基于數(shù)學形態(tài)學的高分辨率遙感影像道路提取

1、2005.5理論研究遙感信息基于數(shù)學形態(tài)學的高分辨率遙感影像道路提取李利偉,劉吉平,尹作為(武漢大學資源與環(huán)境科學學院,湖北武漢430079)摘要:利用數(shù)學形態(tài)學的方法對高分辨率遙感影像道路提取進行了研究,通過對影像進行預處理增強道路信息,依據(jù)影像灰度直方圖信息,對預處理后的影像進行閾值分割,得到一個包含道路信息的二值影像;噪聲,同時將一部分粘連在道路上的噪聲與道路信息進一步分割;絡信息,并用形態(tài)閉運算完善道路網絡信息;,得到單像素寬的道路中心線信息。利用數(shù)學計算軟件MATLAB。關鍵詞:數(shù)學形態(tài)學;中圖分類號3:1000-3177(2005)81-0009-03據(jù)影像灰度直方圖信息,對預處理

2、后的影像進行閾值分割,得到一個包含道路信息的二值影像;進一步使用形態(tài)開運算去除細小噪聲,同時將一部分粘連在道路上的噪聲與道路信息進一步分割;接著結合形態(tài)腐蝕和形態(tài)重建獲取影像中主要道路網絡信息,并用形態(tài)閉運算完善道路網絡信息;最后對道路網絡信息進行形態(tài)細化和一定次數(shù)的形態(tài)修剪處理,得到單像素寬的道路中心線信息。1前言遙感影像中道路信息的提取在很多領域已得到廣泛的應用,例如數(shù)字測圖、影像理解等。國內外這方面的研究有20多年的歷史,眾多學者從不同角度,不同應用領域,針對不同數(shù)據(jù)源都提出了自己的方法和研究成果。這些方法主要可分為兩大類3,一種是半自動的遙感影像道路提取算法,同時也是使用最廣泛的方法,

3、它通過人機交互的方法提取道路種子點信息,然后結合道路知識,利用一些自動搜索跟蹤算法找出道路信息;另一種是自動的遙感影像道路信息提取算法,它結合道路知識利用人工智能的方法找出道路種子點信息,然后再聯(lián)結成道路網絡信息,盡管這種方法目前還不是很成熟,它卻代表了技術發(fā)展的方向。由于遙感影像自身的復雜性,其在光譜特征上存在著大量同物異譜的現(xiàn)象,如道路,建筑物等,在幾何拓撲特征上目標信息存在著大量粘連遮蓋現(xiàn)象,如樹木,車輛等,而且隨著遙感技術的不斷發(fā)展,特別是航天高分辨率遙感影像數(shù)據(jù)的大量涌現(xiàn),傳統(tǒng)的基于線狀目標的遙感影像道路提取方法(如Hough變換,道路檢測算子等)不能取得很好的效果,這一切致使通用的

4、遙感影像道路信息的提取方法目前難以實現(xiàn)。數(shù)學形態(tài)學是一種基于集合論的非線性理論,它的基本思想是基于像素間的邏輯關系對數(shù)字圖像進行分析處理。它能定量的描述和分析影像的幾何特征。與傳統(tǒng)的線性理論相比,數(shù)學形態(tài)學的特點是將大量復雜的影像處理算法用基本的集合邏輯運算來描述和實現(xiàn),使得運算更加靈活快捷。伴隨著學科之間的不斷交叉融合,數(shù)學形態(tài)學已被很多學者應用到遙感影像處理的諸多方面,如遙感影像道路網絡提取4,遙感影像分割5等。方法的過程:首先對影像進行預處理增強道路信息,依收稿日期:2005-03-10修訂日期:2005-04-262本文用到的幾種數(shù)學形態(tài)學算子2.1腐蝕與膨脹運算定義一個結構元素B,集

