高分辨率遙感影像提取道路方法研究進(jìn)展

王艷梅，王根杰，劉海娟

（安徽三聯(lián)學(xué)院，安徽 合肥 230601）

高分辨率遙感影像提取道路方法研究進(jìn)展

王艷梅，王根杰，劉海娟

（安徽三聯(lián)學(xué)院，安徽 合肥 230601）

道路是重要的人工地物，是基礎(chǔ)地理信息的重要組成部分，從高分辨率遙感影像上提取道路信息成為研究的熱點.本文一開始簡明論述了道路在高分辨率的影像上的基本特點，并且講述了道路進(jìn)行提取的基本辦法與思想，然后介紹了提取道路信息主要方法，包括自動提取和半自動自取.最后，對道路信息提取研究進(jìn)行了展望.

道路；高分辨率遙感圖像；特征；方法

1 引言

道路是一種非常重要人工地面建筑，它是地理信息的基礎(chǔ)組成部分，也是城市發(fā)展進(jìn)程中更新較快的要素.基礎(chǔ)地理信息數(shù)據(jù)的價值體現(xiàn)在其現(xiàn)勢性，所以，我們要收取道路的基本現(xiàn)狀.傳統(tǒng)的道路信息獲取的方法存在很多漏洞，比如需要大量的人力和物力來進(jìn)行完成，并且還存在收集數(shù)據(jù)的速度慢，周期長，工作量大，工作人員對收集工作產(chǎn)生厭倦，導(dǎo)致工作人員一味的收集信息而不去解決更高層次的問題和應(yīng)用研究.在此背景下，很多學(xué)者開始探索自動的道路信息提取方法，一方面使工作人員從大量繁重的數(shù)據(jù)生產(chǎn)中解放出來，另一方面可以實現(xiàn)道路信息的自動化提取，實現(xiàn)道路信息數(shù)據(jù)的實時更新.隨著遙感技術(shù)的發(fā)展及其商業(yè)化應(yīng)用，越來越多的高分辨率遙感影像成為應(yīng)用的主體.利用計算機(jī)從遙感影像中提取道路信息成為國內(nèi)外學(xué)者研究的熱點，國外從20世紀(jì)7 0年代開始研究，國內(nèi)起步較晚，始于90年代.經(jīng)過多年的研究，在此領(lǐng)域內(nèi)匯聚了多學(xué)科知識，如模式識別、人工智能、計算機(jī)視覺、數(shù)學(xué)形態(tài)學(xué)等，出現(xiàn)許多理論與技術(shù)創(chuàng)新.因此，本文首先探討了如何在高分辨率遙感影像上進(jìn)行道路提取的基本思想，緊隨其后分析并且總結(jié)了現(xiàn)有道路提取的方法措施，在此基礎(chǔ)上，對道路信息的獲取方式提出了比較可行的研究探討方向.

2 道路特征獲取的基本思想

因為景物與景物之間存在物理和幾何上的差異，導(dǎo)致景象中一些部分的灰度產(chǎn)生比較大的變化，我們將這種現(xiàn)象叫做景象特征.特征區(qū)域越大也就說明包含的信息量就越大，特征區(qū)域小的區(qū)域意味著有較小的信息量.人眼很容易在遙感影像上找到道路是因為我們知道道路的特征，如果讓計算機(jī)從遙感影像上識別出道路，我們首先要將道路的特征輸入計算機(jī)，然后計算機(jī)依據(jù)收到的道路特征信息來辨別影像上的道路.道路有以下幾種基本特征：

（1）幾何特征.因為道路的長度比寬度大的很多，這就使得在高分辨率遙感影像上，看到的都是條狀的，道路的寬度沒有發(fā)生較大的變化，曲率也要受到限制.

（2）輻射特征.在影像上道路的兩個邊緣非常明顯，相鄰位置的灰度和邊緣內(nèi)部的灰度的反差是比較明顯的.

（3）道路通常都是互通的，并且組成了道路網(wǎng)絡(luò)，道路的突然中斷是非常少見的.

（4）上下文特征.這一特征包含和道路所處的環(huán)境有牽連的信息、和道路現(xiàn)實特征相關(guān)的信息、道路與地面建筑物有關(guān)的信息.

道路在獲取它所有特征的時候都要按照Marr視覺理論來進(jìn)行，要從低到中再到高的步驟進(jìn)行.首先是低層次的處理，在處理過程中使用不同的采集方法對不同要素提取信息，信息中包含紋理、方向及邊緣等，應(yīng)該注意到，這個低層的信息中沒有和道路有關(guān)系的知識信息.其次是中層處理，中層處理的信息是相對低層來說的，它將低層的處理結(jié)果進(jìn)行更為細(xì)致的選擇、分析、重組和綜合，中層處理中用到了道路有關(guān)知識——幾何假設(shè).最后是高層處理中，要綜合運(yùn)用道路的相關(guān)知識，結(jié)合得到的各要素結(jié)構(gòu)、關(guān)系等對道路進(jìn)行理解和識別.

