求取能量函數(shù)的極值點來獲得道路目標(biāo)的各個參數(shù)。

Trinder在使用Active Contour模型的基礎(chǔ)上，引入了模擬退火的思想，利用模擬退火的搜索能力解算道路近似位置的B樣條表示參數(shù)，從而獲取道路的位置信息。

Gruen等人提出了最小二乘B樣條Snakes模型算法，這是目前在道路提取中用的比較多的算法。首先給定道路的種子點，再根據(jù)種子點的初始位置按照最小二乘法建立B樣條曲線，在給定的寬度條件下，得到一條初始道路。最后根據(jù)Snakes方法進行特征判斷，得到道路的中心線。

3．自動道路提取研究現(xiàn)狀

自動道路提取方法包括道路特征的自動識別和幾何特征的自動定位，在實際應(yīng)用的過程中分為3個步驟進行：

1)通過各種針對影像道路提取的方法獲取道路的基本特征;

2)依據(jù)步驟1)的結(jié)果制定相應(yīng)的規(guī)則來獲取道路的種子點，這些種子點要具有比較豐富的道路影像特征;

其中，傘形集果筒由合頁與搭扣固定，傘形集果筒的合頁與搭扣對應(yīng)安裝位置開通孔，合頁與搭扣通過螺釘，螺栓固定在傘形集果筒上。傘形集果筒如圖2所示。

3)按照影像特征制定相關(guān)的判別準(zhǔn)則，這些種子點擴展為道路段，將合理的道路段連接形成道路網(wǎng)，剔除不合理或者錯誤的道路段。

一般而言，自動提取方法都是針對特定的影像，在整個理解過程中還會綜合應(yīng)用到計算機視覺、人工智能、模式識別等知識。以下是一些具有代表性的自動道路提取方法：

1)Rajeswari和Gurumurthy等提出一種基于自動水平集、規(guī)范割以及均值漂移的道路自動提取方法。首先對圖像進行預(yù)處理，以提高圖像的適應(yīng)性，降低建筑物等帶來的噪聲;然后采用上述3種方法進行道路提取;最后通過手動提取道路評價3種方法提取結(jié)果的精度。

2)Jiangye Yuan等提出了一種從衛(wèi)星圖像上自動提取道路的方法，核心是一種名為局部響應(yīng)與全局抑制振蕩網(wǎng)絡(luò)的方法(LEGION)，該方法將道路提取分為3個階段：①圖像用LEGION法對圖像進行分割;②計算每個分割對象的中軸點，選擇狹窄區(qū)域的中軸點;③ 道路分組階段，建立中軸點之間的依賴關(guān)系，利用LEGION算法組合排列較好的中軸點形成道路。

3)Chaudhary等提出了一種從高分辨率影像上提取道路的方法，所用影像為IKONOS影像。該方法采用了多分辨率影像金字塔策略，集合了高斯模糊、一個一維的邊緣檢測模板濾波器、線性分組和多層集合的方法，提取了道路中心線和非道路中心線。最后通過幾何和光度特征判斷結(jié)果是否為道路中心線，也可以通過高層次金字塔圖像判斷中心線的屬性。

4．道路提取研究發(fā)展趨勢

就遙感影像道路提取技術(shù)而言，還有很多技術(shù)難題沒有得到解決?？偨Y(jié)前面的論述，不難發(fā)現(xiàn)其主要特點是：采用的道路特征和模型逐步細化和復(fù)雜，多數(shù)方法是以現(xiàn)有成熟技術(shù)為基礎(chǔ)逐步改化而成，還沒有形成一套具有適應(yīng)性強、達到實用化程度的技術(shù)體系和方法。

隨著遙感影像數(shù)字處理技術(shù)的不斷進步以及處理方法的不斷豐富，道路提取工作當(dāng)前已經(jīng)取得了很大的進展。綜合國內(nèi)外研究現(xiàn)狀，遙感影像道路提取技術(shù)目前呈現(xiàn)如下的發(fā)展趨勢：

(1)多方法多步驟集成的道路提取方法

單一的道路提取方法往往存在不足，或只對某一類影像有效，因此在完善單一提取方法的同時，應(yīng)該根據(jù)各種提取方法的優(yōu)缺點設(shè)計新的提取思路，取長補短以達到更好的提取效果。

(2)多傳感器圖像融合提取道路方法

單一傳感器獲取的圖像往往存在不足，尤其是SAR圖像在提取道路網(wǎng)絡(luò)時，受到噪聲的影響，提取結(jié)果總是斷斷續(xù)續(xù)的，而且有很多虛假檢測。在多平臺傳感器的支持下，獲取同一地區(qū)的不同類型影像已非難事，這些數(shù)據(jù)之間存在一定的冗余和互補。有機地融合不同類型的遙感影像，獲得道路特征更加明顯的影像以簡化提取的難度。

(3)道路提取算法和定位技術(shù)智能化

隨著計算機技術(shù)、人工智能以及模式識別技術(shù)的發(fā)展，智能算法和圖像處理技術(shù)逐步融合以模仿人腦的思維方式，借鑒人腦的認知過程和邏輯分析能力，并應(yīng)用到道路提取中是將來道路提取的重要發(fā)展方向。借助專家系統(tǒng)和智能算法，結(jié)合人機交互的模式進行匹配，提高道路特征提取的速度和精度，增強算法在復(fù)雜條件下的適應(yīng)能力和匹配能力，是未來道路提取的發(fā)展趨勢。

[1]VOSSELMAN G，KNECHT J．Road Tracing by Profile Matching and Kalman Filtering，Automatic Extraction of Manmade Objects from Aerial and Space Images[M]．[S．l．]：Birkhauser verlag，1995：265-274．

[2]GEMAN D，JEDYNAK B．An Active Testing Model for Tracking Roads in Satellite Images[J]，IEEE transaction on pattern Analysis and Maehine Intelligenee，1996，18(1)：1-14．

[3]LIN Zongjian，LIU Shaochuang．Road Extraction from Aerial Images by Snakes Method[J]．Journal of Wuhan Technical University of Surveying and Mapping，1996(3)．

[4]TRINDER J，MAULIK U，BANDYOPADHYAY S．Semiautomated Feature Extraction Using Simulated Annealing[J]．International Archives of Photogrammetry and Remote Sensing，2000，33(3/2)：905-908．

[5]GRUEN A．Adaptive Least Squares Correlation-A Powerful Image Matching Technique[J]．South African Journal of Photogrammetry，Remote Sensing and Cartography，1985，14(3)：175-187．

[6]史文中，朱長青，王昱．從遙感影像提取道路特征的方法綜述與展望[J]．測繪學(xué)報，2001，30(3)：257-262．

[7]林宗堅，劉政榮．從遙感影像提取道路信息的方法評述[J]．武漢大學(xué)學(xué)報信息科學(xué)版，2003，28(1)：90-93．

[8]張道兵，王宏琦，劉波．遙感彩像道路提取研究算法綜述[C]∥中國科學(xué)院電子研究所2006年青年學(xué)術(shù)交流會議論文集．北京：[s．n．]，2006：358-363．