基于高分辨率遙感影像的城市道路提取方法研究

1、第23卷第3期2009年󰀁6月資源環(huán)境與工程ResourcesEnvironment&EngineeringVo.l23,No.3June.,2009基于高分辨率遙感影像的城市道路提取方法研究朱曉鈴,鄔群勇(廈門理工學(xué)院空間信息技術(shù)研究所空間信息科學(xué)與工程系,福建廈門󰀁361024)摘󰀁要:高分辨率遙感影像為用戶提供了豐富的地表細(xì)節(jié)信息,如何利用圖像分析技術(shù)從高分辨率遙感影像中進(jìn)行目標(biāo)提取,更新地理信息數(shù)據(jù)庫,成為遙感信息處理研究的熱點。采用面向?qū)ο蠓诸惙ㄟM(jìn)行城市道路提取方法研究。首先,對影像進(jìn)行分割獲取影像對象,再通過對影像中道路特征的

2、分析,利用影像對象的光譜特征、幾何特征和空間關(guān)系建立知識庫,最后,利用知識庫中的規(guī)則來提取影像中的道路。以廈門某城區(qū)高分辨率影像進(jìn)行了道路信息的自動提取實驗,其面積一致性總體精度為88%,形狀一致性總體精度為90󰀁13%。結(jié)果表明,面向?qū)ο蠓▽τ诔鞘械缆返奶崛『透聭?yīng)用,具有一定的實際意義和推廣性。關(guān)鍵詞:道路提取;面向?qū)ο?高分辨率遙感影像中圖分類號:U412󰀁24+1󰀁󰀁󰀁󰀁文獻(xiàn)標(biāo)識碼:A󰀁󰀁󰀁󰀁文章編號:1671-1211(200

3、9)03-0296-040󰀁引言城市道路作為城區(qū)的骨架,無疑在城市用地、經(jīng)濟活動中占有舉足輕重的地位,高精度、及時更新的道路網(wǎng)信息對交通管理、城市規(guī)劃、自動車輛導(dǎo)航、應(yīng)急事務(wù)處理都有非常重要的作用1面向?qū)ο蠓紤]了地物的紋理、形狀、尺寸等空間特征,以像元的空間特征輔助光譜信息,能夠更好地進(jìn)行目標(biāo)地物識別。因此本文將利用面向?qū)ο蠓ㄟM(jìn)行道路信息提取研究,并在廈門市某城區(qū)進(jìn)行道路提取應(yīng)用。1󰀁道路提取理論基礎(chǔ)1󰀁1󰀁道路基本特征對遙感影像地物的自動提取首先必須明確所要提取的目標(biāo)的定義及其特征。道路的基本特征有以下幾種:(1)幾何特征&#

4、983041;在高分辨率影像上,道路呈長條狀,其長度遠(yuǎn)大于其寬度,道路的寬度變化比較小,曲率有一定的限制;(2)輻射特征󰀁道路一般有兩條明顯的邊緣,其內(nèi)部灰度與其相鄰區(qū)域灰度反差比較大;(3)拓?fù)涮卣?#983041;道路一般是相連的,不會突然中斷,并形成路網(wǎng);(4)上下文特征󰀁上下文特征指的是與道路相關(guān)的影像特征,如道路旁的建筑物和行道樹,是城市道路還是鄉(xiāng)間道路。道路的基本特征是道路提取算法的基礎(chǔ),大致符合󰀁道路理想模型󰀁所描述的幾何󰀁輻射特征,但并非處于理想狀態(tài),主要問題表現(xiàn)如下3在高分辨率遙感影像上,隨著影像

5、分辨率的提高,影像細(xì)節(jié)特征越來越豐富,道路目標(biāo)也越來越多,許多較窄的在低分辨率影像上難以辨別的道路也能分辨出來,可是,隨之而來的是影像上非目標(biāo)噪聲也越來越多。目前在高分辨率圖像中提取城市道路的主要問題有:高分辨率圖像中道路內(nèi)部和道路方向一致的直線(如道路分界線),還有和道路方向不一致的直線(如人行橫道線),這些直線是導(dǎo)致錯誤提取或道路端分裂的原因之一;分辨率越高,地面建筑物越清晰,建筑物頂部或者建筑物的陰影往往會形成近鄰道路規(guī)則平行線,這在高分辨道路提取中也是導(dǎo)致錯誤道路提取的原因之一;道路上的汽車、汽車道、樹木等在圖上清晰可見,這同樣增加了道路網(wǎng)提取難度,圖像中道路會因此而變成很多斷裂線性片

