遙感影像中道路交通標(biāo)志線的去除

姚慧丹，胡永祥，劉麗紅，周 丹

（湖南工業(yè)大學(xué) 計(jì)算機(jī)與通信學(xué)院，湖南 株洲 412007）

遙感影像中道路交通標(biāo)志線的去除

姚慧丹，胡永祥，劉麗紅，周 丹

（湖南工業(yè)大學(xué) 計(jì)算機(jī)與通信學(xué)院，湖南 株洲 412007）

針對(duì)遙感影像中路面交通標(biāo)志線對(duì)車(chē)輛提取造成干擾的問(wèn)題，提出了一種基于灰度數(shù)學(xué)形態(tài)學(xué)與雙邊濾波相結(jié)合去除路面交通標(biāo)志線的算法。首先，利用交通標(biāo)志線與車(chē)輛目標(biāo)的幾何結(jié)構(gòu)特征，設(shè)計(jì)了特殊的形態(tài)學(xué)結(jié)構(gòu)元素對(duì)交通標(biāo)志線進(jìn)行粗濾除；然后，設(shè)計(jì)了一種自適應(yīng)設(shè)置灰度方差的雙邊濾波方法對(duì)圖像進(jìn)行精濾除。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)濾除遙感影像路面交通標(biāo)志線有較好的效果。

遙感影像；交通標(biāo)志線濾除；灰度形態(tài)學(xué)；雙邊濾波

0 引言

城市交通管理與規(guī)劃中，道路車(chē)輛目標(biāo)提取是一個(gè)至關(guān)重要的問(wèn)題，而高分辨率遙感影像的出現(xiàn)以及遙感技術(shù)的發(fā)展，使得從整體獲取城市全局的交通狀況成為可能，彌補(bǔ)了地面?zhèn)鞲衅鳈z測(cè)范圍局限性的不足。

目前，通過(guò)遙感影像提取車(chē)輛目標(biāo)的主要方法有：基于一定預(yù)處理基礎(chǔ)上的閾值分割方法、梯度比較法、背景差異法、結(jié)合多種特征的機(jī)器學(xué)習(xí)提取方法以及面向?qū)ο蟮能?chē)輛提取方法。無(wú)論采用什么方法，車(chē)輛提取前對(duì)遙感影像進(jìn)行預(yù)處理以改善識(shí)別效果是至關(guān)重要的一環(huán)。曹天揚(yáng)等[1]在閾值分割提取車(chē)輛方法中設(shè)計(jì)了一種通過(guò)圖層分離把原始圖像轉(zhuǎn)換成深、淺2個(gè)圖層的預(yù)處理方法，對(duì)深、淺顏色車(chē)輛分開(kāi)處理，提取出車(chē)輛目標(biāo)。余勇等[2]利用形態(tài)共享權(quán)神經(jīng)網(wǎng)絡(luò)提取車(chē)輛目標(biāo)時(shí)，為了提高搜索效率和降低誤檢率，采用了形態(tài)學(xué)中的頂帽變換和底帽變換算子對(duì)圖像進(jìn)行預(yù)處理，增強(qiáng)車(chē)輛特征。張新野[3]在車(chē)輛提取過(guò)程中，在紋理特征計(jì)算前先對(duì)車(chē)輛的不同樣本進(jìn)行了圖像增強(qiáng)以及形態(tài)學(xué)調(diào)整等一系列預(yù)處理操作，增強(qiáng)車(chē)輛特征。

