從遙感影像提取道路特征的方法綜述與展望

1、第30卷第3期測繪學(xué)報V o l.30,N o .32001年8月A CTA GEODA ET I CA et CA R TO GRA PH I CA S I N I CAA ug .,2001從遙感影像提取道路特征的方法綜述與展望史文中1,朱長青1,2,王昱3(1.香港理工大學(xué)土地測量與地理資訊學(xué)系,香港;2.解放軍信息工程大學(xué)測繪學(xué)院,河南鄭州450052;3.西安測繪研究所,陜西西安710054Road Feature Extraction from Rem otely Sen sed I mage :Rev iew and ProspectsSH IW en 2zhong 1,ZHU

2、Chang 2qing 1,2,W AN G Yu3(1.D ep art m ent of L and S u rvey ing and Geo 2inf or m atics ,T he H ong kong P oly technic U niversity ,H ong K ong ,Ch ina ;2.Institu te of S u rvey ing &M app ing ,Inf or m ation E ng ineering U niversity ofPL A ,Z heng z hou450052,Ch ina ;3.X i an research Instit

3、u te of S u rvey ing and M app ing ,X i an 710054,Ch ina Abstract :It is still an open p roblem to extract road feature from remo tely sensed i m age ,although there hadbeen a lo t effo rts put in th is area .T h is paper describes the general app roaches of road feature extracti on ,re 2view s the

4、state 2of 2the 2art of the road feature extracti on m ethods ,and analyzes the characteristics of these m ethods .F inally ,research issues are recomm ended fo r future studies .Key words :remo tely sensed i m age ;road feature extracti on ;review ;p ro spects摘要:從遙感影像中提取道路特征已有許多研究,但仍存在許多問題有待解決。本文探討了

5、道路特征提取的基本思想,對道路特征提取的基本方法和現(xiàn)狀進(jìn)行了較全面的綜述,介紹了具有代表性的特征提取方法,并對各個方法的特點進(jìn)行了分析,最后對道路特征提取的研究前景進(jìn)行了展望。收稿日期:2000208217;修回日期:2001202208關(guān)鍵詞:遙感影像;道路特征提取;綜述;展望1引言衛(wèi)星遙感影像能夠快速提供地球表面的信息,但是中、低分辨率的衛(wèi)星遙感影像對于提取高精度的G IS 信息、地圖更新、目標(biāo)識別等具有一定的局限性。高分辨率的衛(wèi)星遙感影像(例如IKONO S ,SPO T 5,CO S M O S ,O rbV iew 等的發(fā)展使得遙感影像的深入應(yīng)用成為可能,從而為G IS 數(shù)據(jù)的更新、

6、G IS 的應(yīng)用提供了有利的條件。對于地圖更新、影像匹配、目標(biāo)檢測等也具有重要意義。而從遙感影像中提取影像特征則成為關(guān)鍵問題。特征提取一般分為3個部分,一是面狀特征的提取;二是線性特征的提取;三是點狀特征的提取。在測繪領(lǐng)域,航空影像特征提取方面的研究已有較多成果。但是,在衛(wèi)星遙感影像特征提取特別是高分辨率影像方面的研究還不多。提取影像的特征不僅在測繪領(lǐng)域,在其他領(lǐng)域如計算機圖形學(xué)、計算機視覺、模式識別、人工智能等方面也具有重要意義。目前,特征提取已成為非?；钴S的研究領(lǐng)域。不僅在測繪界,而且在計算機視覺等領(lǐng)域都引起很大的重視。例如美國的M cKeow n實驗室,瑞士的“Am obe”項目,德國的

