基于Hough變換的高分辨率遙感影像道路提取方法研究

余 峰 余 潔 簡 驍

(1.武漢大學(xué)遙感信息工程學(xué)院，湖北武漢 430079;2.中鐵工程設(shè)計(jì)咨詢集團(tuán)有限公司，北京 100055)

由于道路目標(biāo)復(fù)雜的光譜與形狀特征，在遙感圖像上進(jìn)行道路網(wǎng)提取一直被認(rèn)為是一個(gè)難點(diǎn)，遙感工作者們?yōu)榻鉀Q此問題進(jìn)行了大量不懈的努力［1］?，F(xiàn)有的遙感影像道路提取方法可分為自動(dòng)和半自動(dòng)提取兩類，自動(dòng)提取方法包括道路的自動(dòng)定位和理解，一般由道路段檢測、道路跟蹤、道路連接三個(gè)步驟組成。目前，該方面研究還處于理論研究狀態(tài)，主要是對(duì)某一種類型道路(如高速公路)進(jìn)行識(shí)別，還無法進(jìn)行各類道路的自動(dòng)識(shí)別。半自動(dòng)道路提取則是由人提供初始道路點(diǎn)(有時(shí)還提供初始方向)，在此基礎(chǔ)上進(jìn)行道路的跟蹤、連接、提取。半自動(dòng)提取方法作為當(dāng)前的研究熱點(diǎn)，比較具有實(shí)用意義。

基于Hough變換的道路提取方法是一種半自動(dòng)提取方法，它能有效提取高分辨率遙感影像上直線段道路［2］，但仍存在一定的局限性，如對(duì)影像分割依賴性大、受非道路因素影響大。為克服以上兩點(diǎn)不足，在前人研究的基礎(chǔ)上，分析道路在高分辨率遙感影像上光譜特征與形態(tài)特征，設(shè)計(jì)了一種提高影像分割有效性的交互式道路信息提取方法，提出直線段匹配的方法對(duì)非道路信息進(jìn)行去噪處理，并運(yùn)用Hough變換的方法檢測和提取高分辨率遙感影像上的道路。

1 道路特征分析與提取流程

遙感影像光譜、輻射、空間和時(shí)間特征決定影像的視覺效果，表現(xiàn)形式和計(jì)算特點(diǎn)，并導(dǎo)致物體在影像上的差別。要從影像上提取地物，必須要認(rèn)識(shí)和提取地物的特征。道路在遙感圖像上之所以能和其他地物區(qū)分開來就是因?yàn)榈缆酚衅渥陨淼奶卣?，例如光譜特征、形狀特征，這些特征使得道路在遙感圖像上表現(xiàn)為自身的色調(diào)、反差、形狀、紋理等。這些特征就是道路能夠從高分辨率遙感影像中提取出來的依據(jù)。道路的基本特征有以下幾種。

(1)幾何特征:在高分辨率影像上，道路呈長條狀，其長度遠(yuǎn)大于其寬度，道路的寬度可以識(shí)別并且變化比較小，曲率有一定的限制。

(2)輻射特征:道路一般有兩條明顯的邊緣，其內(nèi)部灰度與其相鄰區(qū)域灰度反差比較大，城市道路有護(hù)欄、天橋、行樹以及汽車等的影響，灰度可能不一致，甚至?xí)钄嗟缆吩谝曈X效果上的連通性。

(3)拓?fù)涮卣?道路一般是相連的，除非到了影像邊緣一般不會(huì)突然中斷，也一般不會(huì)突然冒出一段，一般會(huì)形成道路網(wǎng);這個(gè)特征可以很好地補(bǔ)充輻射特征的不足。

(4)上下文特征:上下文特征指的是與道路相關(guān)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。

為充分利用高分辨率遙感影像上道路輻射特征，設(shè)計(jì)了一種交互式信息提取方法，以提高影像分割效果。然后根據(jù)道路幾何特征，提出直線段匹配的方法對(duì)非道路信息進(jìn)行去噪處理，最后運(yùn)用Hough變換的方法檢測提取高分辨率遙感影像上的道路(如圖1所示)。

圖1 道路提取流程

2 道路提取方法

2.1 交互式道路信息采集

在高分辨率遙感影像上，識(shí)別道路主要是基于道路的光譜特征與形態(tài)特征，這也是道路提取的基礎(chǔ)與出發(fā)點(diǎn)。道路的光譜特征在高分辨率遙感影像上表現(xiàn)為一定的灰度信息，根據(jù)道路的灰度信息對(duì)影像進(jìn)行分割并二值化通常是道路提取的第一步，也是非常關(guān)鍵的一個(gè)步驟?，F(xiàn)實(shí)中道路自身材質(zhì)的復(fù)雜性以及非道路信息(建筑物、汽車、行人)的影響，使得道路在高分辨率遙感影像上表現(xiàn)出灰度的多樣性與復(fù)雜(不純)性。因此，道路信息采集的準(zhǔn)確性與完整性直接影響到后續(xù)處理的各個(gè)環(huán)節(jié)以至最終提取結(jié)果。

