用于自動(dòng)識(shí)別遙感圖像路網(wǎng)信息的改進(jìn)模糊連接度方法

鄭　瑾　　柳　肅　　孫　煒(湖南大學(xué)建筑學(xué)院　長(zhǎng)沙　410082)(湖南大學(xué)電氣與信息工程學(xué)院　長(zhǎng)沙　410082)

?

用于自動(dòng)識(shí)別遙感圖像路網(wǎng)信息的改進(jìn)模糊連接度方法

鄭瑾*①柳肅①孫煒②
①(湖南大學(xué)建筑學(xué)院長(zhǎng)沙410082)
②(湖南大學(xué)電氣與信息工程學(xué)院長(zhǎng)沙410082)

摘要：針對(duì)遙感圖像中路網(wǎng)信息的自動(dòng)識(shí)別問(wèn)題，該文將小波模極大值邊緣檢測(cè)方法和模糊連接度方法結(jié)合，提出一種改進(jìn)的模糊連接度方法。采用小波模極大值邊緣檢測(cè)方法進(jìn)行模糊連接度種子點(diǎn)的自動(dòng)選擇，解決傳統(tǒng)模糊連接度理論中種子點(diǎn)難以自動(dòng)選擇的問(wèn)題。在此基礎(chǔ)上，對(duì)傳統(tǒng)的模糊相似度計(jì)算公式進(jìn)行簡(jiǎn)化，在保證路網(wǎng)識(shí)別準(zhǔn)確性的同時(shí)，大大減少了計(jì)算量。采用來(lái)自Quickbird高分辨商業(yè)遙感衛(wèi)星的3組影像進(jìn)行實(shí)驗(yàn)，驗(yàn)證了該文提出的路網(wǎng)識(shí)別方法具有較高的準(zhǔn)確性和計(jì)算速度。

關(guān)鍵詞：遙感圖像；路網(wǎng)信息識(shí)別；模糊連接度；小波模極大值；圖像邊緣檢測(cè)

1　引言

對(duì)交通路網(wǎng)信息的準(zhǔn)確調(diào)查和測(cè)繪是做好交通規(guī)劃方案的重要前提。傳統(tǒng)的交通路網(wǎng)測(cè)繪方法大多還是基于人工方式，耗時(shí)費(fèi)力，準(zhǔn)確度較低，無(wú)法適應(yīng)我國(guó)交通路網(wǎng)建設(shè)的快速發(fā)展。遙感技術(shù)是目前發(fā)展迅速的獲取地理信息的新型技術(shù)手段[1]。從遙感圖像中識(shí)別路網(wǎng)信息可以快速監(jiān)測(cè)交通路網(wǎng)信息的變化情況，可廣泛應(yīng)用于路網(wǎng)規(guī)劃、車(chē)輛導(dǎo)航、應(yīng)急救災(zāi)、施工監(jiān)管以及國(guó)防軍事等領(lǐng)域。

圍繞遙感圖像路網(wǎng)識(shí)別技術(shù)，國(guó)內(nèi)外學(xué)者開(kāi)展了相關(guān)研究，文獻(xiàn)[2]提出一種T型模板匹配方法，使用角度紋理特征進(jìn)行初始道路點(diǎn)定位，使用灰度最小二乘匹配進(jìn)行最佳道路點(diǎn)的預(yù)測(cè)，克服了路邊樹(shù)木陰影和車(chē)輛遮擋形成的噪聲，但是不能很好地適應(yīng)道路輻射突變的情形，對(duì)道路交叉口的處理需要大量的人工干預(yù)。文獻(xiàn)[3]提出基于改進(jìn)粒子濾波和Snake模型的方法，利用粒子濾波來(lái)選擇道路種子點(diǎn)，再利用Snake模型把種子點(diǎn)連接成道路。文獻(xiàn)[4]研究了數(shù)學(xué)形態(tài)學(xué)的方法，對(duì)二值影像使用形態(tài)開(kāi)運(yùn)算去除細(xì)小噪聲，結(jié)合形態(tài)腐蝕和形態(tài)重建運(yùn)算獲取路網(wǎng)信息，利用形態(tài)閉運(yùn)算完善路網(wǎng)信息。該方法在提取影像中道路細(xì)節(jié)信息上很有優(yōu)勢(shì)，但一定程度上依賴(lài)于初始影像分割結(jié)果，對(duì)道路的形狀變化比較敏感。文獻(xiàn)[5-7]給出了基于圖像分割和邊緣檢測(cè)的方法，這些方法利用遙感圖像中道路具有明顯邊界的特征來(lái)提取道路的邊緣，但是容易丟失圖像細(xì)節(jié)，邊緣連續(xù)性較差。文獻(xiàn)[8]利用DS證據(jù)理論融合形狀特征以獲取道路的中心線，降低了幾何特征閾值選取的難度，減少了人工干預(yù)操作。

