馬符訊，徐　南,席瑞杰，翟　然

(1.武漢大學(xué) 衛(wèi)星導(dǎo)航定位技術(shù)研究中心，湖北 武漢 430079；2.清華大學(xué) 地球系統(tǒng)科學(xué)研究中心，北京 100084；3.武漢大學(xué) 測繪學(xué)院，湖北 武漢 430079；4.中國科學(xué)院 地理科學(xué)與資源研究所，北京 100049)

?

基于灰度和方向一致性的遙感影像道路網(wǎng)提取

馬符訊1，徐南2,席瑞杰3，翟然4

(1.武漢大學(xué) 衛(wèi)星導(dǎo)航定位技術(shù)研究中心，湖北 武漢 430079；2.清華大學(xué) 地球系統(tǒng)科學(xué)研究中心，北京 100084；3.武漢大學(xué) 測繪學(xué)院，湖北 武漢 430079；4.中國科學(xué)院 地理科學(xué)與資源研究所，北京 100049)

摘要：從遙感影像中提取道路網(wǎng)是一個經(jīng)典課題，根據(jù)遙感影像中的道路具有灰度和方向一致性的特征，提出一種從遙感影像中提取道路網(wǎng)的新方法。首先根據(jù)遙感影像的灰度信息和方向方差信息建立灰度和方向一致性準則分割模型，由此可從遙感影像中提取基本的道路網(wǎng)輪廓，然后再針對道路區(qū)域存在非道路點：空洞和裂縫等情況，采用膨脹、腐蝕等操作去除雜亂物塊，最后通過數(shù)學(xué)形態(tài)學(xué)操作提取出道路網(wǎng)。實驗結(jié)果表明，該方法能夠適用道路、建筑物、植被等多種復(fù)雜地物的城市遙感影像中提取道路網(wǎng)，且能獲得較好地提取效果。

關(guān)鍵詞：道路網(wǎng)；遙感影像；方向一致性；分割

隨著空間科學(xué)技術(shù)的迅速發(fā)展，遙感影像的獲取越來越方便，其多學(xué)科應(yīng)用也日益廣泛，如何充分利用遙感圖像的高分辨率特征快速提取和識別目標地物成為目前遙感領(lǐng)域的一個熱點問題[1-4]。遙感影像中的目標分為點狀目標、線狀目標、面狀目標，其中線狀目標提取在目標提取中扮演承上啟下的作用，而道路網(wǎng)是一種重要典型的道路網(wǎng)，因此從遙感影像中提取道路網(wǎng)具有重要意義[5-8]。很多監(jiān)督分類方法和非監(jiān)督分類方法存在結(jié)果不穩(wěn)定，運算速度慢等特點，本文采用的方法可根據(jù)遙感影像中道路影像的灰度均值和方向方差信息確定分割閾值，大大提高計算效率，分類結(jié)果也比較穩(wěn)定。

1分割模型的建立

在高分辨率遙感影像中，道路、建筑物等人造地物光譜信息相似，如果僅僅考慮光譜信息，使用灰度信息進行分割則會造成道路和建筑物的分類混淆，這就是異物同譜的現(xiàn)象?？紤]道路往往呈現(xiàn)出線狀特征，其表現(xiàn)為沿道路方向具有較高的方向灰度一致性[9]，然后使用方向模板內(nèi)一定數(shù)量像素的灰度方差來衡量方向灰度一致性，本文最終綜合使用像素灰度特征和方向一致性特征作為分割標準來構(gòu)建分割模型。

1.1灰度分割

閾值法是一種簡單有效的影像分割方法，在圖像分割領(lǐng)域起著重要的作用[10]。閾值法是把圖像空間劃分為若干有意義的區(qū)域，其中各個區(qū)域內(nèi)部的灰度級是均勻的，而區(qū)域之間的灰度級則不相同。閾值分割分為單閾值分割和多閾值分割。單閾值分割是一種典型的分割方法，將圖像分為兩類，即滿足f(x,y)>T和f(x,y)<=T的兩類像素，此方法廣泛用于機器視覺、醫(yī)學(xué)影像分析、遙感影像處理等方面。而多閾值分割選擇多個閾值，把灰度范圍劃分為幾段，每個段內(nèi)的像素組成一類，將圖像分為多個灰度級的不同區(qū)域。