7、波恩大學(xué),奧地利的格拉茨大學(xué)和法國的地理院等都在這方面做了許多工作,取得了很大的成績。本文從遙感影像和航空影像的道路特征提取出發(fā),對道路特征提取的基本思想和方法進(jìn)行了探討,對近年來道路特征提取的研究狀況進(jìn)行了分析和總結(jié),并對道路特征提取的進(jìn)一步發(fā)展提出了分析和展望。2影像道路特征提取基本思想影像特征是由于景物的物理與幾何特性使影像中局部區(qū)域的灰度產(chǎn)生明顯變化而形成的。因而特征的存在意味著在該局部區(qū)域中有較大的信息量,而在影像中沒有特征的區(qū)域,應(yīng)當(dāng)只有較小的信息量。影像特征的提取,即從影像中提取有用的信息和視覺特征。按照M arr視覺理論,視覺從最初的原始數(shù)據(jù)(2維影像數(shù)據(jù)到最終對3維環(huán)境的表達(dá)

8、經(jīng)歷了3個層次:要素圖。它包含圖像邊緣點、線段、頂點、紋理等基本幾何特征組成,這個層次稱為低層次處理。2.5維圖。它是要素圖與3維圖像模型之間中間表示層次,包含物體表面的局部內(nèi)在特征,這個層次稱為中層次處理。3維圖。以物體為中心的3維描述,它是由要素圖與2.5維圖得到的。它包含對物體的理解、識別等,這個層次稱為高層次處理。與其他特征提取一樣,道路特征提取同樣遵循M arr視覺理論。道路特征提取應(yīng)該在低、中、高三個層次上進(jìn)行。道路特征提取一般方法主要分以下階段,如圖1所示。對影像從不同角度進(jìn)行分析,在各個層次采取適當(dāng)?shù)乃惴?即可得到不同的特征提取方法。影像道路特征提取與眾多學(xué)科如計算機圖形學(xué)、模

9、式識別、人工智能、數(shù)學(xué)等密切相關(guān),相關(guān)學(xué)科新的方法的應(yīng)用,推動著道路特征提取方法的發(fā)展。根據(jù)道路特征提取的自動化程度,一般地,道路特征提取分為自動特征提取和半自動特征提取。從目前的研究進(jìn)展來看,自動特征提取存在很大困難,因為利用計算機提取道路特征,包括“識別”和“量測”兩部分。其中“識別”對于計算機來說是十分困難的,而對于人來說則相對簡單。而“量測”即精確的定位,對于計算機來說,則要相對簡單。因此,利用計算機和人各自的優(yōu)點進(jìn)行半自動特征提取和識別,在目前來講更為現(xiàn)實。圖1Fig.1道路(標(biāo)識、表示、應(yīng)用等高層次處理(知識、智能、規(guī)則、學(xué)習(xí)、理解、識別等中層次處理(特征分析、選擇、綜合等低層次處

10、理(二值化、灰度、邊緣、紋理、頂點、方向等預(yù)處理(校正、濾波等3道路特征提取的研究現(xiàn)狀3.1半自動道路特征提取半自動道路特征提取即利用人機交互的形式進(jìn)行特征提取和識別。其主要思想是人工首先提供初始道路點(種子點,有時還提供初始方向,然后再由計算機進(jìn)行處理識別,同時適當(dāng)進(jìn)行人機交互。這方面已有很多研究,并取得了較好的效果。在航空影像和遙感影像道路特征提取方面,較為直觀的研究是采用將影像像素分為“道路”或“背景”,從而識別出道路。這主要通過圖像分析的方法,在局部范圍內(nèi),對目標(biāo)像素周圍的一個小鄰域進(jìn)行處理。這些處理技術(shù)通常有二值化1、邊緣檢測2、形態(tài)學(xué)算子3、統(tǒng)計分類和神經(jīng)網(wǎng)絡(luò)4等。文獻(xiàn)5首先研究了