在遙感影像提取車(chē)輛中，路面交通標(biāo)志去除是車(chē)輛提取的關(guān)鍵性問(wèn)題[4]。在預(yù)處理階段能否濾除遙感影像道路交通標(biāo)志線對(duì)車(chē)輛提取的精度有著非常大的影響。遙感影像路面存在著大量交通標(biāo)志線，白色的交通標(biāo)志線與淺色車(chē)有著類(lèi)似的光譜特征，呈現(xiàn)出高亮的狀態(tài)，對(duì)遙感影像車(chē)輛提取造成了較大的噪聲干擾，增加了車(chē)輛檢測(cè)的誤檢率。鄭宏等[5]在高分辨率衛(wèi)星影像車(chē)輛檢測(cè)的抗體網(wǎng)絡(luò)中，采用了一種雙邊濾波的方法消除或減少路面上的背景噪聲，抑制道路標(biāo)記和油污，取得了一定的成效。R. Alba-Flores[6]在排除道路交通標(biāo)志線時(shí)提出了一種滑動(dòng)領(lǐng)域操作，在淺色車(chē)圖層和深色車(chē)圖層分別用3× 3領(lǐng)域內(nèi)的亮度最大值/最小值代替當(dāng)前像素值，突出淺色車(chē)/深色車(chē)目標(biāo)，減弱交通標(biāo)志線的干擾。

以上方法雖然在一定程度上抑制了遙感影像路面交通標(biāo)志線，但在精度上并不能滿(mǎn)足工程應(yīng)用要求。本文結(jié)合交通標(biāo)志線的特征，設(shè)計(jì)了一種將灰度數(shù)學(xué)形態(tài)學(xué)與雙邊濾波相結(jié)合去除交通標(biāo)志線的預(yù)處理方法。此方法對(duì)形態(tài)學(xué)結(jié)構(gòu)元素做了特殊設(shè)計(jì)，并對(duì)雙邊濾波的參數(shù)設(shè)置提出了改進(jìn)方法。該算法能有效濾除路面交通標(biāo)志線，為實(shí)現(xiàn)汽車(chē)目標(biāo)的精確提取做好相應(yīng)準(zhǔn)備。

1 灰度形態(tài)學(xué)對(duì)交通標(biāo)志線的粗濾除

數(shù)學(xué)形態(tài)學(xué)在圖像濾波去噪方面有著廣泛的應(yīng)用，而結(jié)構(gòu)元素的選擇是決定濾波性能的關(guān)鍵。形態(tài)學(xué)濾波是一種非線性濾波方法，與其他空域和頻域?yàn)V波方法相比，形態(tài)學(xué)濾波有著獨(dú)特的優(yōu)勢(shì)。運(yùn)用形態(tài)學(xué)濾波時(shí)能夠借助已知圖像的幾何特征信息，設(shè)計(jì)適當(dāng)?shù)慕Y(jié)構(gòu)元素，在較好保留圖像基本信息的基礎(chǔ)上有效濾除噪聲。因此，形態(tài)學(xué)濾波非常適合從遙感影像中濾除路面交通標(biāo)志線。形態(tài)學(xué)分為二值形態(tài)學(xué)和灰度形態(tài)學(xué)2類(lèi)，課題組使用的是灰度形態(tài)學(xué)。基本的形態(tài)學(xué)運(yùn)算為膨脹和腐蝕2種運(yùn)算。通過(guò)對(duì)膨脹和腐蝕進(jìn)行不同的組合便可用來(lái)實(shí)現(xiàn)形態(tài)學(xué)濾波的開(kāi)運(yùn)算與閉運(yùn)算。

1.1 灰度形態(tài)學(xué)基本運(yùn)算

膨脹運(yùn)算為

腐蝕運(yùn)算為

當(dāng)灰度膨脹與灰度腐蝕使用平坦結(jié)構(gòu)元素執(zhí)行時(shí)，膨脹和腐蝕定義可以簡(jiǎn)化如下：

膨脹運(yùn)算為

腐蝕運(yùn)算為

由式（3）～（4）可知，平坦的灰度膨脹是一個(gè)求局部最大值的算子，最大值由結(jié)構(gòu)元素b的形狀所確定的一系列鄰域像素決定。灰度膨脹后，亮于背景的部分得到擴(kuò)張，暗于背景的部分就會(huì)收縮。平坦的灰度腐蝕是一個(gè)求局部最小值的算子，最小值也是由結(jié)構(gòu)元素b的形狀所確定的一系列鄰域像素決定?；叶雀g后，暗于背景的部分就會(huì)擴(kuò)張，而亮于背景的部分則會(huì)收縮。

1.2 結(jié)構(gòu)元素設(shè)計(jì)