6、斷。從高分辨率遙感影像中提取道路已取得了不少研究成果,但由于現(xiàn)實世界中道路復(fù)雜、多樣性,部分地解決了道路提取過程中某一階段的問題(如濾波、分割等預(yù)處理階段,提取階段以及分裂合并等后處理階段),但作為一個整體的、系統(tǒng)的提取策略及其算法還不是很理想2:󰀁樹木和建筑物及其陰影、道路中心的障礙物(如綠化帶)、車輛、道路年齡差異、路面材料等,這些因素導(dǎo)致了影像上道路灰。收稿日期:2008-12-15;改回日期:2008-12-31基金項目:福建省教育廳科技項目(JA07188);廈門科技計劃項目(3502z20073032)。:mzx󰀁第3期朱曉鈴等:基于高分辨率遙感影像

7、的城市道路提取方法研究297度的不均一,形成差異明顯的斑塊。 道路邊界模糊且道路周圍的地物具有與道路相似的灰度特征,導(dǎo)致錯誤區(qū)域的檢測,即不屬于道路區(qū)域的地物有可能會檢測為道路區(qū)域。 相機角度、相機不一致的光譜響應(yīng)、大氣擾動和不正確的定標(biāo)等因素導(dǎo)致影像上道路信息的偏差。 由于道路寬度和等級的不同,導(dǎo)致沿道路延伸方向上道路幾何剖面特征不同?；诖?道路的自動提取存在較大的困難,如何充分利用高分辨率遙感幾何輻射特性進(jìn)行道路提取是值得研究的。1 2 道路提取的基本方法按照提取方法的自動化程度可將道路提取分為半自動化道路提取和全自動化提取。半自動道路提取利用人機交互式進(jìn)行。其主要思路是人工提供道路的初

8、始點(種子點),有時還需提供初始方向,然后計算機再根據(jù)一定的規(guī)則進(jìn)行處理識別,有時還需要進(jìn)行適當(dāng)?shù)慕换?保證識別的準(zhǔn)確性。半自動道路提取一般可以分解成4個步驟: 道路影像特征增強; 確定道路的種子點; 跟蹤和擴展種子點,形成道路段; 連接道路段,形成道路網(wǎng)。常見方法有:動態(tài)規(guī)劃法、基于Snakes或ActiveContour模型的方法、基于主動試驗(ActiveTesting)模型的方法、模板匹配方法、基于概率論的方法。自動道路提取方法通過認(rèn)識和理解道路影像特征,自動準(zhǔn)確定位道路的位置。在最近20年出現(xiàn)了很多自動提取道路的方法,常見方法有:脊線探測法、平行線法、啟發(fā)推理法、統(tǒng)計模型法和地圖匹配

9、法。實際應(yīng)用過程中,常綜合運用多種方法。LeeHY4等利用改進(jìn)的分級梯度分水嶺算法對1m分辨率影像進(jìn)行分割,提取脊線,再利用道路的灰度、長條狀特征對脊線所包圍的區(qū)域進(jìn)行合并,形成候選道路段,連接相鄰的道路段,使之成為連通的道路網(wǎng)。這種方法只提取道路的區(qū)域,沒有提取道路的邊緣和道路的中心線。AminiJ等5校正、融合和濾波。圖1是預(yù)處理的結(jié)果。圖1 試驗區(qū)影像與處理結(jié)果Fig 1mageandtrentImentresultsoftestarea圖2 道路提取結(jié)果(白色線段部分)Fig 2 ResultsofRoadsextraction自動道路提取方法有多種,其中面向?qū)ο蠓ㄊ遣煌诨谙袼氐奶?/p>

10、取方法。面向?qū)ο蟮挠跋穹治龇椒▽⒂跋駥ο笞鳛橛跋穹治龅幕締卧?影像對象是指影像分割后若干 同質(zhì) 像素的集合。在很多特征信息提取的問題中,能夠完整表現(xiàn)目標(biāo)特征的并非單個像元,而是那些 同質(zhì) 像素的集合,因此,基于對象的分析方法能更好地利用目標(biāo)的特征。本次提取算法的基本思想是面向?qū)ο蠓诸惙?采用面向?qū)ο蟮奶崛》椒ㄓ幸韵聝?yōu)勢:首先,影像的基本處理單元不再是像元,而是影像對象或分割體,這些對象以一種網(wǎng)狀結(jié)構(gòu)來組織,最終的分類也是在這些對象上進(jìn)行的。解決了基于像元分類方法存在的較為普遍的 同物異譜 和 同譜異物 現(xiàn)象,這使得部分孤立地物如車輛等被融入道路對象中。其次,采用面向?qū)ο蟮姆椒?可充分利用道路