3 遙感影像提取道路方法與研究

一般情況下，人們依據(jù)對公路信息獲取的自動化方式，將獲取信息的方法分成了兩種：半自動信息獲取和自動化信息獲取.

3.1 半自動方式

半自動化獲取方式是利用人機(jī)交互的方式對道路的特征信息進(jìn)行獲取和辨別的方式.這個方法中最重要的一步是需要人提供道路的種子點，有時還需要知道初始的方向，然后利用計算機(jī)來對公路特征信息進(jìn)行辨別和處理，并且要適應(yīng)當(dāng)前的人機(jī)交互，從而確保識別的準(zhǔn)確性.這種提取方法一般分為四步：第一步，增強(qiáng)影像特征；第二步，確定道路種子點；第三步，對種子點進(jìn)行跟蹤和擴(kuò)展，并形成道路段；第四步，將道路段連接起來，組成道路網(wǎng)絡(luò).下面介紹幾種目前常用的方法.

3.1.1 動態(tài)規(guī)劃方法

動態(tài)規(guī)劃方法具備將較為復(fù)雜的問題簡化為較為簡單問題的能力，因此，才講動態(tài)規(guī)劃法應(yīng)用到道路信息獲取中.動態(tài)規(guī)劃方法利用問題的最優(yōu)性原理，以自底向上的方式從子問題的最優(yōu)解逐步構(gòu)造出整個問題的最優(yōu)解.在應(yīng)用此方法進(jìn)行道路信息提取時，首先組建道路的數(shù)學(xué)模型，然后再依據(jù)模型來組合代價函數(shù)與邊界條件的表達(dá)式[2].動態(tài)規(guī)劃方法的特點是用一個最優(yōu)化的問題代替了道路特征識別的問題，并且利用道路上的像元來描述最優(yōu)化問題的解.

3.1.2 模板匹配方法

所謂模板就是一幅已經(jīng)知道的小圖像.模板匹配就是在一幅已知圖像中有所需目標(biāo)的大圖像中進(jìn)行目標(biāo)搜尋，且該目標(biāo)和模板有著相同的尺寸、圖像和方向，并且通過一定的算法可以在大圖中找到目標(biāo)，確定其位置[3].運(yùn)用模板匹配法的重點在于如何知道匹配，才能成功有效的獲得有價值的道路信息.

3.1.3 Snakes模型方法

Snakes模型方法也稱為動態(tài)輪廓模型方法.采取Snakes模型方法進(jìn)行道路特征提取的過程就是用一個能量函數(shù)將影像中的各個特征以及連續(xù)性、平滑性約束起來，通過求解能量函數(shù)的最小值，從而達(dá)到了獲取道路特征的目的.

在Snakes模型基礎(chǔ)上，運(yùn)用這個方法來獲取道路特征，大多數(shù)情況是將初始點設(shè)置在道路的旁邊，種子點的給定分為兩種：人工給定和自動給定[4].

3.1.4 邊緣跟蹤法

邊緣跟蹤法是：首先要給定種子點的初始位置和初始方向，然后再進(jìn)行邊緣跟蹤，一直到邊緣的終止點，再將這個終止點當(dāng)作一個新的種子點.1994年HeipkeC提出基于邊緣跟蹤的方法[5]，后經(jīng)XIAOYongguan等的改進(jìn)使用紋理進(jìn)行濾波得到初始種子點.

3.2 自動獲取道路特征

自動獲取道路特征的方法是利用對道路影像特征的認(rèn)識與理解，自動將道路的位置進(jìn)行定位.經(jīng)過多年的研究，目前已有很多自動提取道路的方法.但是這種方法還沒有應(yīng)用于各類道路中，只是在辨別某一類道路上獲得了成績，有一定的應(yīng)用價值.

3.2.1 平行線方法

由于道路的邊緣是一對平行線，在進(jìn)行獲取道路特征的時可以利用這一特點，可以得到喝多算法.利用平行線方法提取道路信息最重要的是連接好的邊緣中產(chǎn)生表示道路平行的這一特征，以及識別平行線對是否為道路的識別策略.