當(dāng)前研究道路信息采集的方法大多是由用戶給定一個(gè)道路點(diǎn)和閾值，然后判斷其他像素是否是道路點(diǎn)。這種方法有兩個(gè)缺點(diǎn):一是只給一個(gè)道路點(diǎn)，樣本太少。由于存在同物異譜的現(xiàn)象，有的道路點(diǎn)可能由于材質(zhì)、積水等原因會(huì)被誤認(rèn)為非道路點(diǎn)。二是閾值難于確定。

針對(duì)上述兩個(gè)缺點(diǎn)，采取一種交互式道路信息采集的方法進(jìn)行改進(jìn)。信息采集時(shí)，用戶可以選擇多個(gè)道路區(qū)域，而不是一個(gè)道路點(diǎn)，每個(gè)道路區(qū)域?qū)?yīng)于一種光譜特征的道路，從而解決同物異譜的問題。同時(shí)把每個(gè)道路區(qū)域統(tǒng)計(jì)的方差作為判斷對(duì)應(yīng)道路的閾值，這樣就能較好地解決第二個(gè)問題。

程序設(shè)計(jì)時(shí)，用戶可以隨時(shí)根據(jù)道路情況增加、刪除、融合道路樣本區(qū)域，以提高程序的交互程度。

完成道路信息采集后，需對(duì)影像進(jìn)行二值化。首先對(duì)樣本區(qū)域進(jìn)行統(tǒng)計(jì)分析，獲得道路區(qū)域的灰度平均值MeanValue和標(biāo)準(zhǔn)差m_gray，作為道路樣本的特征值。統(tǒng)計(jì)分析多個(gè)樣本區(qū)域后獲得多個(gè)樣本特征值，而后對(duì)每個(gè)像素用下列公式判斷是否為道路點(diǎn)，符合則設(shè)為1，否則設(shè)為0。

Gray_Value為待判斷像素的灰度值，對(duì)應(yīng)于彩色影像，須每個(gè)顏色分量都滿足上述條件。

通過上述交互式的道路信息采集方法，能夠確保影像中所有道路都能夠被分割出來(不至于被漏掉)，為后續(xù)處理打下基礎(chǔ)。

2.2 直線段匹配去噪

影像分割完成后，如何有效去除非道路信息并保持道路信息非常重要。由于存在異物同譜的現(xiàn)象，許多建筑物的光譜特征與道路類似，道路分割時(shí)也被提取了出來。非道路點(diǎn)會(huì)影響道路的后續(xù)檢測過程，對(duì)道路提取來說是一種噪聲，必須去除掉。

道路點(diǎn)與非道路點(diǎn)最大的區(qū)別在于道路點(diǎn)在道路方向上有較大長度相連的道路點(diǎn)，而非道路點(diǎn)在任何一個(gè)方向上都不可能符合這個(gè)條件。根據(jù)這一特征可以用線段匹配的方法來判斷是否為道路點(diǎn)。

(1)直線段匹配方法

設(shè)定一個(gè)直線段的長度L，對(duì)于每個(gè)像素點(diǎn)(道路分割出來的點(diǎn))，在［0，2π］范圍內(nèi)任一個(gè)方向上，計(jì)算以該點(diǎn)為中心、長度為L的直線段上道路點(diǎn)的個(gè)數(shù)，就相當(dāng)于長度為L的直線段以該點(diǎn)為中心旋轉(zhuǎn)，如果在任何一個(gè)方向上道路點(diǎn)個(gè)數(shù)大于閾值M則是道路點(diǎn)，否則作為非道路點(diǎn)去除。判斷式如下

圖2 直線段匹配原理

上式中MaxSum為任一個(gè)方向上統(tǒng)計(jì)量的最大值，M為一個(gè)設(shè)定的閾值，根據(jù)線段長度L而定，一般設(shè)為(L－2)。其原理如圖2，點(diǎn)A符合道路點(diǎn)的條件保留，點(diǎn)B則不滿足道路點(diǎn)的條件被去除。

(2)算法實(shí)現(xiàn)

根據(jù)上述原理，直線段匹配算法實(shí)現(xiàn)步驟如下:

①給定一個(gè)直線段長度L、閾值M、MaxSum與初始角度θ。

②對(duì)某個(gè)像素點(diǎn)計(jì)算過該點(diǎn)的角度為θ的直線參數(shù)a，b。

③計(jì)算直線段上的點(diǎn)坐標(biāo)(Xi，Yi)。

④判斷像素點(diǎn)(Xi，Yi)是否為道路點(diǎn)，是則Sum加1。

⑤重復(fù)步驟3、4，直到所有直線段上的點(diǎn)計(jì)算完畢，如果Sum大于MaxSum，則MaxSum等于Sum。

⑥改變?chǔ)冉嵌?，重?fù) 2、3、4、5，直到角度2π。

⑦比較MaxSum與M，如果MaxSum大于M則保留該點(diǎn)，否則去除。

2.3 Hough變換檢測道路

經(jīng)過直線段匹配去噪后仍會(huì)有非道路信息存在，為進(jìn)一步提高道路檢測精確性，引入Hough變換檢測直線的方法來檢測道路。

(1)Hough變換原理

Hough變換于1962年由Paul Hough提出，并在美國作為專利被發(fā)表。它所實(shí)現(xiàn)的是一種從圖像空間到參數(shù)空間的映射關(guān)系。直角坐標(biāo)X－Y中的一點(diǎn)(x，y)，經(jīng)過點(diǎn)－正弦曲線對(duì)偶變換

在極坐標(biāo)θ－ρ中變?yōu)橐粭l正弦曲線，θ取(0－180°)?？梢宰C明，直角坐標(biāo)X－Y中直線上的點(diǎn)經(jīng)過Hough變換后，它們的正弦曲線在極坐標(biāo)θ－ρ有一個(gè)公共交點(diǎn)。也就是說，極坐標(biāo)θ－ρ上的一點(diǎn)(θ，ρ)，對(duì)應(yīng)于直角坐標(biāo)X－Y中的一條直線，而且它們是一一對(duì)應(yīng)的。

為了檢測出直角坐標(biāo)X－Y中由點(diǎn)所構(gòu)成的直線，可以將極坐標(biāo)θ－ρ量化成許多小格。根據(jù)直角坐標(biāo)中每個(gè)點(diǎn)的坐標(biāo)(x，y)，在θ=0－180°內(nèi)以小格的步長計(jì)算各個(gè)ρ值，所得值落在某個(gè)小格內(nèi)，便使該小格的累加記數(shù)器加1。當(dāng)直角坐標(biāo)中全部的點(diǎn)都變換后，對(duì)小格進(jìn)行檢驗(yàn)，計(jì)數(shù)值最大的小格，其(θ，ρ)值對(duì)應(yīng)于直角坐標(biāo)中所求直線。

(2)Hough變換檢測道路算法實(shí)現(xiàn)

Hough變換檢測道路算法步驟為:

①在θ－ρ合適的最大、最小值之間建立一個(gè)離散的參數(shù)空間，并建立一個(gè)累加矩陣J(θ，ρ)，每個(gè)元素值為0。

②對(duì)每個(gè)圖像像素點(diǎn)計(jì)算每個(gè)θi對(duì)應(yīng)的ρi，并使J(θi，ρi)值加 1，計(jì)算完所有的圖像像素點(diǎn)。

③在矩陣J中尋找最大值，記錄最大值對(duì)應(yīng)的(θi，ρi)，(θi，ρi)即對(duì)應(yīng)一條道路上的直線。

④設(shè)定一閾值N，保持θi不變，在ρi上下尋找符合條件 J(θi，ρi)－ J(θi，ρ)＞ N 的寬度 K，K 即為(θi，ρi)對(duì)應(yīng)道路的寬度，將寬度K內(nèi)的J(θ，ρ)都置為0。

⑤重復(fù)步驟③，直到矩陣J中的最大值小于一個(gè)給定的MAX值。

一組對(duì)應(yīng)的數(shù)(θi，ρi，Ki)即為一條道路的特征值，分別表示道路的角度，截距和寬度，根據(jù)這些特征值就可以在圖像中描述道路。

3 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)數(shù)據(jù)為GeoEye－1衛(wèi)星影像。GeoEye－1衛(wèi)星是由美國GeoEye公司于2008年9月發(fā)射的一顆迄今技術(shù)最先進(jìn)、分辨率最高的商業(yè)對(duì)地成像衛(wèi)星。該衛(wèi)星能提供全色0.41 m分辨率和多譜段1.65 m分辨率的超高分辨率影像。為有效區(qū)分道路和植被，在試驗(yàn)中用紅外波段代替紅波段組成假彩色影像。為了綜合運(yùn)用道路的光譜特征與形態(tài)特征，將全色影像與假彩色影像進(jìn)行融合，影像融合時(shí)利用ERDAS軟件的HIS融合模塊，獲得高空間分辨率的假彩色影像，大小為1 200×866，如圖3。

圖3 實(shí)驗(yàn)影像

程序?qū)崿F(xiàn)交互式道路信息采集方法，其界面如圖4。可以用多邊形進(jìn)行道路信息的采集，采集完成后加入采集器，每條記錄代表一種光譜特征的道路，可以實(shí)時(shí)根據(jù)道路情況增加、刪除、融合道路樣本區(qū)域，能夠兼顧各種光譜特征的道路。