5、合A被結構元素B腐蝕,膨脹的數(shù)學符號分別表示為:A󰂿B=x:B+x<A,A󰂽B=x:(-B+x)A󰂊。2.2擊中擊不中變換定義一對結構元素B=(E,F),集合A被結構元素B作擊中擊不中變換可用數(shù)學符號表示為:A3B=x:E+x<A;F+x<A,擊中擊不中變換可用于形態(tài)細化、形態(tài)c修剪1,以及形態(tài)目標識別等眾多方面,利用形態(tài)細化完成對道路網絡信息的細化,修剪。2.3形態(tài)開運算和形態(tài)閉運算定義一個集合A,一個結構元素B,形態(tài)開、閉運算可以用數(shù)學符號分別表示為:AB=(A󰂿B)󰂽B,AB=(Aϗ

6、229;B)󰂿B,使用形態(tài)開運算去除影像中的細小噪聲,同時將影像中一些粘連在道路上的噪聲與道路信息分離。2.4形態(tài)重建運算形態(tài)重建運算是一種非常重要的形態(tài)濾波器,文獻2中有較詳細的重建運算的理論與應用。結合影像中道路信息的幾何特征,用線狀結構元素腐蝕原始影像得到標記圖作者簡介:李利偉(1982),男,河南洛陽人,武漢大學在讀碩士,主要研究方向:遙感數(shù)字圖像處理和模式識別。9遙感信息理論研究2005.5像。用原始影像作為掩模影像,使用形態(tài)重建運算來去除與道路信息不相交的噪聲。選取就決定了影像中道路信息的提取尺度。這里影像中的道路信息比較細小零亂,因此使用尺寸較小的結構元素,以保持

7、影像中道路細節(jié)。但由于遙感影像中道路信息的幾何特征復雜多變,文中用到的結構元素不能通用,可以根據(jù)情況另取合適的結構元素,或選擇不同結構元素進行多次處理,以達到最優(yōu)效果。形態(tài)開運算后,為了得到形態(tài)重建操作所需的標記圖像,我們依據(jù)影像中道路信息獨有的幾何特征,使用長線狀(line結構元素SE=strel,100,906,進一步對形態(tài)開運3數(shù)學形態(tài)學進行道路提取的試驗實驗數(shù)據(jù)是一幅某小區(qū)的航空彩色影像,空間分辨率為1m,道路在影像中呈現(xiàn)出一個高亮度且灰度相近的連通網絡,如圖1所示。影像中建筑物非常密集且與道路光譜特征十份接近,道路自身也由于等級和種類的多樣性顯得錯綜復雜,給道路提取帶來了一些困難。,

8、接著以開運算,3圖1原始遙感影像首先對原始影像進行預處理。依據(jù)道路在實驗影像(絕大多數(shù)遙感影像)中呈高亮度的光譜特征,對原始影像作基于色彩空間的變換,由RGB轉換為ISH。提取表示亮度信息的I波段,并將其作灰度拉伸得到加強了道路信息的灰度影像。根據(jù)影像灰度直方圖對圖像進行閾值分割,后用面元為5×5的中值濾波處理,得到二值影像,如圖2。(square在此基礎上使用結構元素SE=strel,3)6圖3形態(tài)重建后的道路網絡對得到的道路網絡信息,通過結構元素SE=strel(square,6)6進行形態(tài)閉運算填補網絡中的空缺,同時連接斷點,得到修補的道路網絡。進一步對形態(tài)重建后的道路網絡信息

9、進行形態(tài)細化,一定次數(shù)的形態(tài)修剪得到最終道路網絡中心線,將其與原影像圖疊合,如圖4所示。需要說明的是,由于初始分割后,影像中的道路信息的進行開運算,去除細小噪聲,同時分離部分粘連的道路信息上的噪聲。這一步尤為重要,從某種意義上來說,結構元素的圖2閾值化后的影像圖4道路提取結果分析102005.5理論研究遙感信息幾何特征不是十分規(guī)整,在形態(tài)細化后道路信息中產生一些毛邊,形態(tài)修剪旨在消除影像中道路網絡信息上的毛邊。然而,由于實驗影像數(shù)據(jù)中的道路信息存在眾多細小支路信息,形態(tài)修剪處理將一些本來已被檢測出的道路信息削減變短,因此,針對具體情況,形態(tài)修剪操作可以斟酌使用。漏判和誤判。這主要是由于在運用數(shù)

