基于平行邊緣點(diǎn)對的道路檢測方法

孫永超，王 平，高穎慧，董小虎

(國防科技大學(xué) 電子科學(xué)與工程學(xué)院 ATR重點(diǎn)實(shí)驗(yàn)室， 長沙 410073)

基于平行邊緣點(diǎn)對的道路檢測方法

孫永超，王 平，高穎慧，董小虎

(國防科技大學(xué) 電子科學(xué)與工程學(xué)院 ATR重點(diǎn)實(shí)驗(yàn)室， 長沙 410073)

為有效解決高分辨率遙感圖像中的道路檢測問題，提出了一種基于平行邊緣點(diǎn)對的處理方法。首先歸納了高分辨率遙感圖像道路的基本特征，提出一種平行點(diǎn)對模型；然后提取圖像邊緣信息，綜合利用道路邊緣梯度方向、道路邊界灰度，構(gòu)造對稱方向?qū)挾茸V；最后通過非極大值抑制處理，得到對應(yīng)于主干道路的局部峰值，并獲取相應(yīng)的傾角和水平寬度值，實(shí)現(xiàn)主干道路的自動提取。實(shí)驗(yàn)結(jié)果表明：該方法具有較高的檢測精度，可以有效提取主干道路邊緣，對直線和曲線道路都有較好的效果。

高分辨率遙感圖像；道路檢測；平行邊緣點(diǎn)對

道路作為一種重要的基礎(chǔ)設(shè)施，不僅是國民經(jīng)濟(jì)的動脈，而且具有重要的軍事價值。所以，在高分辨率遙感影像自動目標(biāo)識別領(lǐng)域，道路目標(biāo)提取是熱門的研究方向。

在高分辨率遙感影像中，道路呈明顯的帶狀特性，寬度變化緩慢，道路邊緣一般呈平行特性。現(xiàn)有的道路檢測算法總體可分為兩類：基于邊緣特征的方法和基于區(qū)域特征的方法。本文著重研究道路的邊緣平行特征?；诘缆菲叫刑卣饔性S多相關(guān)的提取算法。蔡濤[1]提出一種從多波段遙感影像上提取道路的方法，以直線段和平行線段為特征基元，利用多波段圖像的互補(bǔ)性提高對道路提取的準(zhǔn)確性。Hu等[2]提出一種基于“橋接”(bridge-link)模型的算法，主要利用道路邊緣平行線間的寬度特征，有效減少了因?yàn)榈缆繁徽趽踔率沟缆诽崛〔煌暾默F(xiàn)象。衛(wèi)靖杰[3]提出一種基于平行線模型的原則，通過對圖像分層處理，提高道路提取精度，但耗時較長。朱昌盛[4]提出一種基于平行線對的方法，對SAR圖像主干道進(jìn)行提取，但是需要手動設(shè)置寬度參數(shù)。董銀文[5]提出了一種基于直線特征的機(jī)場跑道自動識別算法，首先對圖像進(jìn)行直線提取，然后對提取的直線進(jìn)行3次連接，最后實(shí)現(xiàn)機(jī)場跑道邊界平行直線對的提取。

本文提出了一種基于平行邊緣點(diǎn)對的主干道路提取方法，主要利用道路邊緣的平行、對稱，以及道路寬度變化緩慢等特性，實(shí)現(xiàn)道路主干的自動提取。

1 道路提取的基本框架

1.1 道路的基本特征

圖1中給出了4幅道路目標(biāo)高分辨率遙感圖像。圖中均有一條主干道路，道路寬度均勻且延伸性較好，道路邊緣明顯，但由于路面材質(zhì)不同，道路呈現(xiàn)不同灰度。(a)中主干道路呈明顯直線，還伴有數(shù)條鄉(xiāng)村小路和田埂；(b)(c)中主干道路有一定彎曲度，道路邊緣受到城區(qū)建筑影響較大；(d)中主干道路彎曲度較大。