文獻(xiàn)[9]在1979年提出了模糊連接度理論，此后，1995年文獻(xiàn)[10]提出了用模糊連接度描述不同像素連接緊密程度的圖像分割方法，并成功應(yīng)用于醫(yī)學(xué)圖像分割等多個(gè)領(lǐng)域。模糊連接度理論運(yùn)用“模糊相似性”來(lái)描述圖像像素間的相似關(guān)系，其目標(biāo)識(shí)別具有“相似性、連接性”的特點(diǎn)，與路網(wǎng)的遙感圖像特征相符。所以模糊連接度理論比較適合用于遙感圖像路網(wǎng)信息的自動(dòng)識(shí)別。但傳統(tǒng)模糊連接度理論的種子點(diǎn)自動(dòng)選擇比較困難，計(jì)算量偏大[11，12]。針對(duì)這些問(wèn)題，本文改進(jìn)了傳統(tǒng)的模糊連接度理論，首先，采用小波模極大值邊緣檢測(cè)方法進(jìn)行種子點(diǎn)自動(dòng)選擇；然后，根據(jù)小波模極大值邊緣檢測(cè)過(guò)程中已包含了圖像灰度梯度信息的特點(diǎn)，去除了傳統(tǒng)模糊相似度計(jì)算公式中的灰度部分，簡(jiǎn)化了計(jì)算，在保證路網(wǎng)識(shí)別準(zhǔn)確性的同時(shí)，提高了計(jì)算實(shí)時(shí)性；最后，基于傳統(tǒng)模糊連接度方法判別閾值難以選取的問(wèn)題，給出了一種自動(dòng)判別方法，提高了路網(wǎng)信息識(shí)別的準(zhǔn)確性。

2　傳統(tǒng)模糊連接度理論

設(shè)c和d是2維圖像上兩個(gè)像素點(diǎn)，顯然從c到d的路徑有很多條，路徑數(shù)量與c，d之間的距離以及圖像分辨率有關(guān)，本文假設(shè)其為n條。用PCDi來(lái)表示第i條從c到d的路徑，則PCDi由一系列相鄰的像素點(diǎn)組成，其中，=d 。

其中，a和b是兩個(gè)相鄰像素點(diǎn)，f(a)和f(b)是點(diǎn)a 和b的灰度值。h1和h2是灰度和梯度的標(biāo)準(zhǔn)高斯函數(shù)。w1和w2是表示灰度和梯度對(duì)模糊相似性影響的權(quán)重，。和的樣本統(tǒng)計(jì)均值和方差用a1，β1，α2，β2表示。則

將c和d之間所有路徑的連接強(qiáng)度值的最大值定義為c和d之間的模糊連接度，則從整體的角度描述了c和d的相關(guān)性。

為了采用模糊連接度理論在圖像中識(shí)別特定的目標(biāo)，需要先在圖像中人工或自動(dòng)地定義明確屬于該對(duì)象的起始點(diǎn)o，即所謂的“種子點(diǎn)”。然后計(jì)算圖像中其它像素點(diǎn)與種子點(diǎn)之間的模糊連接度，如果模糊連接度大于一定的閾值，則判斷該像素點(diǎn)屬于該對(duì)象，否則不屬于該對(duì)象。

3　基于改進(jìn)模糊連接度的遙感圖像路網(wǎng)信息自動(dòng)識(shí)別

由于模糊連接度理論是采用“模糊連接度”來(lái)描述像素之間相似關(guān)系的，其識(shí)別出的目標(biāo)內(nèi)部像素具有“相似性”和“連接性”的特征，與背景反差大，這與遙感圖像中交通路網(wǎng)對(duì)象具有的灰度均勻、彼此連接、與背景區(qū)分度高的特征相符，所以采用模糊連接度理論進(jìn)行遙感圖像中路網(wǎng)信息的識(shí)別可以取得較高的識(shí)別精度。

