遙感圖像中基于視覺機制的鐵路自動重建方法研究

肖潔　呂曉蕊　黃麗

摘要：近年來，遙感技術(shù)有了很大的進步，可以獲得非常精確的結(jié)果和高分辨率的圖像。有可能的方法利用這些數(shù)據(jù)來重建鐵路。提出了一種基于Gabor濾波的鐵路遙感圖像自動重建方法。該方法分為三個步驟。首先，利用Gabor算法對遙感圖像中的鐵路邊緣特征（如線路特征）進行檢測。其次，對濾波方向垂直的兩幅響應(yīng)圖像進行融合，抑制噪聲，得到一個長條紋平滑區(qū)域。第三，首先利用Otsu方法計算前一幅結(jié)果圖像的全局閾值，然后根據(jù)該閾值將其轉(zhuǎn)換為二值圖像，從而提取出一組光滑區(qū)域。該工作流程在一組遙感圖像上進行了測試，并發(fā)現(xiàn)以快速和高度自動化的方式提供了非常準(zhǔn)確的結(jié)果。

關(guān)鍵詞：遙感圖像，Gabor濾波，鐵路提取，空間分辨率。

1.概述

公共交通部門對地理空間數(shù)據(jù)的需求巨大?，F(xiàn)有數(shù)據(jù)集的更新和對象的數(shù)字化實現(xiàn)變得至關(guān)重要。鐵路公司需要這些信息，以便進行內(nèi)部規(guī)劃和遵守國際標(biāo)準(zhǔn)，特別是關(guān)于鐵路安全的標(biāo)準(zhǔn)。到目前為止，收集這些信息是陸地測量的一個領(lǐng)域。然而，檢索所需信息的費用很高，人們尋求替代方法。遙感技術(shù)是在不同尺度上監(jiān)測和評估地球表面和大氣的有力工具。隨著極高分辨率航空圖像的出現(xiàn)，這些數(shù)據(jù)在城市和環(huán)境研究中的應(yīng)用得到了很大的努力。通過遙感數(shù)據(jù)繪制鐵路基礎(chǔ)設(shè)施地圖成為可能。

有的學(xué)者提出了一種結(jié)合極高分辨率正射影像和密集機載激光掃描點云重建軌道中心線的方法。進行特征級數(shù)據(jù)融合，以便結(jié)合兩個數(shù)據(jù)集的優(yōu)點，并實現(xiàn)最大的準(zhǔn)確性和完整性。有的學(xué)者提出了一種兩階段提取鐵路的方法。根據(jù)置信方向直方圖計算初始方向，得到兩條軌道的精確方程組，最后將相鄰兩條軌道線方程組插值得到鐵路中心線。有的學(xué)者將高分辨率航空遙感數(shù)據(jù)中鐵路軌道的線性特征應(yīng)用于鐵路軌道的精細提取。該方法結(jié)合鐵路路基的頻譜特征和局部地形特征，提取機載激光雷達數(shù)據(jù)中的鐵路區(qū)域。本文提出了一種基于Gabor濾波的鐵路遙感圖像自動重建方法。

2.模型

在高分辨率遙感圖像中，鐵路的性質(zhì)可以分為兩種基本類型：光譜性質(zhì)和幾何性質(zhì)。鐵路是線性的，寬度的范圍是已知的;鐵路內(nèi)部的輻射測量是局部均勻的;鐵路和背景之間有顯著的反差;它的曲率是規(guī)則的（例如，鐵路可以被認為是局部直線）。圖像尺度也必須考慮在內(nèi)，因為圖像中鐵路的外觀取決于圖像尺度。在小尺度圖像中，鐵路以線特征出現(xiàn)，而鐵路交叉口是點特征。在大比例尺圖像中，由兩個平行邊界限定的均勻區(qū)域中的鐵路段，在該區(qū)域內(nèi)表面的性質(zhì)是可測量的。

基于log-Gabor濾波的鐵路中線遙感圖像自動重建分為三個步驟。首先，利用Log-Gabor算法對遙感圖像中的鐵路邊緣特征（如線路特征）進行檢測。其次，在濾波方向相互垂直的情況下，選取兩幅log-Gabor Fireglter響應(yīng)圖像來抑制噪聲，得到一個長條紋的平滑區(qū)域。第三，首先利用Otsu方法計算前一幅結(jié)果圖像的全局閾值，然后根據(jù)該閾值將其轉(zhuǎn)換為二值圖像，從而提取出一組光滑區(qū)域。