根據(jù)信息采集結(jié)果進(jìn)行道路分割并二值化效果如圖5。

根據(jù)直線段匹配原理，編程實(shí)現(xiàn)后效果如圖6。由圖6可以看出，大部分非道路點(diǎn)已經(jīng)被去除了，而道路點(diǎn)基本沒有損失，證明直線段匹配去噪的效果良好。但仍然存在一些較長的非道路信息沒有被去除，如圖6中所示，這是因?yàn)樗哂信c道路相同的直線段特征。

圖4 道路信息交互采集

圖5 道路分割二值化影像

圖6 直線段匹配去噪效果

在上述操作基礎(chǔ)上，進(jìn)行Hough變換檢測道路。經(jīng)Hough變換檢測道路后的效果如圖7所示。

從圖7中可以看出，經(jīng)過上述幾個(gè)步驟，Hough變換已經(jīng)從高分辨率遙感影像上成功檢測出了道路網(wǎng)，非道路信息已經(jīng)完全去除。雖然還存在有些地方斷開或缺失的情況，但根據(jù)文獻(xiàn)［9］給出的準(zhǔn)確度的定義“準(zhǔn)確度 =正確提取的道路長度/道路的總長 ×100%”，計(jì)算得到道路提取的準(zhǔn)確度為92.4%。

4 結(jié)束語

基于Hough變換的方法檢測提取高分辨率遙感影像上的道路，會(huì)受到分割效果和非道路因素的影響。針對(duì)這兩個(gè)不足，首先利用交互式道路光譜信息采集方法對(duì)影像進(jìn)行分割并二值化，提高了分割效果;然后采用直線段匹配的方法對(duì)非道路信息進(jìn)行去噪處理，減少非道路因素的影響;最后用Hough變換的方法檢測提取道路。試驗(yàn)結(jié)果表明，該方法能夠較好地提取高分辨率遙感影像上的道路網(wǎng)。該方法的不足之處為:一是對(duì)彎曲道路提取效果不理想;二是由于非道路因素如行道樹的影響，所提取出的道路存在缺失或斷開的現(xiàn)象，需要進(jìn)一步進(jìn)行修剪、連接等形態(tài)學(xué)處理。

圖7 Hough變換檢測道路效果圖

［1］謝鳳英，姜志國，秦世引．對(duì)偶空間上的高分辨率遙感影道路提?。跩］．宇航學(xué)報(bào)，2006，27(5):1034－1038

［2］呂健剛，韋春桃．基于Hough變換的高分辨率遙感影像城市直線道路提?。跩］．遙感應(yīng)用，2009(3):15－18

［3］夏春林，張靜，褚廷有．基于高分辨率的城區(qū)遙感影像道路半自動(dòng)提取方法研究［J］．測繪科學(xué)，2008，33(5):140－143

［4］謝謙禮，程承旗，馬 廷．一種基于高分辨率遙感影像的道路提取方法［J］．計(jì)算機(jī)工程與應(yīng)用，2006，17:188－191

［5］鄭 毅，武法東．一種應(yīng)用于高分辨率遙感影像中道路提取的高效方法［J］．安徽農(nóng)業(yè)科學(xué)，2010，38(10):5053－5056

［6］陳 杰，楊敏華，等．基于LBP算子與多尺度分析的高分辨率遙感影像道路自動(dòng)提取方法改進(jìn)研究［J］．遙感信息，2010(2):3－7

［7］沈占鋒，駱劍承，郜麗靜．不同尺度下高分辨率遙感影像道路信息提?。跩］．四川師范大學(xué)學(xué)報(bào)，2009，32(6):812－815

［8］周紹光，黎瑾慧．高分辨率遙感影像中提取復(fù)雜道路的新方法［J］．計(jì)算機(jī)工程與應(yīng)用，2008，44(35):190－193

［9］Shi Wen zhong，Zhu Chang qing．The Line Segment Match for Extracting Road Network from High resolutio Satellite Images［J］．IEEE Transaction on Geoscience an Remote Sensing，2002，40(2):511－514

［10］Mena JB．Automatic vectorization of segmented road networks by geometric d topological allalysis of high resolution bimry images［J］．Knowledge-Based Sys，2006(19):704－718

［11］Dal Poz P，Zanin R B，Vale GM．Automated extraction of road network from medium and high-resolution images［J］．Pattern Recognition and Image Analysis，2006，16(2):239－248

［12］Geraud T，Mouret．Fast road network extnction in satellite images using mathematical morphology and markov random Fields［J］．EuRASIP Journal on Applied Signal Processing，2004(16):2503－2514