3.1基于小波模極大值圖像邊緣提取的模糊連接度種子點(diǎn)自動(dòng)選取

種子點(diǎn)的選取對(duì)于運(yùn)用模糊連接度理論進(jìn)行對(duì)象的準(zhǔn)確識(shí)別具有十分關(guān)鍵的作用。傳統(tǒng)的種子點(diǎn)選取方式往往依賴(lài)人工目視判別，效率低下且容易受人為干擾。本文基于小波變換良好的時(shí)域與頻域特性[13，14]，采用小波模極大值方法對(duì)遙感圖像進(jìn)行邊緣提取[15]，以其提取的圖像邊緣作為種子點(diǎn)，從而實(shí)現(xiàn)種子點(diǎn)的自動(dòng)選取。

在X-Y平面上定義一個(gè)函數(shù)θ(x，y)，如果其在整個(gè)平面上的積分等于1，且在x2+ y2趨于無(wú)窮時(shí)收斂到0，則該函數(shù)是一個(gè)2維平滑函數(shù)?；叶葓D像f(x，y)經(jīng)該函數(shù)在尺度s作用下的小波變換分量可定義為

其中，

對(duì)于二進(jìn)制小波變換，則有

3.2 模糊連接度算法的改進(jìn)

本文將采用小波模極大值法提取的邊緣點(diǎn)作為種子點(diǎn)，運(yùn)用模糊連接度理論進(jìn)一步準(zhǔn)確識(shí)別出交通路網(wǎng)。由于在小波模極大值邊緣提取算法中已經(jīng)包含了梯度信息，所以傳統(tǒng)模糊相似度uki的計(jì)算公式(1)可以簡(jiǎn)化為

這樣可以大大減少模糊連接度的計(jì)算量。

傳統(tǒng)的模糊連接度圖像識(shí)別理論通過(guò)判斷圖像中所有其它像素點(diǎn)與種子點(diǎn)之間的模糊連接度是否大于一定的閾值，來(lái)判斷該像素點(diǎn)是否屬于識(shí)別的目標(biāo)。但是閾值的選取十分困難，過(guò)大過(guò)小都會(huì)造成目標(biāo)識(shí)別的不準(zhǔn)確。本文設(shè)計(jì)了一種背景點(diǎn)與種子點(diǎn)模糊連接度比較的方法來(lái)解決這個(gè)問(wèn)題。該方法在選取種子點(diǎn)的同時(shí)，也選取出背景點(diǎn)，如果圖像中某像素點(diǎn)與所有種子點(diǎn)的模糊連接度的最大值大于其與所有背景點(diǎn)的模糊連接度的最大值，則該像素點(diǎn)屬于交通路網(wǎng)，否則屬于背景。詳細(xì)流程如下：

步驟1將圖像邊緣檢測(cè)之后的結(jié)果進(jìn)行二值化處理，邊緣上的點(diǎn)用白色表示，背景上的點(diǎn)用黑色表示。用點(diǎn)集表示邊緣上的所有點(diǎn)，將其用作種子點(diǎn)；用點(diǎn)集2，…，n}表示背景上的所有點(diǎn)。用p(x，y)表示圖像中坐標(biāo)為(x，y)的點(diǎn)，初始化x =0，y =0；

步驟2根據(jù)式(5)分別計(jì)算p(x，y)與所有種子點(diǎn)的模糊連接度的最大值Ups以及與所有背景點(diǎn)的模糊連接度的最大值Upk：

否則，則認(rèn)為p(x，y)屬于背景，將該點(diǎn)加入背景點(diǎn)集K，即

步驟4令x=x +1，轉(zhuǎn)至步驟2，如果x達(dá)到圖像橫向邊界則退出循環(huán)；

步驟5令y=y +1，轉(zhuǎn)至步驟2，如果y達(dá)到圖像縱向邊界則退出循環(huán)，結(jié)束。

通過(guò)上述流程可以遍歷判斷圖像中的所有像素點(diǎn)是否屬于種子點(diǎn)集，最終得到的種子點(diǎn)集S就是圖像中交通路網(wǎng)的點(diǎn)集。