本模型使用Gabor濾波器來計算圖像中的紋理能量。使用Gabor fireglter在四個首選方向上檢測遙感圖像中的線路鐵路特征（如長線）。濾波器中的中心頻率參數(shù)是根據(jù)遙感圖像的空間分辨率獲取的。因鐵軌布置規(guī)范，鐵軌邊界線間距在20米以內(nèi)（城區(qū)不少于8米，城郊居民區(qū)不少于10米，村居居民區(qū)不少于12米，其他區(qū)域不少于15米）。在給定空間分辨率（米/像素）的情況下，鐵路在圖像中的規(guī)則寬度約為R像素，在空間域中可以將20/R計算為波長，將波長的倒數(shù)作為鐵路紋理的頻率，進而在Gabor濾波器中設(shè)置中心頻率參數(shù)。

經(jīng)過Gabor濾波后，獲得響應(yīng)圖像。我們選擇兩幅濾波方向相互垂直的Gabor Fireglter響應(yīng)圖像。為了抑制噪聲，獲得平滑的空間區(qū)域，對兩幅圖像進行線性可分離高斯濾波器卷積平滑，并進行二倍抽取子采樣。

由于局部地區(qū)的鐵路只在一個方向上產(chǎn)生線路特征，當(dāng)方向差為90°時，在一個方向上出現(xiàn)的線路特征響應(yīng)不會在另一個方向上出現(xiàn)。在兩幅圖像上應(yīng)用鐵路區(qū)域檢測操作，應(yīng)用邏輯異或運算?？梢员Ａ魞煞鶊D像中長條形的鐵路，而通過兩幅圖像中有紋理響應(yīng)的住宅等物體。然后，首先利用Otsu方法計算前一幅結(jié)果圖像的全局閾值，然后根據(jù)該閾值將其轉(zhuǎn)換為二值圖像，從而提取出一組光滑區(qū)域。平滑區(qū)域可作為鐵路區(qū)域的初步結(jié)果。對于給定的二值映射，通過應(yīng)用區(qū)域?qū)傩圆僮鱽頊y量二值圖像中每個斑點區(qū)域的屬性。例如，“偏心度”反映橢圓的偏心度，該橢圓具有與區(qū)域相同的二階矩，其值介于0和1之間。（偏心為0的橢圓實際上是圓，而偏心為1的橢圓是線段。）一條看起來像長條狀區(qū)域的鐵路可能有一個接近1的偏心值。如果當(dāng)前的任務(wù)是搜索一條鐵路，那么通過搜索偏心度接近1的斑點來達到目標(biāo)要容易得多。

3.實驗

本文在matlab2014開發(fā)環(huán)境下實現(xiàn)了該方法，并在2.80GHz Pentium CPU和4 GB內(nèi)存的計算機上進行了測試。數(shù)據(jù)集包括60幅空間分辨率在2m/像素到6m/像素之間的遙感影像。60幅800×800像素分辨率的圖像（IKONOS衛(wèi)星圖像）包括57條鐵路。應(yīng)用該方法對51個鐵路區(qū)域進行了正確識別，識別率為89.5%。

4.結(jié)論

本文提出了一種基于Gabor濾波的鐵路遙感圖像自動重建方法。與文獻中的大多數(shù)研究不同的是，該方法不需要任何訓(xùn)練數(shù)據(jù)來進行鐵路區(qū)域檢測。相反，我們使用Gabor濾波器來提取不同方向的空間鐵路特征（如長線）。然后，對圖像的輸出進行處理，得到平滑的鐵路區(qū)域。最后，在對鐵路區(qū)域進行標(biāo)記和后處理后，確定圖像中對應(yīng)的鐵路。該方法不需要大量的聚類或分類時間，且圖像的先驗信息很少，因此能夠快速地檢測出鐵路。而且，方法中沒有附加其他約束。為了給我們的方法提供實驗依據(jù)，我們在不同的航空和衛(wèi)星圖像上進行了測試，得到了令人鼓舞的結(jié)果。

參考文獻：

1.王華，韓正，王正，“一種從高空間分辨率圖像中提取鐵路中線的方法?！边b感技術(shù)與應(yīng)用，28（5），761-765（2013）.

2.通訊理論。IEEE。日本電氣工程師學(xué)會學(xué)報。93，429-457（1946）。

本研究得到了武漢鐵道職業(yè)技術(shù)學(xué)院招標(biāo)課題（編號： QZB202003）、武漢鐵道職業(yè)技術(shù)學(xué)院科研創(chuàng)新團隊（編號：CXTD201901）的資助。