圖1 道路目標(biāo)示例

可以看出，高分辨率遙感影像中道路不僅有豐富的光譜信息，而且道路的幾何結(jié)構(gòu)更加明顯，可以獲得更多形狀和空間語義方面的信息，但是地物目標(biāo)的種類也多樣化，給道路識別帶來很大影響。道路基本特征概括后主要有以下幾類：

1) 幾何特征：道路具有明顯的方向性，沿長方向?qū)挾茸兓^??；對于不同地形，道路彎曲度不同，但一般曲率變化緩慢。

2) 灰度特征：道路內(nèi)部灰度較為均勻，但由于道路年齡差異、路面材質(zhì)不同，會導(dǎo)致道路灰度的不均一；道路區(qū)域與其相鄰區(qū)域的灰度差異較大，但容易受到路旁樹木、建筑物及陰影的影響，造成邊緣斷裂。

3) 拓?fù)涮卣鳎旱缆烽g相互連通，不會突然中斷，有一定的延續(xù)性。

4) 功能特征：道路具有一定的等級和用途，不同等級的道路具有不同的寬度和用途。

5) 上下文特征：道路周邊區(qū)域一般總是存在著道路相關(guān)的圖像特征，道路上來往的車輛、路邊的綠化帶和行樹都是重要的上下文信息。

1.2 平行點(diǎn)對模型

道路邊緣的理論模型包含平行直線和平行曲線，對于平行直線的判斷，可以依據(jù)直線斜率，但是對于平行曲線，利用曲率的計算較為復(fù)雜且不利于計算機(jī)自動處理，為此設(shè)計一種平行點(diǎn)對模型，如圖2所示。

圖2 平行線對模型

平行點(diǎn)對模型：設(shè)L與K是由邊緣點(diǎn)集組成的2條線，若L與K可以分成相應(yīng)的邊緣點(diǎn)對L1與K1，L2與K2，…，Ln與Kn，(n≥1，n∈N)，且各邊緣點(diǎn)對滿足如下條件：

1)L1∪L2∪L3…∪Ln=L；K1∪K2∪K3…∪Kn=K。

2) 對于其中任意一對Li與Ki(i=1，2，…n，n∈N)，具有相同的邊緣方向θi，Li與Ki連線方向垂直于θi，且Li與Ki的距離d為定值。

那么L與K構(gòu)成一組平行線。

2 主要算法流程

高分辨率遙感影像的道路提取遵循Marr視覺理論[6]，主要分為5個步驟，因此道路提取框架如圖3所示。

圖3 道路提取框架圖

基于平行邊緣點(diǎn)對的道路檢測方法整體流程如圖4所示，其核心是利用主干道路邊緣所呈現(xiàn)的平行特性，構(gòu)造了道路目標(biāo)的對稱方向?qū)挾茸V(symmetry orientation and width spectrum，SOWS)[7]。

SOWS(θi)=|{∠ek=θi,∠el=θi,

(1)

式(1)中，ek,el∈E表示圖像中的邊緣點(diǎn)，E為邊緣點(diǎn)集合，θi∈[0,180]為道路邊緣方向，|{…}|表示集合中元素的個數(shù)，Di為ek,el之間的幾何距離，與主要道路大致寬度有關(guān)。若ek-el∈Di且∠ek=θi,∠el=θi，，則(ek,el)為方向θi距離Di上的邊緣點(diǎn)對。通過統(tǒng)計邊緣點(diǎn)對的數(shù)量，可以形成方向?qū)挾茸V圖，根據(jù)顯著峰值可以有效判斷道路的主方向和寬度。

圖4 算法流程

2.1 邊緣提取

圖像邊緣檢測是計算機(jī)視覺研究的熱點(diǎn)問題之一，在計算機(jī)圖形學(xué)等方面有著重要作用[8]。常用的邊緣檢測算子有Sobel算子、Roberts算子、Prewitt算子、Canny算子等[9]。

Sobel算子是典型的基于一階導(dǎo)數(shù)的邊緣檢測算子，使用2個方向的模板，分別對圖像進(jìn)行鄰域卷積，邊緣點(diǎn)就是鄰域內(nèi)灰度變化大于一定閾值的像素點(diǎn)。