4　實(shí)驗(yàn)驗(yàn)證

基于Matlab2013環(huán)境(電腦處理器：INTEL 4 核I53470，內(nèi)存：8 GB)，從高分辨商業(yè)遙感衛(wèi)星Quickbird采集的遙感圖像中選取了一幅分辨率為0.6 m的圖像來(lái)進(jìn)行路網(wǎng)信息識(shí)別，如圖1(a)所示，該圖包含了豐富的路網(wǎng)信息和多種干擾。如式(11)所示，本文改進(jìn)的模糊相似度的計(jì)算僅需要計(jì)算像素的灰度，所以對(duì)圖1(a)進(jìn)行灰度化處理得到圖1(b)。采用小波模極大值法對(duì)圖1(b)進(jìn)行邊緣檢測(cè)，再經(jīng)二值化后得到圖1(c)。將其中白色的邊緣點(diǎn)用作種子點(diǎn)，將黑色的點(diǎn)作為背景點(diǎn)，運(yùn)用本文第3.2節(jié)給出的路網(wǎng)識(shí)別流程，可以得到路網(wǎng)信息如圖1(d)所示，可以看出圖1(d)去除了圖1(c)中的非道路邊緣噪聲，并填充了道路邊緣之間的間隙，取得了很好的路網(wǎng)提取效果。

為了驗(yàn)證所提方法的通用性，選取另外兩幅遙感圖像進(jìn)行路網(wǎng)信息識(shí)別實(shí)驗(yàn)，識(shí)別結(jié)果如圖2和圖3所示。圖2中包含了大量的農(nóng)田，與道路的區(qū)分度較高。而圖3中則包含了較多的建筑物，由于道路和建筑物的房頂光譜特征相近，所以在邊緣提取的時(shí)候造成了較多的噪聲，如圖3(c)所示，雖然如此，由于本文提出的改進(jìn)模糊連接度識(shí)別方法具有“相似性”和“連接性”的特征，所以道路識(shí)別過(guò)程中能夠很好地去除建筑物造成的干擾，取得很好的識(shí)別效果，如圖3(d)所示。

圖1　驗(yàn)證實(shí)驗(yàn)1

圖2　驗(yàn)證實(shí)驗(yàn)2

圖3　驗(yàn)證實(shí)驗(yàn)3

為了對(duì)上述3個(gè)實(shí)驗(yàn)的結(jié)果進(jìn)行量化分析，用識(shí)別準(zhǔn)確的路網(wǎng)像素點(diǎn)數(shù)量占實(shí)際路網(wǎng)像素點(diǎn)數(shù)量的比例來(lái)表示提取準(zhǔn)確率，將本文所提出的改進(jìn)模糊連接度的路網(wǎng)自動(dòng)提取方法與文獻(xiàn)[11]的基于傳統(tǒng)模糊連接度的方法、文獻(xiàn)[12]的基于紋理-模糊連接度的方法、文獻(xiàn)[3]提出的基于改進(jìn)粒子濾波和Snake模型的方法，文獻(xiàn)[4]的數(shù)學(xué)形態(tài)學(xué)方法，文獻(xiàn)[5～7]的圖像分割和邊緣檢測(cè)方法等遙感圖像道路信息自動(dòng)提取方法的結(jié)果進(jìn)行了比較。因?yàn)槲墨I(xiàn)[2]和文獻(xiàn)[8]的方法需要人工干預(yù)，所以本文不與其進(jìn)行比較。3個(gè)驗(yàn)證實(shí)驗(yàn)的比較結(jié)果如表1～表3所示。結(jié)果顯示，本文所提出的方法具有更高的準(zhǔn)確率和更快的計(jì)算速度。