結(jié)構(gòu)元素比待處理圖像小得多，通常只由幾個(gè)或幾十個(gè)像素構(gòu)成，平坦的結(jié)構(gòu)元素是由0或1組成的矩陣，其原點(diǎn)決定了運(yùn)算所要處理的范圍。在膨脹和腐蝕操作中，結(jié)構(gòu)元素的鄰域像素為1處參與計(jì)算，為0處不參與計(jì)算。用形態(tài)學(xué)處理圖像時(shí)，結(jié)構(gòu)元素的大小以及形狀對(duì)處理結(jié)果有著重要影響。

圖1為一張?jiān)蓟叶冗b感圖像。如圖1所示，圖中存在大量細(xì)長(zhǎng)條狀的白色交通標(biāo)志線，這些交通標(biāo)志線的寬度一般為4個(gè)像素寬。圖2a為在圖1上截取的一段交通標(biāo)志線的像素灰度值，圖中灰色區(qū)域?yàn)榘咨珮?biāo)志線像素點(diǎn)灰度值，可以看出，灰色區(qū)域灰度值較周邊路面像素灰度值要大，故呈現(xiàn)出亮色特征。為了濾除白色標(biāo)志線，使其呈現(xiàn)出與路面相似的灰度特征，課題組設(shè)計(jì)了圖3中所示的結(jié)構(gòu)元素b，該結(jié)構(gòu)元素為一個(gè)平坦的3×5矩形結(jié)構(gòu)元素，結(jié)構(gòu)元素的原點(diǎn)為矩形中心點(diǎn)。

該結(jié)構(gòu)元素的形狀設(shè)計(jì)主要考慮到路面車(chē)輛目標(biāo)也呈現(xiàn)出矩形特征，用該結(jié)構(gòu)元素進(jìn)行腐蝕操作濾除交通標(biāo)志線后，再用此結(jié)構(gòu)元素對(duì)處理后的圖片進(jìn)行膨脹操作，能較好地還原汽車(chē)目標(biāo)；該結(jié)構(gòu)元素大小的設(shè)計(jì)則是考慮到標(biāo)志線的寬度為4個(gè)像素，結(jié)構(gòu)元素寬度為5時(shí)，在寬度上能夠完全覆蓋交通標(biāo)志線亮色區(qū)域，結(jié)構(gòu)元素b中心點(diǎn)與標(biāo)志線任意像素點(diǎn)重合時(shí)，就能獲取路面像素值替代標(biāo)志線像素點(diǎn)像素值，達(dá)到濾除交通標(biāo)志線的目的。圖2b為用結(jié)構(gòu)元素b對(duì)圖2a腐蝕后各像素的灰度值結(jié)果。圖3為該結(jié)構(gòu)元素執(zhí)行腐蝕操作的示意圖。

圖1 原始灰度遙感圖像Fig.1 The original gray remote sensing image

圖2 腐蝕操作前后各像素點(diǎn)灰度值的對(duì)比Fig.2 The contrast of the pixel gray values before and after erosion

圖3 用結(jié)構(gòu)元素b腐蝕遙感圖像示意圖Fig.3 The example of structural element b erosing remote sensing images

2 雙邊濾波對(duì)交通標(biāo)志線濾除后處理

待處理圖像中通常存在著各種各樣的噪聲。利用灰度形態(tài)學(xué)對(duì)遙感影像中道路交通標(biāo)志線進(jìn)行粗濾除后，影像中還存在著很多細(xì)小噪聲，這些隨機(jī)噪聲與高斯噪聲類(lèi)似。用均值濾波和高斯濾波去噪均不能較好地保護(hù)目標(biāo)特征，去噪的同時(shí)目標(biāo)細(xì)節(jié)也會(huì)遭到破壞，且濾波后圖像模糊，效果不佳。而雙邊濾波卻能克服濾波導(dǎo)致圖像模糊、細(xì)節(jié)損失的缺點(diǎn)，在濾波同時(shí)保護(hù)目標(biāo)的邊緣細(xì)節(jié)。將改進(jìn)后的雙邊濾波用于交通標(biāo)志線濾除后，處理效果很好。