10、學形態(tài)學方法時在一定程度上依賴于初始影像分割結果,對預處理后的影像中道路的形狀變化比較敏感。數(shù)學形態(tài)學方法的關鍵是在了解道路信息的形態(tài)幾何特征,正如它的創(chuàng)始人Serra所說“:如果證明,在某些時候,形態(tài)學的方法比其他方法在模式識別方面更有效,那是它更好的把握了景物的幾何特征,僅此而已”。針對文中方法的不足,可以在預處理過程中加以優(yōu)化,利用更加高效的方法對影像進行分割,特4討論與總結本文應用數(shù)學形態(tài)學的方法實現(xiàn)了高分辨率遙感影像中的道路網絡信息提取。由圖(4)可以看出,該方法比較好的提取了道路網絡信息,特別是在提取影像中道路細節(jié)信息上很有優(yōu)勢。通過目視解譯,發(fā)現(xiàn)處理結果中仍存在著一些1崔屹.圖像

11、處理與分析M.2LucVincent.andefficientalgorithmsJ.IEEETransactiononImageProcess,1993,2(2).3林宗堅,劉政榮.J.武漢大學學報信息科學版,2003,28(1).4安如,馮學智,王慧麟.基于數(shù)學形態(tài)學的道路遙感影像特征提取及網絡分析J.中國圖象圖形學報,2003,8(7).5蔣志勇.基于形態(tài)特征的遙感影像多尺度分割算法研究D.武漢大學,2004.6MATLAB幫助文件Z.Version7,2004.RoadExtractionfromHighResolutionRemoteSensingImageBasedonMathem

12、aticMorphologyLILi2wei,LIUJi2ping,YINZuo2wei(WuhanUniversityCollegeofResourcesandEnvironmentalScience,HubeiWuhan430079,China)Abstract:Inthepaper,anapproachtoextractroadnetworkinthehighresolutionremotesensingimagebasedonmathematicmor2phologyispresented.Firstly,preprocesstheimagetoenhancetheroadinform

13、ationandthresholditintobinaryimageaccordingtoitshistogram;Secondly,removetinynoisewithmorphologicalopening,meanwhileitseparatestheroadfromsomenoiseattachedtoit;Thirdly,Morphologicalreconstructionisadoptedtoavoidnoiseincludingobjectsthathavesimilarspectralcharacteristicsasroadsur2faces;Finally,determ

14、inethecenterlineoftheroadnetworkbyMorphologicalthinningandcropping.Thedevelopedmethodhastest2edonhighresolutionremotesensingimageunderMATLAB.Keywords:mathematicmorphology;roadextraction;threshold;morphologicalreconstruction(上接第5頁)FeaturesSelectionfromRemoteSensingImageBasedonMinimumEntropyandGenetic

15、AlgorithmCHENXiu2qiao,HUYi2hua,ZHANGJun(ElectronicEngineeringInstitute,Hefei230037,China)Abstract:Basedonthecharacteristicsofinfraredremotesensingimage,14featuresareextractedtoanalyzetheirtextureattributes,suchasenergy,inertiaandentropyofco2occurrencematrix2basedfeatures.Forfeaturesselectionfrominfraredremotesensingimage,thegeneticalgorithm(GA)isusedtosearchfortheoptimumfeaturesubsetbasedonminimumentropyseparabilitycriterion.Forval2idationoffeaturesselection,radialbasisfunction(RBF)networksaredesignedtoclassifythe