11、的幾何結(jié)構(gòu)特征(長、寬等)和光譜特征(方差、均值等)。最后,面向?qū)ο蟮挠跋穹治鲋幸肓丝臻g特征(距離、拓?fù)溧徑雍头较虻?,可有效利用影像對象間的語義關(guān)系,使專家知識能夠直接指導(dǎo)影像分8提出一種基于對象的道路邊緣自動提取方法,該方法的特點在于以直線作為中層符號。6汪閩等提出了一種馬爾可夫隨機場紋理模型與支撐向量機分類相結(jié)合的道路網(wǎng)提取方法。施海亮等路的提取效果。7利用植被指數(shù),將道路與植被進(jìn)行隔離,從而提高城市道2 城市道路提取實驗2 1 道路信息提取選取福建省廈門市某城區(qū)為研究區(qū),采用2003年1月30日的QuickBird高分辨率遙感影像。在道路提298資源環(huán)境與工程2009年在面向?qū)ο蟮牡?/p>

12、路提取中,道路被分割成一個個具有一定長度的長條狀對象,這些對象具有以下兩個特征:一是在灰度上具有一定的相似性,一是這些對象具有一定的長度或較大的長寬比。因此可首先利用對象的灰度特征提取出灰度滿足條件的影像對象,再通過一個形狀參數(shù)的約束得到滿足上述條件的道路,最后利用對象之間的拓?fù)潢P(guān)系細(xì)化提取結(jié)果。圖3是面向?qū)ο蟮缆诽崛」ぷ髁鞒?要點有:形,并檢查提取的圖像對象是否符合應(yīng)用要求,可查看各分割對象的邊界、輪廓、形狀、面積、長、寬等信息,并查看這些信息的平均值、標(biāo)準(zhǔn)差、形狀特征等,以利于后續(xù)的圖像分類處理。如果檢查到分割結(jié)果不是最佳,可重新調(diào)整圖像分割尺度參數(shù)重新進(jìn)行圖像分割。重復(fù)檢查多邊形信息以符

13、合要求。(3)加載類層次結(jié)構(gòu)。根據(jù)研究區(qū)的主要地物類型,將影像分為道路和背景兩種地物。選擇道路用洋紅色表示。(4)選擇樣本對象。通過前文的對道路特征描述和分析,通過以上對道路特征的分析,道路提取可通過構(gòu)建如下層次的知識庫體系實現(xiàn):第一,多邊形對象必須滿足道路的輻射特征。組成道路的多邊形對象,其灰度分布在一個相對固定的灰度區(qū)間。第二,多邊形對象必須滿足一定的幾何特征。一般具有較大的長寬比或較大的長度,這些形狀特征是道路區(qū)別于其它類型地物的主要特征。由此形成知識庫結(jié)構(gòu),選取3個有代表性的道路特征對象為樣本對象,填充到知識庫中,完成知識庫創(chuàng)建。(5)分類。利用特征空間和為最鄰近分類方法要用的一些初始

14、樣本對象,即可以進(jìn)行分類。在初步分類后,影像中大部分道路可以提取出來,但由于綠化帶和陰影不符合提取特征,提取的道路出現(xiàn)空洞,但是這些噪聲與已被提取的道路包含或鄰接,其邊界與道路對象具有相同的公共邊。因此,判斷與先前提取道路相鄰,并且公共邊在對象的整個邊界中所占比例>0 5的對象都認(rèn)為是道路,閾值設(shè)為0 5再次提取。如此反復(fù)迭代,直到得到滿意的分類結(jié)果。圖2是利用面向?qū)ο蠓ㄑ芯繀^(qū)道路的提取結(jié)果。2 2 結(jié)果分析從圖2提取結(jié)果可以看出,利用面向?qū)ο蠓?比較有效地提取出道路網(wǎng)絡(luò)。由于存在著與道路具有相似光譜特性的建筑物、車輛、綠化的影響導(dǎo)致部分道路的不連續(xù),使道路的提取存在誤差。因此對分類結(jié)果

15、進(jìn)行精度評價是遙感監(jiān)測中重要的一步。本實驗用面積、形狀一致性檢驗提取結(jié)果。由于本次實驗的遙感圖像分辨率很高,可以目視解譯后作為參考圖像。抽取道路25個樣本多邊形,定義提取結(jié)果中道路樣本多邊形面積為S1,參考圖像中與之對應(yīng)的參考多邊形面積為S2,兩者平均面積為定義 :S=(S1+S2)/2定義D1如 :D1=|S1-S2|/S如果圖3 面向?qū)ο蟮缆诽崛×鞒蘁ig 3 Flowofobject orientedroadextraction(1)影像分割。圖像分割是生成圖像對象(成組的像素)的過程,產(chǎn)生一個圖像對象層體系,為后續(xù)的分類或分割工作提供信息的載體和構(gòu)建的基礎(chǔ)。面向?qū)ο蟮牡缆诽崛￡P(guān)鍵是影像