2.1 雙邊濾波器

雙邊濾波算法最早是由C. Tomasi和R. Manduchi于1998年提出[5-8]，該算法將Gauss濾波器中的權(quán)系數(shù)優(yōu)化成Gauss函數(shù)和圖像亮度信息的乘積。這樣處理能在濾波的同時(shí)考慮到圖像的邊緣信息，較好地保留圖像邊緣特征。雙邊濾波的定義如下：

由式（5）～（7）可以看出，雙邊濾波器的加權(quán)系數(shù)由空間臨近度因子ws和亮度相似度因子wr的乘積組成。當(dāng)像素點(diǎn)與中心點(diǎn)的歐幾里德距離增大時(shí)，ws會(huì)隨之減??；而當(dāng)像素點(diǎn)亮度值與中心點(diǎn)亮度值的差值增大時(shí)，wr會(huì)隨之減小。若圖像較平滑區(qū)域，變化平緩，鄰域內(nèi)像素亮度較為接近，雙邊濾波即為高斯低通濾波器；若變化劇烈的圖像區(qū)域，濾波器則用邊緣點(diǎn)附近亮度值相近的像素點(diǎn)亮度的平均值替代原來(lái)像素點(diǎn)的亮度值。這樣，雙邊濾波器在平滑圖像的同時(shí)，能保護(hù)圖像的邊緣細(xì)節(jié)。

J. Immerkae[9]提出了一種簡(jiǎn)單的根據(jù)拉普拉斯變換估計(jì)加性噪聲標(biāo)準(zhǔn)差n的方法。即

式中：W和H分別是圖像I的寬度和高度；*為卷積操作，I(x, y)*N表示圖像I與模板N進(jìn)行卷積，N為離散拉普拉斯變換的掩模，其中

3 實(shí)驗(yàn)結(jié)果與分析

車(chē)輛提取過(guò)程中，道路交通標(biāo)志線一直是一個(gè)干擾車(chē)輛提取的重要噪聲，濾除交通標(biāo)志線是提高車(chē)輛提取精確度的一個(gè)重要環(huán)節(jié)。路面交通標(biāo)志線在顏色上呈現(xiàn)高亮（白色）的特征，與路面有著明顯的區(qū)分度，但與淺色車(chē)輛有著相近的顏色特征；形狀上交通標(biāo)志線一般呈細(xì)長(zhǎng)的條狀，與車(chē)輛的形狀特征截然不同。基于路面標(biāo)志線的這些特征，設(shè)計(jì)了數(shù)學(xué)形態(tài)學(xué)結(jié)合雙邊濾波濾除交通標(biāo)志線的算法。首先設(shè)計(jì)合適的結(jié)構(gòu)元素，利用灰度形態(tài)學(xué)腐蝕和膨脹操作初步濾除交通標(biāo)志線，然后在此基礎(chǔ)上利用雙邊濾波算法，設(shè)置適當(dāng)半寬和空間方差，并自適應(yīng)設(shè)置灰度方差，在保護(hù)車(chē)輛邊緣細(xì)節(jié)的前提下平滑路面像素，提高車(chē)輛與路面的對(duì)比度，徹底濾除交通標(biāo)志線及細(xì)小噪點(diǎn)。圖4為實(shí)驗(yàn)結(jié)果圖。

圖4 灰度形態(tài)學(xué)結(jié)合雙邊濾波濾除交通標(biāo)志線示例Fig.4 The example of gray morphology combining bilateral filtering to remove traffic signs line

圖4a為用結(jié)構(gòu)元素b腐蝕圖1的結(jié)果圖，從圖中可以看出，白色交通標(biāo)志線都盡數(shù)被濾除干凈，只留下少量白色亮點(diǎn)，濾波效果明顯，然而由于腐蝕操作，車(chē)輛周?chē)叶戎递^低的陰影像素也得到了擴(kuò)張，車(chē)輛輪廓細(xì)節(jié)遭到破壞。