1.2分割特征建立

綜合使用某點像素灰度特征和方向一致性特征作為該點的分割特征。則影像中各個像元的特征表示為T(i,j)=(g,σ2)，其中g(shù)為灰度值，σ2為該像素點沿最佳方向一致性，使用方向模板方差衡量[11]。在高分辨率遙感影像中，道路通常對應(yīng)為十幾到幾十像素的寬度，并且沿道路方向通常對應(yīng)灰度分布均勻的特點。利用此特點，可以建立一個長條形模板，對于每個像素點，將長條形模板在[0°，360°]方向內(nèi)取一定角度的步長旋轉(zhuǎn)，計算長條形內(nèi)對應(yīng)像素的灰度均方差。

對于像素點(i,j)，計算灰度均值m和灰度方差σ2，即

(1)

(2)

式中：(2r+1)和(L+1)分別為矩形模板的長和寬；i′，j′為矩形模板對應(yīng)的所有點位置。

其中

θ為模板方向；p(i′,j′)為位置(i′,j′)所對應(yīng)像素灰度；m(i,j,L,θ)為像素點(i,j)在方向θ上所對應(yīng)灰度均值；σ(i,j,L,θ)為像素點(i,j)在方向θ上所對應(yīng)的灰度均方差。本文考慮到計算量的緣故，取矩形模板寬度為1，長度要求大于影像最寬道路寬度的1.5倍，而且必須大于影像中平均建筑物的長度和寬度。

1.3綜合方向一致性分割

各個像素點特征可以使用一個二維向量T(i,j)=(g,σ2)，通過此特征向量可以對遙感影像進行分類。很多監(jiān)督分類方法如神經(jīng)網(wǎng)絡(luò)、支持向量機和非監(jiān)督分類方法如K均值分類方法等都可以應(yīng)用于該問題，不過上述方法存在結(jié)果不穩(wěn)定，運算速度慢等特點，本文采用多閾值法的方法替代上述方法，即可以根據(jù)遙感影像中某塊道路影像的灰度均值和方向方差信息確定分割閾值，此方法可以大大提高計算效率，而且可以得到穩(wěn)定不變的分類結(jié)果。具體的分類模型：

2后處理得到道路網(wǎng)

圖1　實驗影像1

根據(jù)建立的分割模型，基本能夠分出影像中的道路區(qū)域，但是多次試驗發(fā)現(xiàn)仍然有不少非道路點被錯分為道路點，即使已分出的道路區(qū)域也往往存在空洞和裂縫。因此，首先需要去除分割結(jié)果中面積小于給定閾值的區(qū)域，然后使用膨脹操作填充道路中的空洞和連接微小裂縫，最后使用腐蝕操作細化道路得到最終的道路網(wǎng)。本文所做的兩個道路網(wǎng)提取實驗，圖1(實驗影像1)取自Google Earth中北京市城區(qū)的一塊影像，圖5(實驗影像2)是取自南京市城區(qū)的一塊影像。圖2是通過利用灰度和方向一致性準則設(shè)定閾值分割得到的影像，圖3是去除微小地物并填充空洞之后的結(jié)果，圖4是在圖3的基礎(chǔ)上進行細化得到的最終道路網(wǎng)。

圖2　利用灰度和方向一致性準則分割結(jié)果

圖3　膨脹操作后圖像

圖4　實驗影像1提取出的道路網(wǎng)

圖5　實驗影像2分割圖

圖6　實驗影像2道路網(wǎng)

圖5(實驗影像2)是取自南京市城區(qū)的一塊影像，中間步驟與實驗影響1同理，直接將分割結(jié)果和最終道路網(wǎng)展現(xiàn)出來，其利用灰度和方向一致性準則分割結(jié)果和提取出的道路網(wǎng)如圖5和圖6所示。