表1　驗(yàn)證實(shí)驗(yàn)1的結(jié)果比較

表2　驗(yàn)證實(shí)驗(yàn)2的結(jié)果比較

表3　驗(yàn)證實(shí)驗(yàn)3的結(jié)果比較

5　結(jié)論

本文改進(jìn)了基于模糊連接度的遙感圖像路網(wǎng)信息識(shí)別方法，通過(guò)采用小波模極大值方法對(duì)圖像進(jìn)行邊緣檢測(cè)，將檢測(cè)到的邊緣點(diǎn)用作模糊連接度的“種子點(diǎn)”，解決了種子點(diǎn)的自動(dòng)準(zhǔn)確選擇問(wèn)題；進(jìn)一步在邊緣檢測(cè)的基礎(chǔ)上，運(yùn)用模糊連接度的“相似性和連接性”識(shí)別道路信息，并根據(jù)小波模極大值邊緣檢測(cè)中已包括了圖像梯度信息的情況，對(duì)傳統(tǒng)模糊相似度計(jì)算公式進(jìn)行了簡(jiǎn)化，提高了計(jì)算速度；通過(guò)比較像素點(diǎn)與背景點(diǎn)、像素點(diǎn)與種子點(diǎn)模糊連接度最大值的方法，解決了傳統(tǒng)模糊連接度圖像識(shí)別方法中判斷閾值難以選擇的問(wèn)題，提高了識(shí)別的準(zhǔn)確性。對(duì)3組高分辨衛(wèi)星遙感圖像中的路網(wǎng)信息識(shí)別實(shí)驗(yàn)表明，本文方法具有精度較高、速度快的優(yōu)點(diǎn)。

參考文獻(xiàn)

[1]王雷，馮學(xué)智，都金康，等.遙感影像分類(lèi)與地學(xué)知識(shí)發(fā)現(xiàn)的集成研究[J].地理研究，2001，20(5):637-643.WANG Lei，F(xiàn)ENG Xuezhi，DU Jinkang，et al.On the integration between image classification and geographical knowledge discovery[J].Geographical Research，2001，20(5):637-643.

[2]林祥國(guó)，張繼賢，李海濤，等.基于T型模板匹配半自動(dòng)提取高分辨率遙感影像帶狀道路[J].武漢大學(xué)學(xué)報(bào)信息科學(xué)版，2009，34(3):293-296.LIN Xiangguo，ZHANG Jixian，LI Haitao，et al.Semiautomatic extraction of ribbon road from high resolution remotely sensed imagery by a T-shaped template matching[J].Geomatics and Information Science of Wuhan University，2009，34(3):293-296.

[3]LIU Junyi，SUI Haigang，TAO Mingming，et al.Road extraction from SAR imagery based on an improved particle filtering and snake model[J].International Journal of Remote Sensing，2013，34(22):8199-8214.

[4]李利偉，劉吉平，尹作為.基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取[J].遙感信息，2005(3):9-11.LI Liwei，LIU Jiping，and YIN Zuowei.Road extraction from high resolution remote sensing image based on mathematic morphology[J].Remote Sensing Information，2005(3):9-11.

[5]MATKAN A A，HAJEB M，and SADEGHIAN S.Road extraction from Lidar data using support vector machine classification[J].Photogrammetric Engineering and Remote Sensing，2014，80(5):409-422.

[6]MA Hairong，CHENG Xinwen，WANG Xin，et al.Road information extraction from high resolution remote sensing images based on threshold segmentation and mathematical morphology[C].Proceedings of the 2013 6th International Congress on Image and Signal Processing，Hangzhou，2013，2:626-630.

[7]勞小敏，張哲倫，張豐，等.基于鄰域總變分和邊緣檢測(cè)的遙感影像道路提取[J].浙江大學(xué)學(xué)報(bào)(理學(xué)版)，2013，40(6):705-709.LAO Xiaomin，ZHANG Zhelun，ZHANG Feng，et al.Road extraction from remote sensing images based on neighborhood total variation and edge detection[J].Journal of Zhejiang University(Science Edition)，2013，40(6):705-709.

[8]寧亞輝，雷小奇，王功孝，等.Dempster-Shafe證據(jù)融合形狀特征的高分辨率遙感圖像道路信息提取[J].中國(guó)圖象圖形學(xué)報(bào)，2011，16(12):2183-2190.NING Yahui，LEI Xiaoqi，WANG Gongxiao，et al.Road extraction from high-resolution remote sensing images based on Dempster-Shafer evidence theory and fusion shape features[J].Journal of Image and Graphics，2011，16(12):2183-2190.