圖4b為結(jié)構(gòu)元素b對(duì)腐蝕后的圖像圖4a進(jìn)行膨脹操作的效果圖。膨脹操作后的圖像中，車(chē)輛輪廓信息得到了還原，同時(shí)，圖4a中的白色亮點(diǎn)也得到了一定的擴(kuò)張。如圖4b所示，圖中還存在較多噪聲點(diǎn)，且路面像素深淺不一致，車(chē)輛目標(biāo)與路面區(qū)分度較低。

圖4c為在圖4b基礎(chǔ)上用雙邊濾波器濾波的結(jié)果圖，圖中路面像素統(tǒng)一，白色亮點(diǎn)以及細(xì)小噪點(diǎn)均被濾除，車(chē)輛目標(biāo)形態(tài)特征完整清晰，車(chē)輛與路面區(qū)分明顯，達(dá)到了預(yù)期的處理效果。

針對(duì)深圳市南山區(qū)0.25 m分辨率遙感影像，采集了20幅路段圖像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)證明，利用形態(tài)學(xué)結(jié)合雙邊濾波濾除交通標(biāo)志線的方法能在保護(hù)車(chē)輛細(xì)節(jié)的前提下有效濾除交通標(biāo)志線，具有可行性。圖5是從20幅圖像中隨機(jī)挑選的2幅圖像，分別使用本文方法以及文獻(xiàn)[5]和[6]中的方法得到的實(shí)驗(yàn)結(jié)果圖，其中文獻(xiàn)[5]方法參數(shù)為：

圖5 交通標(biāo)志線濾除結(jié)果對(duì)比圖Fig.5 The contrast of traffic signs line filtering results

通過(guò)以上實(shí)驗(yàn)結(jié)果圖的對(duì)比，可以看到，文獻(xiàn)[5]僅使用雙邊濾波方法的方法確實(shí)能減少甚至消除路面上的油污，但對(duì)于抑制道路標(biāo)志線效果不太理想，雙邊濾波處理后，白色交通標(biāo)志線變細(xì)減弱了，但仍然清晰可見(jiàn)，干擾車(chē)輛提取。文獻(xiàn)[6]使用3×3滑動(dòng)領(lǐng)域操作后，交通標(biāo)志線基本可以去除，但路面噪聲較大，車(chē)輛輪廓周?chē)黾恿艘蝗谏袼?，破壞了?chē)輛的輪廓特征。而采用本文提出的形態(tài)學(xué)結(jié)合雙邊濾波去除交通標(biāo)志線的方法，既能有效去除交通標(biāo)志線以及路面噪聲，又能保護(hù)車(chē)輛的輪廓特征，優(yōu)于文獻(xiàn)[5]和[6]所提出的方法。

4 結(jié)語(yǔ)

本文針對(duì)遙感影像車(chē)輛提取中交通標(biāo)志線造成車(chē)輛誤檢的情況，提出了一種基于灰度數(shù)學(xué)形態(tài)學(xué)結(jié)合雙邊濾波去除交通標(biāo)志線方法，以實(shí)現(xiàn)路面交通標(biāo)志線的徹底濾除。首先，針對(duì)車(chē)輛與標(biāo)志線的形態(tài)結(jié)構(gòu)，構(gòu)造特定的灰度結(jié)構(gòu)元素，利用灰度形態(tài)學(xué)腐蝕與膨脹運(yùn)算，對(duì)交通標(biāo)志線進(jìn)形粗濾除，除去白色標(biāo)志線。然后利用改進(jìn)后的雙邊濾波，對(duì)遙感影像進(jìn)行精濾除，平滑路面，提高背景與目標(biāo)的對(duì)比度。實(shí)驗(yàn)證明該方法對(duì)濾除交通標(biāo)志線有較好的效果，為之后的車(chē)輛提取打下了良好基礎(chǔ)。

[1] 曹天揚(yáng)，申 莉. 基于交通遙感圖像處理的車(chē)輛目標(biāo)識(shí)別方法[J]. 計(jì)算機(jī)測(cè)量與控制，2014，22(1)：8-14. Cao Tianyang，Shen Li. Vehicles Identification Method Based on Traffic Remote Sensing Image[J]. Computer Measurement & Control，2014，22(1)：8-14.