16、分割,許多影像分割算法,大都是針對影像的灰度特征的,但是僅僅依靠灰度特征將會造成有分支的碎片或有破碎形狀邊界的影像目標(biāo)。因此,在分割時有必要加入形狀因子,使對象完整,提高分割的質(zhì)量。同時分割尺度還直接決定影像信息提取的精度,對于一種確定的地物類型,最優(yōu)分割尺度值是分割后的多邊形能將這種地物類型的邊界顯示十分清楚,并且能用一個或幾個對象表示出這種地物,既不能太破碎,也不能邊界模糊。實驗選取了10個分割尺度的閾值:20,25,40,50,60,70,75,80,90,100對影像進(jìn)行區(qū)域合并分割。其結(jié)果表明對高分辨率影像提取道路時最優(yōu)分割尺度為75。當(dāng)分割尺度為75時,道路分割比較完整,能與路邊植

17、被區(qū)分開,也能與距道路很近的亮色建筑區(qū)分開。(第3期朱曉鈴等:基于高分辨率遙感影像的城市道路提取方法研究299格,否則不合格。將樣本多邊形與對應(yīng)的參考多邊形疊加,兩者不一致的面積為S3,定義D2如式 :D2=S3/Sfromhigh resolutionmufti spectralsatelliteimagerybyinformationfu sionC.ElsevierScienceInformationFusion,2004.2 龍輝.高分辨率光學(xué)衛(wèi)星影像城市道路識別方法研究R.北京:中國科學(xué)院遙感應(yīng)用研究所,2006.3 J.S.ParkandR.A.Saleh,Comprehensiv

18、eSurveyofExtractionTechniquesofLinearFeaturesfromRemoteSensingImageryforUpdatingRoadSpatialDatabasesZ.CLEMSpecialistmeeting,2001.4 LeeHY,ParkWK,LeeHK,eta.lTowardsKnowledge BasedExtractionofRoadsfrom1m resolutionSatelliteImagesC. IEEE.South westSym.onImageAnalysisandInterpretation.IEEEComputerSocie t

19、y,Washington,DC,U.S.A.,2000:171-176.5 AminiJ,SaradjianMR,BlaisJAR,eta.lAutomaticroad sideextractionfromlargescaleimagemapsJ.InternationalJournalofAppliedEarthObservationandGeoinformation,2002,4:95-107.6 汪閩,等.結(jié)合高斯馬爾可夫隨機場紋理模型與支撐向量機在高分辨率遙感圖像上提取道路網(wǎng)J.遙感學(xué)報,2005(5):271-276.7 施海亮,等.遙感影像中城市道路的提取J.北京測繪,2006(2

20、):29-32.8 胡進(jìn)剛,張曉東,沈欣,等.一種面向?qū)ο蟮母叻直媛视跋竦缆诽崛》椒↗.遙感技術(shù)與應(yīng)用,2006,6(21):184-188.如果D2 5%,則該樣本多邊形的形狀一致性合格,否則不合格。抽樣評價后結(jié)果:面積一致性總體精度為88%,形狀一致性總體精度為90 13%。3 結(jié)論面向?qū)ο笏悸缝`活地運用地物的幾何信息和結(jié)構(gòu)信息,更可以加載人的思想,分類精度較之傳統(tǒng)方法有一定的提高,精度驗證表明,應(yīng)用面向?qū)ο蠓ǖ缆沸畔⑻崛【仍?8%以上,對于城市道路的提取和更新應(yīng)用,具有一定的實際意義和推廣性。如何進(jìn)行最佳尺度分割和構(gòu)建功能更強的知識庫提高分類精度,是一個值得進(jìn)一步研究的問題。參考文獻(xiàn):

21、1 Jin,X.Davis,C.H.AnintegratedsystemforautomaticroadmappingStudyontheMethodofExtractingCityRoadsFromtheHighResolutionRemoteSensingImageZHUXiaoling,WUQunyong(InstituteofSpatialInformationTechnology,DepartmentofSpatialInformationScienceandEngineering,XiamenUniversityofTechnology,Xiamen,Fujian 361024)Abstract:Theimageofhigh resolutionremotesensinghasprovidedmuchdetailedinformationoftheearth ssurface.NowthestudieshavefocusedonhowtoextractthetargetfromhighresolutionRSimageandupdategeographicinforma tiondatabasesbymeansofRSimageinfor