李衛(wèi)東，陳永楓，楊 陽，李潤生

國外遙感影像道路網(wǎng)提取研究現(xiàn)狀

李衛(wèi)東1，陳永楓1，楊 陽1，李潤生2

（1.解放軍第153醫(yī)院信息科，鄭州 450002；2.解放軍信息工程大學(xué)，鄭州 450001）

交叉口是道路網(wǎng)中重要組成部分，對道路網(wǎng)拓?fù)浣Y(jié)構(gòu)組建及道路高層信息處理意義重大。本文對現(xiàn)階段國內(nèi)外遙感影像道路交叉口提取現(xiàn)狀進(jìn)行了介紹，介紹了不同算法的特點(diǎn)，為后續(xù)道路網(wǎng)提取工作奠定了理論基礎(chǔ)。

道路提??；遙感影像；研究現(xiàn)狀

1 引言

在過去近四十年中，國內(nèi)外相關(guān)學(xué)者對半自動、自動影像道路提取方法做了大量研究，許多道路提取策略（算法）取得了令人滿意的結(jié)果。這些提取算法綜合利用不同遙感影像上道路所呈現(xiàn)的特征信息制定滿足特定任務(wù)需求的提取規(guī)則或策略，構(gòu)建符合道路特征的道路模型，一般而言，使用的道路特征越豐富，提取結(jié)果越好。根據(jù)道路網(wǎng)提取過程中知識的使用程度，將高分辨率影像道路網(wǎng)提取分為三類：①基于像素的道路網(wǎng)提取；②基于區(qū)域的道路網(wǎng)提取；③基于知識的道路網(wǎng)提取。本節(jié)分別對三種方法的基本原理及國內(nèi)外研究現(xiàn)狀進(jìn)行分析總結(jié)，這部分工作是后續(xù)展開研究的基礎(chǔ)。在遙感影像道路網(wǎng)提取中，準(zhǔn)確地對交叉口位置定位可顯著提高道路網(wǎng)提取的精度和效率。在中低分辨率道路網(wǎng)提取任務(wù)中，交叉口被看作連接3個(gè)或更多道路分支的點(diǎn)對象，在高分辨率影像中，交叉口是具有一定形狀的面對象，無法用點(diǎn)對象對其描述表達(dá)。針對高分辨率影像的道路交叉口提取方法研究是高分辨率遙感影像處理應(yīng)用領(lǐng)域的難點(diǎn)問題，也是長期被研究者忽略的問題。對道路交叉口進(jìn)行檢測是算法的基礎(chǔ)和關(guān)鍵，目前道路交叉口提取方法可分為三類：基于道路的提取方法、基于影像的提取方法、基于知識的提取方法。

2 基于道路的交叉口提取方法

基于道路的交叉口提取方法是先檢測道路，然后根據(jù)道路相交原理獲得交叉口結(jié)點(diǎn)。

Ruiz和Rubio等（2011）提出了一種基于紋理特征描述的自動道路交叉口位置檢測方法［1］，通過機(jī)器學(xué)習(xí)的方法對不同區(qū)域交叉口樣本影像進(jìn)行學(xué)習(xí)，獲取交叉口紋理特征分布特點(diǎn)，然后利用紋理特征描述對影像進(jìn)行分割，通過計(jì)算分割區(qū)域中心軸線交點(diǎn)獲取交叉口位置。

Li和Briggs（2012）采用基于道路的方法提取高分辨率影像交叉口［2］，在影像分割基礎(chǔ)上利用道路幾何特征與寬度不變特征篩選道路段，然后將道路段交點(diǎn)作為道路交叉口。張偉偉和毛政元（2012）提出基于Hough變換的影像道路交叉口提取方法［3］，通過提取同質(zhì)區(qū)域、去除干擾因素地物、Hough直線變換、求直線交點(diǎn)等步驟完成交叉口的定位。

3 基于影像的交叉口提取方法

基于影像的道路交叉口提取方法通過統(tǒng)計(jì)分析影像上道路交叉口的輻射、形狀等特征，構(gòu)造交叉口檢測算子（或模版），利用檢測算子對影像進(jìn)行搜索，獲取交叉口區(qū)域位置?；谟跋竦慕徊婵跈z測方法是目前最常見的方法，包括基于模版匹配的交叉口檢測、基于微分幾何的交叉口檢測等、基于形狀約束的交叉口檢測。