[2] 余 勇，鄭 宏. 基于形態(tài)神經(jīng)網(wǎng)絡(luò)的高分辨率衛(wèi)星影像車(chē)輛檢測(cè)[J]. 哈爾濱工程大學(xué)學(xué)報(bào)，2006，27(增刊1)：189-193. Yu Yong，Zheng Hong. Vehicle Detection From High Resolution Satellite Imagery Based on the Morphological Neural Network[J]. Joumal of Harbin Engineering University，2006，27(S1)：189-193.

[3] 張新野. 基于形態(tài)學(xué)的衛(wèi)星遙感車(chē)輛模式識(shí)別方法研究[D]. 大連：大連海事大學(xué)，2008. Zhang Xinye. The Method Research of Pattern Recognition About Satellite Remote Sensing Vehicle Based on Morphological[D]. Dalian：Dalian Maritime University，2008.

[4] 劉珠妹，劉亞嵐，譚衢霖，等. 高分辨率衛(wèi)星影像車(chē)輛檢測(cè)研究進(jìn)展[J]. 遙感技術(shù)與應(yīng)用，2012，27(1)：8-14. Liu Zhumei，Liu Yalan，Tan Qulin，et al. Progress in Vehicle Detection From High Resolution Satellite Imagery [J]. Remote Sensing Technology and Application，2012，27(1)：8-14.

[5] 鄭 宏，胡學(xué)敏. 高分辨率衛(wèi)星影像車(chē)輛檢測(cè)的抗體網(wǎng)絡(luò)[J]. 遙感學(xué)報(bào)，2009，13(5)：913-919. Zheng Hong，Hu Xuemin. An Antibody Networks Approach for Vehicle Detection From High Resolution Satellite Imagery[J]. Journal of Remote Sensing ，2009，13(5)：913-919.

[6] Alba-Flores R. Evaluation of the Use of High-Resolution Satellite Imagery in Transportation Applications[R]. Duluth，Minnesota：Department of Electrical and Computer Engineering University of Minnesota Duluth，2005：2-15.

[7] 鄭澤忠.基于高分辨率航空影像高速公路汽車(chē)目標(biāo)檢測(cè)算法研究[D]. 成都：西南交通大學(xué)，2010. Zheng Zezhong. A Study of Car Detection in Highway with High Resolution Aerial Photo[D]. Chengdu：Southwest Jiaotong University，2010.

[8] 李俊峰. 雙邊濾波算法的快速實(shí)現(xiàn)及其在圖像處理的應(yīng)用[D]. 廣州：南方醫(yī)科大學(xué)，2013. Li Junfeng. Fast Implementation of Bilateral Filter with Application in Image Processing[D]. Guangzhou：Southern Medical University，2013.

[9] Immerkaer J. Fast Noise Variance Estimation[J]. Computer Vision and Image Understanding，1996，64(2)：300-302.

（責(zé)任編輯：申 劍）

Eliminating Traffic Signs Line in Remote Sensing Image

Yao Huidan，Hu Yongxiang，Liu Lihong，Zhou Dan
（School of Computer and Communication，Hunan University of Technology，Zhuzhou Hunan 412007，China）

In view of the problems of traffic signs line interfering vehicles extracting in the remote sensing image, a method based on grey scale mathematical morphology and bilateral filtering for removing traffic signs line is presented. Applies the geometric structure characteristics of traffic signs line and vehicle targets to design specially morphology structural elements for roughly filtering traffic signs line, then designs a bilateral filtering method of adaptive setting the gray variance for fine filtering the picture. The test result shows that the algorithm has better effect in eliminating the traffic signs line in remote sensing images.

remote sensing image； filtering traffic signs line；gray morphology；bilateral filtering

TP391

A

1673-9833(2015)02-0079-05

10.3969/j.issn.1673-9833.2015.02.015

2015-01-07

國(guó)家自然科學(xué)基金資助項(xiàng)目（61170102），湖南省自然科學(xué)基金資助項(xiàng)目（2015JJ2046）

姚慧丹（1989-），女，湖南岳陽(yáng)人，湖南工業(yè)大學(xué)碩士生，主要研究方向?yàn)閳D像處理，E-mail：y_huidan@163.com