3.2.2 面向?qū)ο蠓椒?/p>

當(dāng)運(yùn)用面向?qū)ο蠓椒ㄟM(jìn)行道路信息提取時，分析的基本單元不再是單個像元，而是具有實際意義的影像對象.影像對象是與影像相對應(yīng)的影像分析單元，對象的大小由分割尺度的大小決定.其優(yōu)點是能夠有效的應(yīng)對高分辨率遙感影像所出現(xiàn)的噪聲問題，像光譜、形狀、紋理等[6]多種特征，可以進(jìn)行綜合應(yīng)用.其缺點是提取效果過分依賴于分割質(zhì)量的好壞.

3.3.3 數(shù)學(xué)形態(tài)學(xué)方法

數(shù)學(xué)形態(tài)學(xué)方法的基本思路是使用擁有特殊形態(tài)結(jié)構(gòu)的方法

利用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的相應(yīng)形狀，最終實現(xiàn)分析和識別圖像的目的.在運(yùn)用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行道路信息提取時，圖像中的像素被分成兩類：道路和環(huán)境，對邊緣進(jìn)行跟蹤來得到線性特征，然后將得到的線性特征利用知識規(guī)劃進(jìn)行道路識別，最后對結(jié)果進(jìn)行細(xì)節(jié)處理[7].其優(yōu)點是能夠較好的提取出道路骨架.

4 道路特征提取研究展望

道路信息提取已取得了一些成果，但由于現(xiàn)實情況的復(fù)雜性和多樣性，很多方法只適用于提取某一類型的道路.道路信息的自動識別距生產(chǎn)應(yīng)用仍有一段距離.很多問題需要進(jìn)一步研究解決.

4.1 上下文信息的充分利用

道路的上下文信息十分豐富，利用好上下文信息對提取道路信息具有重要作用.道路模型中的各組成成分之間的上下文關(guān)系必須和不同的上下文區(qū)域相適應(yīng)，例如在城區(qū)影像上，最重要的上下文信息就是車輛、道路標(biāo)示線、行道樹.馬力等總結(jié)了不同類型的上下文信息及其獲取方式，概括了其在道路信息提取中的應(yīng)用類型，并且通過舉實例進(jìn)行了相關(guān)分析[8].

4.2 基于不同分辨率的道路信息提取

低分辨率遙感影像雖然丟失了大部分的細(xì)節(jié)信息，但是卻能夠很好的表現(xiàn)道路的骨架和拓?fù)湫畔?，而且不易受噪聲的影?高分辨率遙感影像雖然能夠很好的提供細(xì)節(jié)信息，但放大了噪聲，易受外部環(huán)境的影響.如果將兩者的優(yōu)點結(jié)合起來提取道路信息，既可以提取道路細(xì)節(jié)信息又不易受外部環(huán)境的影響.

4.3 與其他領(lǐng)域研究的相關(guān)結(jié)合

道路信息提取涉及到如數(shù)學(xué)形態(tài)學(xué)、計算機(jī)視覺、圖像處理、模式識別等很多學(xué)科，是一項十分復(fù)雜的工程.因此，在研究探討道路信息提取方法的過程中，應(yīng)充分運(yùn)用這些學(xué)科的最新研究成果，積極推動道路信息提取方法的發(fā)展.

〔1〕戚浩平，王煒，田慶久.高空間分辨率衛(wèi)星遙感數(shù)據(jù)在城市交通規(guī)劃中的應(yīng)用研究[J]，公路交通科技，2004,21(6): 109-112.

〔2〕Geman D,Jedynak B.Detection of Roads in Satellite Images[C].International Geosciences and Remote Sensing Symposium,1991,4:2473-2477.

〔3〕Suetens P,Fua P,Hanson A J.Computational Strategies for Object Recognition[J].ACM Computing Surveys, 1992,24(1):5-61.

〔4〕李培華,張?zhí)镂?主動輪廓模型（蛇模型）綜述[J].軟件學(xué)報，2000,11(6):751-757.

〔5〕HeipkeC.Semi-automaticExtraction ofRoadsfrom Aerial Images.IAPRS Com?workshop,Munich,1994.

〔6〕唐偉,趙書河,王培法.面向?qū)ο蟮母呖臻g分辨率遙感影像道路信息的提取[J].地球信息科學(xué),2008,10(2):257-262.

〔7〕申邵洪，宋楊.高分辨率多光譜遙感影像中城區(qū)道路信息的自動提取[J].遙感應(yīng)用，2007(5):73-77.

〔8〕馬力，陳軍.上下文信息在道路提取中的分類與應(yīng)用[J].地理信息世界，2008,6(4):58-60.

P273.3

A

1673-260 X（2013）10-0039-02

安徽省高等學(xué)校省級自然科學(xué)研究項目（2011B066）