Canny算子是一種基于最優(yōu)化思路推導(dǎo)出來的圖像邊緣檢測算子，提取的邊緣連續(xù)性較好，不容易受噪聲的干擾。

圖5中(a)(b)分別為Sobel算子和Canny算子對圖1(a)的邊緣提取結(jié)果，所提取的邊緣點(diǎn)的數(shù)量分別為4 517和17 304。由圖可知：Sobel算子不僅能提取出較完整的圖像輪廓，而且計算簡單，邊緣點(diǎn)定位準(zhǔn)確，在實(shí)時性和有效性上具有明顯優(yōu)勢，所以本方法中選擇Sobel算子用于提取邊緣的位置和方向信息。

圖5 邊緣提取效果對比

2.2 邊緣方向計算

邊緣方向是非常重要的特征參數(shù)，通過提取主方向邊緣，可以實(shí)現(xiàn)目標(biāo)與背景的初步分離。對圖5(a)中的邊緣圖提取結(jié)果統(tǒng)計邊緣方向直方圖如圖6(a)所示，提取主方向邊緣點(diǎn)如圖6(b)所示，有效地去除了無關(guān)的邊緣點(diǎn)。

圖6 邊緣方向計算

為了有效抑制背景干擾，在計算邊緣方向時，可以采用基于局部PCA變換的方法[10]來代替?zhèn)鹘y(tǒng)的基于單像素灰度梯度的處理方法。

局部PCA方法：以任一邊緣點(diǎn)E(i,j)為中心選取一個局部鄰域窗口，大小p×p，其中p為奇數(shù)，其大小會影響PCA計算的速度和結(jié)果的準(zhǔn)確性，這里取p=7。設(shè)邊緣圖像中局部鄰域窗口內(nèi)邊緣點(diǎn)數(shù)目為n，像素坐標(biāo)為(xi,yj)，則：

(2)

其中

(3)

從而可構(gòu)造協(xié)方差矩陣：

(4)

進(jìn)而計算S的特征根，有：

(5)

通常，λ1>λ2。若λ2=0，則鄰域窗口內(nèi)邊緣點(diǎn)為理想直線。但是在邊緣圖像中，由于噪聲的影響，以及邊緣像素位置的不確定性，λ2往往是一個較小的數(shù)值。實(shí)驗(yàn)表明：對于較接近直線的線段，λ2在0～0.3之間浮動，因此可以將λ2>0.4的局部線段作為曲度較大的邊緣剔除，同時可通過λ1求得鄰域窗口內(nèi)邊緣點(diǎn)的主元方向θ：

(6)

圖7(a)為PCA方法計算的邊緣方向譜，圖7(b)為提取主方向邊緣點(diǎn)的結(jié)果，與圖6相比有效抑制了背景干擾，具有較好的魯棒性。

2.3 道路邊緣點(diǎn)對提取

圖8給出了對圖1(a)進(jìn)行SOWS計算的結(jié)果，其中w表示寬度，o表示方向，CP-SOWS表示平行邊緣點(diǎn)對數(shù)量?？梢钥闯觯涸赟OWS中，(w=11,o=60)處存在1個顯著峰值，這對應(yīng)于圖像中的主干道路邊緣信息，因此可以實(shí)現(xiàn)主干道路的提取。

圖7 PCA方法邊緣方向計算

圖8 SOWS計算結(jié)果

由定義可知：SOWS局部顯著峰的位置包含了相應(yīng)平行邊緣的方向和寬度信息，據(jù)此在邊緣圖像中可以實(shí)現(xiàn)道路邊緣的提取。其中，為了便于檢測局部峰值，往往需要利用非極大值抑制方法對SOWS進(jìn)行處理，消除干擾峰的影響，進(jìn)一步突出顯著峰，其處理步驟如下：