[9]ROSENFELD A.Fuzzy digital topology[J].Inform Control，1979，40:76-87.

[10]UDUPA K J and SAMARASEKERA S.Fuzzy connectedness and object definition:theory，algorithm and application in image segmentation[J].Graphical Model and Image Processing，1995，58(3):246-261.

[11]魏敏，李朝峰.基于模糊連接度的衛(wèi)星圖像道路提取新方法[J].計(jì)算機(jī)工程與應(yīng)用，2006，42(13):230-232.WEI Min and LI Chaofeng.Relative-fuzzy-connectedness based road extraction new method from remote sensing image[J].Computer Engineering and Application，2006，42(13):230-232.

[12]錢(qián)廈，盛慶紅，宗鵬.基于紋理-模糊連接度的遙感影像道路自動(dòng)提取[J].計(jì)算機(jī)工程與應(yīng)用，2011，47(34):187-189.QIAN Xia，SHENG Qinghong，and ZONG Peng.Automatic road extraction from remote sensing images based on texture-fuzzy connectedness[J].Computer Engineering and Applications，2011，47(34):187-189.

[13]吳光文，王昌明，包建東，等.基于自適應(yīng)閾值函數(shù)的小波閾值去噪方法[J].電子與信息學(xué)報(bào)，2014，36(6):1340-1347.doi:10.3724/SP.J.1146.2013.00798.WU Guangwen，WANG Changming，BAO Jiandong，et al.A wavelet threshold de-noising algorithm based on adaptive threshold function[J].Journal of Electronics ＆ Information Technology，2014，36(6):1340-1347.doi:10.3724/SP.J.1146.2013.00798.

[14]郝巖，許建樓.迭代重加權(quán)的小波變分修復(fù)模型[J].電子與信息學(xué)報(bào)，2013，35(12):2916-2920.doi:10.3724/SP.J.1146.2012.01561.HAO Yan and XU Jianlou.Iteratively reweighted based wavelet variational inpainting model[J].Journal of Electronics ＆ Information Technology，2013，35(12):2916-2920.doi:10.3724/SP.J.1146.2012.01561.

[15]田巖巖，齊國(guó)清.基于小波變換模極大值的邊緣檢測(cè)方法[J].大連海事大學(xué)學(xué)報(bào)，2007，33(1):102-106.TIAN Yanyan and QI Guoqing.Edge detection based on wavelet transfer module maxima[J].Journal of Dalian Maritime University，2007，33(1):102-106.

鄭瑾：女，1975年生，講師，博士生，研究方向?yàn)樾滦蛥^(qū)域規(guī)劃方法研究.

柳肅：男，1956年生，教授，研究方向?yàn)榈赜蚪ㄖ幕芯?

孫煒：男，1975年生，教授，研究方向?yàn)橹悄苄畔⑻幚矸椒ㄑ芯?

An Improved Fuzzy Connectedness Method to Recognize Automatically the Road Network Information from Remote Sensing Image

ZHENG Jin①LIU Su①SUN Wei②
①(College of Architecture，Hunan University，Changsha 410082，China)
②(College of Electrical and Information Engineering，Hunan University，Changsha 410082，China)

Abstract:To recognize automatically road network from remote sensing image，an improved fuzzy connectedness method is proposed by combining traditional fuzzy connectedness theory with wavelet modulus maximum algorithm.The wavelet modulus maximum image edge detection algorithm is used to solve the problem of selecting seed points automatically in traditional fuzzy connectedness theory.On this basis，traditional fuzzy similarity computational formula is simplified.This can reduce the cost of calculation greatly without reducing the recognition accuracy.Three high-resolution remote sensing images from the satellite Quickbird are processed in the experiments to prove the effectiveness of the proposed method.The results show that the proposed road network recognition method has high accuracy and rapid computation speed.

Key words:Remote sensing image; Road network information recognition; Fuzzy connectedness; Wavelet modulus maximum; Image edge detection

*通信作者：鄭瑾zheng.jin@163.com

收稿日期：2015-05-12；改回日期：2015-10-19；網(wǎng)絡(luò)出版：2015-12-04

DOI:10.11999/JEIT150563

中圖分類(lèi)號(hào)：TP751.1

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-5896(2016)02-0413-05