3結(jié)論

本文主要針對城市遙感影像中各種道路的提取，將灰度信息和方向誤差信息描述影像作為像元特征，選擇合適的分割閾值，將影像分為道路點和非道路點。然后去除較小物塊，使用膨脹算法填充微小的空洞，最后使用細化算法提取出道路網(wǎng)。實驗結(jié)果表明，本文提出的方法具有較高的提取精度，能夠較好地分開地面上的道路點和非道路點，具有較好地效果，可用于快速更新城市道路信息。

參考文獻：

[1]HU Jiuxiang.Road network extraction and intersection detection from aerial images by tracking road footprints[J]. Geoscience and Remote Sensing,IEEE Transactions on 45.12 (2007)：4144-4157.

[2]韋春桃,呂健剛,楊先武，等.一種利用方向模板的遙感影像道路提取方法[J].桂林理工大學(xué)學(xué)報,2010,30(3):378-383.

[3]趙曉鋒.高分辨率遙感影像城區(qū)道路提取方法研究[D].武漢：華中科技大學(xué),2010.

[4]李峰，崔希民，劉小陽，等.機載LiDAR點云提取城市道路網(wǎng)的半自動方法[J].測繪科學(xué)，2015，40(2)：88-92.

[5]向晶,周紹光,陳超.基于改進高斯混合模型的遙感影像道路提取[J].測繪工程,2014,23(3):42-45.

[6]林祥國，田雷，王家民，等.改進角度紋理特征提取高分辨率遙感影像帶狀道路[J].測繪科學(xué)，2015，40(5)：55-59.

[7]付曉,嚴華,賀新.基于遙感圖像的河流提取方法及應(yīng)用研究[J].人民黃河,2014(3):10-12.

[8]徐涵秋,杜麗萍.遙感建筑用地信息的快速提取[J].地球信息科學(xué)學(xué)報,2010(4):574-579.

[9]李靖涵，武芳，鞏現(xiàn)勇,等.居民地增量更新中方向一致性評價方法研究[J].測繪科學(xué)技術(shù)學(xué)報,2014(6):641-646.

[10] 韓思奇,王蕾.圖像分割的閾值法綜述[J].系統(tǒng)工程與電子技術(shù),2002,24(6):91-94.

[11] 徐勇,周紹光,施海亮，等.基于長度和方向一致性的IKONOS圖像城市道路提取方法研究[J].遙感信息,2007(3):58-61.

[責任編輯：李銘娜]

Extraction of road network from sensing image based on the consistency of gray and the orientation coherence

MA Fuxun1，XU Nan2，XI Ruijie3，ZHAI Ran4

(1.Research Center of GNSS,Wuhan University,Wuhan 430079,China；2.Center of Earth System Sciences，Tsinghua University,Beijing 100084,China;3.School of Geodesy and Geomatics,Wuhan University,Wuhan 430079，China;4.Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100049,China)

Abstract：Road network extraction from remote sensing image is a classic problem.According to the roads’ consistency of gray scale and orientation coherence of remote sensing image,this paper proposes a new method of road network’s extraction from remote sensing images.Firstly,in order to get the basic outline of the road network,this paper establishes a gray and orientation coherence criterion segmentation model by means of gray scale and directional variance information of remote sensing image.Because the road network outline exists non-road points,holes and cracks,this paper uses the methods of expansion,corrosion and others to remove clutter blocks.Finally, this paper uses the mathematical morphological operation to extract road network.The result shows,this extraction of road network method can be applied to the complex urban remote sensing image including roads,buildings,plants and other objects,and can obtain good effect of road extraction.

Key words：road network；remote sensing image；orientation coherence；segmentation

DOI:10.19349/j.cnki.issn1006-7949.2016.09.003

收稿日期：2015-04-29；修回日期：2015-05-30

基金項目：國家自然科學(xué)基金資助項目(41374033)

作者簡介：馬符訊(1992-)，男，碩士研究生.

中圖分類號：F291.1

文獻標識碼：A

文章編號：1006-7949(2016)09-0012-03