步驟1 對SOWS進(jìn)行非極大值抑制處理得到最大顯著峰值SOWSmax；

步驟2 設(shè)定比例因子r=0.50，有峰值檢測閾值ThSOWS=SOWSmax·r；

步驟3 遍歷SOWS，若SOWS>ThSOWS，則獲取相應(yīng)坐標(biāo)值(o,w)；

步驟4 利用(o,w)，遍歷原始邊緣圖E和邊緣方向圖O，若邊緣點(diǎn)E(i,j)的方向O(i,j)=o，同時E(i,j⊕w)為邊緣點(diǎn)，且O(i,j⊕w)=o，則邊緣點(diǎn)對E(i,j)和E(i,j⊕w)為道路邊緣點(diǎn)，賦值為1，否則賦值為0。

步驟5 重復(fù)步驟2～4，直至滿足條件的峰值處理完畢，輸出結(jié)果。

其中，符號⊕表示兩邊緣點(diǎn)之間按照幾何距離相加。

3 實(shí)驗(yàn)結(jié)果與分析

為了評估本方法在高分辨率遙感圖像中的實(shí)際性能，通過以下2組實(shí)驗(yàn)進(jìn)行論證。實(shí)驗(yàn)1中通過與傳統(tǒng)的Hough變換方法、數(shù)學(xué)形態(tài)學(xué)方法的對比試驗(yàn)，驗(yàn)證本方法的優(yōu)越性。實(shí)驗(yàn)2中通過測試本方法對復(fù)雜背景下道路檢測的效果，驗(yàn)證本方法的有效性。

3.1 實(shí)驗(yàn)1

為了有效地進(jìn)行對比試驗(yàn)，選取2類典型道路的高分辨率遙感圖像，其中圖9(a1)為平行直線道路，圖像大小為204×154像素，分辨率為1 m；圖9(a2)為平行曲線道路，圖像大小為255×199像素，分辨率為1 m。對2幅圖像分別使用文獻(xiàn)[11]基于數(shù)學(xué)形態(tài)學(xué)的方法、文獻(xiàn)[12]基于Hough變換的方法和本方法進(jìn)行處理，效果對比如圖9所示。

實(shí)驗(yàn)1的結(jié)果表明：對于典型的平行直線道路，3種方法都能夠達(dá)到較好的提取效果。對于典型的平行曲線道路，基于Hough變換的方法只能檢測到道路的直線部分，對于彎曲的部分無法有效檢測，而本方法可以有效地提取出整個道路的平行邊緣。

基于數(shù)學(xué)形態(tài)學(xué)的方法雖然也可以有效地提取道路的輪廓，但是無法判斷道路邊緣是否平行，在復(fù)雜背景下，容易受到河流等其他地物的影響。另外本方法還可以對道路的主方向和寬度進(jìn)行檢測，檢測結(jié)果如表1所示。

表1 道路主方向與寬度檢測

3.2 實(shí)驗(yàn)2

為驗(yàn)證本方法的有效性，實(shí)驗(yàn)2利用圖1中所給的不同背景復(fù)雜度下含有主干道路目標(biāo)的高分遙感圖像進(jìn)行測試分析。

圖10(a)為Sobel算子邊緣提取效果，包含主干道路邊緣信息，同時還包括部分建筑物、陰影等邊緣的干擾。圖10(b)為SOWS計算結(jié)果，均有明顯的顯著峰，有利于平行邊緣點(diǎn)對信息的區(qū)分，并實(shí)現(xiàn)道路主方向和寬度的檢測。圖10(c)為主干道路提取結(jié)果。

實(shí)驗(yàn)2結(jié)果表明：對于高分辨率遙感圖像，基于平行邊緣點(diǎn)對的方法可有效抑制背景干擾，較為準(zhǔn)確地提取平行道路邊緣點(diǎn)，從而有利于主干道路的檢測。

4 結(jié)束語

對于主干道路提取，本文從邊緣和灰度的角度構(gòu)造了主干道路自動提取方法，主要利用道路邊緣的平行、對稱，以及道路寬度變化緩慢等特性，綜合利用道路邊緣梯度方向、道路邊界灰度，構(gòu)造對稱方向?qū)挾茸V(SOWS)，并通過對SOWS的非極大值抑制處理，得到對應(yīng)于主干道路的局部峰值，并獲取相應(yīng)的傾角和水平寬度值，實(shí)現(xiàn)道路網(wǎng)主干道路的自動提取，通過對不同場景高分辨率遙感圖像的實(shí)驗(yàn)結(jié)果，驗(yàn)證了方法的有效性。

圖10 實(shí)驗(yàn)2結(jié)果

[1] 蔡濤,王潤生.一個從多波段遙感圖像提取道路網(wǎng)的算法[J].軟件學(xué)報,2001,12(6):943-948.