Cheng和Jin等（2012，2013）利用形態(tài)學(xué)方法及形狀識別方法 （Parallelepiped Angular Texture Signature，PATS）直接從SAR影像上提取交叉口并識別其類型［4］。Chai等（2013）利用目標(biāo)結(jié)構(gòu)一致性特點(diǎn)檢測交叉口結(jié)點(diǎn)［5］，算法通過輸入樣本信息、樣本學(xué)習(xí)、監(jiān)督分類、結(jié)果評價(jià)等步驟完成四類交叉口位置的檢測。

李剛（2010）綜合利用影像上道路交叉口區(qū)域灰度、形狀、紋理特征對交叉口進(jìn)行識別［6］，通過預(yù)提取（提取顏色、紋理、方向特征）與識別（區(qū)域標(biāo)記、形狀特征提取分析）兩步完成交叉口的提取。

4 基于知識的交叉口提取方法

基于知識的交叉口提取方法在提取過程中引入外部數(shù)據(jù)（地理坐標(biāo)、高程信息等）作為輔助信息進(jìn)行粗提取，然后利用交叉口自身特征進(jìn)行篩選。張偉偉和毛政元（2012）利用矢量數(shù)據(jù)中提供的幾何與屬性信息提高了提取的準(zhǔn)確率［3］。陳卓等（2013）借助高程信息采用角度紋理信息與Snake算法從LiDAR點(diǎn)云數(shù)據(jù)中提取道路交叉口［6-9］，提取過程需要大量外部數(shù)據(jù)支撐，操作步驟復(fù)雜，且Snake算法提取效果受初始輪廓影響較大，對于大面積影像而言，其收斂速度慢，提取效率較低。

以上三種方法都可對交叉口進(jìn)行檢測，但也存在不足之處?；诘缆返奶崛》椒▽τ跋竦缆诽崛〉木纫蕾囆暂^大，由于目前全自動道路檢測并不成熟，故這種方法適用性較差?；谥R的提取方法需有完備、準(zhǔn)確的外部數(shù)據(jù)支持，目前高分辨率影像更新周期越來越短，矢量、高程等信息很難及時(shí)與影像保持一致，這對提取的效果影響較大?；谟跋竦奶崛》椒ㄖ苯訌挠跋裆汐@取交叉口信息，能充分利用影像原始信息，有一定的實(shí)用價(jià)值。

［1］RuizJ.J.,Rubio T.J.,Urena M.A.Automatic Extraction ofRoad Intersections from Images Based on Texture Characterization［J］.Survey Rev,2011,43(321)：212-225.

［2］Li Y,Briggs R.An Automated System for Image-to-Vector Georeferencing［J］.Cartography and Geographic Information Science,2012,39(4)：199-217.

［3］張偉偉，毛政元.一種面向高空間分辨率遙感影像的路口自動定位新方法［J］.國土資源遙感，2012，1（3）：13-16.

［4］Cheng J.H.,Gao G.,Ku X.S.,Sun J.X.A Novel Method for Detecting and Identifying Road Junctionsfrom High Resolution SAR Images［J］.Journal of Radars,2012,1：100-108.

［5］Chai D,Forstner W,Lafarge F.Recovering Line-Networks in Images by Junction-Point Processes［C］.Computer Vision and Pattern Recognition(CVPR),2013 IEEE Conference on. IEEE,2013：1894-1901.

［6］李剛.遙感圖像中城市道路交叉口提取方法研究［D］.哈爾濱工業(yè)大學(xué)，2010.

［7］陳卓，馬洪超，李云帆.結(jié)合角度紋理信息和Snake方法從LiDAR點(diǎn)云數(shù)據(jù)中提取道路交叉口 ［J］.國土資源遙感，2013，25（4）：79-84.

［8］袁叢洲，張金芳，彭進(jìn).高分辨率遙感影像道路線性要素識別［J］.計(jì)算機(jī)工程與應(yīng)用，2012，48（18）：142-147.

［9］周昀罡.基于知識的道路信息提取方法研究［D］.成都：四川師范大學(xué)，2013.

P237

A

10.3969/j.issn.1001-0270.2015.06.22

2015-06-02