[2] HU H,LIU Y,WANG X,et al.Road Extraction in Remote Sensing Images Using a New Algorithm[C]//Proceeds of IEEE International Conference on Intelligent Information Hiding and Multimedia Signal Processing.Harbin,[s.n.],2008:779-782.

[3] 衛(wèi)靖杰,李光耀,汪燕琴,等.基于平行線對的衛(wèi)星照片道路自動提取算法[J].計算機(jī)工程與應(yīng)用,2008,44(29):193-195.

[4] 朱昌盛,周偉,關(guān)鍵.基于平行線對檢測的SAR圖像主干道提取算法[J].中國圖象圖形學(xué)報,2011,16(10):1908-1917.

[5] 董銀文,苑秉成.基于直線特征的航拍圖像機(jī)場跑道自動識別算法[J].系統(tǒng)工程與電子技術(shù),2013,35(4):876-879.

[6] 史文中,朱長青,王昱.從遙感影像提取道路特征的方法綜述與展望[J].測繪學(xué)報,2001,30(3):257-261.

[7] TANG L，XIE W X，HUANG J J．Finding Main Road Seeds Based on Symmetrical Edge Orientation Histogram[J].Electronics Letters,2004,40(4):235-237。

[8] 阮秋琦,阮宇智,譯.數(shù)字圖像處理 [M].北京:電子工業(yè)出版社,2005.

[9] 胡尚舉,田國法,申江波.邊緣檢測算子的分析比較 [J].大眾科技,2008(9):48-49.

[10] 胡正平,楊蘇,王成儒.基于局部PCA的參數(shù)約束Hough直線分層檢測[J].系統(tǒng)工程與電子技術(shù),2009,31(11):274-275.

[11] 江中亮.高分辨率遙感影像道路提取算法研究[D].長沙:中南大學(xué),2014.

[12] 安麗.基于 Hough 變換的高分辨率遙感影像道路提取[D].南昌:東華理工大學(xué),2015.

(責(zé)任編輯陳 艷)

RoadDetectionMethodBasedonParallelEdgePoint

SUN Yongchao, WANG Ping, GAO Yinghui, DONG Xiaohu

(ATR Key Laboratory, College of Electronic Science and Engineering,National University of Defense Technology, Changsha 410073, China)

In order to solve the problem of road detection in high-resolution remote sensing image, an algorithm based on parallel edge points was proposed. In this paper, a comprehensive analysis to the characters of the road in high resolution remote sensing images was first given, and then a parallel edge points model was proposed. This model can be used to extract the image edge information, and to build the symmetry orientation and width spectrum by exploiting the road edge directions and the gray scale of image boundary. Further, the local peak of the main load and the corresponding angle and horizontal width value can be obtained by utilizing non-maximum suppression. Finally, the main road can be automatically extracted from remote sensing image. Extensive experimental results showed that our method can effectively extract the edge of the main road, and with high accuracy and good generalization capability.

high resolution remote sensing images; road detection; parallel edge point

2017-05-21

國家自然科學(xué)基金資助項目(9140C8002011004)

孫永超(1985—)，男，山東章丘人，碩士研究生，主要從事計算機(jī)視覺、自動目標(biāo)識別方向的研究，E-mail：sych0611@126.com。

孫永超，王平，高穎慧，等.基于平行邊緣點(diǎn)對的道路檢測方法[J].重慶理工大學(xué)學(xué)報(自然科學(xué))，2017(11):185-191.

formatSUN Yongchao, WANG Ping, GAO Yinghui, et al.Road Detection Method Based on Parallel Edge Point[J].Journal of Chongqing University of Technology(Natural Science)，2017(11):185-191.

10.3969/j.issn.1674-8425(z).2017.11.028

TP751.1

A

1674-8425(2017)11-0185-07