11、利用邊緣模板作卷積,然后選擇滿足3個準(zhǔn)則的邊緣點,同時進(jìn)行細(xì)化并取閾值,最后鏈接方向最接近的點得到所要提取的道路。文獻(xiàn)5在眾多研究的基礎(chǔ)上,深入探討了10m分辨率的衛(wèi)星影像道路識別方法。給定影像上道路的起始點和起始方向,則能夠識別出道路。其基本方法是:利用初始點和方向獲得道路的統(tǒng)計模型特征,建立主動試驗的樹結(jié)構(gòu)的試驗規(guī)則和統(tǒng)計模型,并建立“決定樹”。然后,基于決定樹,852測繪學(xué)報第30卷進(jìn)行道路跟蹤,這包括道路的幾何模型、統(tǒng)計模型、局部濾波、試驗熵、檢驗、估計、識別等。該算法對大面積的影像進(jìn)行了識別試驗,效果良好。該算法需要大量的道路先驗知識,對中、低分辨率遙感影像有效果,但對高分辨率影像,

12、則有較大困難,因為樹結(jié)構(gòu)形成的判別法則較難確定。在道路提取中,一種研究較多的方法就是基于最小二乘B樣條曲線的道路識別方法6,7。其基本方法是:首先人工給定道路曲線上的一些初始種子點;然后由這些點用最小二乘法構(gòu)造B樣條曲線,并設(shè)定適當(dāng)?shù)膶挾?得到有一定寬度的帶狀初始道路;其次,進(jìn)行影像匹配、活動控制模板匹配、G IS數(shù)據(jù)支持等方法得到道路曲線;最后,得到道路的中心線。如果道路特征能夠從多于一幅的影像中得到,則道路的3維空間坐標(biāo)能夠得到8,其主要思想是利用外部幾何約束連結(jié)每一個影像的光度測定觀察方程。利用一定的特征提取算法,能夠提取道路特征。但由于影像的復(fù)雜性,人工智能發(fā)展的局限性等原因,目前還不

13、能很好地完全滿意地得到影像的道路,通常得到部分不很連續(xù)的道路,從而得不到合適的道路網(wǎng)絡(luò)。對此問題,文獻(xiàn)9進(jìn)行了研究。其基本思想是利用類及模糊集,提取道路網(wǎng)絡(luò)。其基本方法是:首先提取影像道路,這可由一般的道路特征提取方法上得到10;然后連接道路,這其中需要給出連接的定量評價,所用方法是利用模糊集理論給出連接的權(quán)函數(shù),由此確定連接的道路網(wǎng)絡(luò)。試驗表明,該方法能夠很好地連接復(fù)雜地區(qū)的主要道路網(wǎng)絡(luò)。上述方法與一般的道路特征提取更具有一般性,研究的區(qū)域也較大,更具有實用性。但該方法需首先提取出基本的道路,這也需要合適的提取算法。文獻(xiàn)11研究了SA R影像道路網(wǎng)絡(luò)提取問題。道路特征提取的算法還有很多,如文

14、獻(xiàn)12研究了利用動態(tài)規(guī)劃的方法提取遙感影像道路特征的方法,如文獻(xiàn)13應(yīng)用模板匹配和神經(jīng)網(wǎng)絡(luò)研究了半自動道路特征提取方法,取得了較好的效果。3.2自動道路特征提取自動道路特征提取包括道路的自動定位和理解。即首先分析出影像道路的特征,這包括各種各樣的方法,有局部的,有全局的,方法的優(yōu)劣直接影響后續(xù)過程的理解。理解過程包括人工智能、計算機視覺、模式識別、數(shù)學(xué)模型等內(nèi)容,能夠很好地識別道路或識別某一種類型道路如高速公路,則所述方法就具有重要意義。目前,完全自動識別各類道路還不現(xiàn)實,但自動識別某一種類型道路還是取得了一定的成功,獲得了一些有意義的算法。道路的本質(zhì)特征從邊緣上看是一組平行線,由此特征,產(chǎn)生

15、許多相關(guān)的道路提取算法。文獻(xiàn)14對高分辨率遙感影像和航空影像,研究了基于人工智能的自動識別道路的方法。其方法在如下3個層次上進(jìn)行研究:基于低層次的邊緣檢測和鏈接;基于中層次的特征信息處理;基于高層次的特征識別處理。其思想源于M arr的視覺理論。其關(guān)鍵在于在鏈接好的邊緣中產(chǎn)生表示道路的平行線對這一特征,以及識別平行線對是否為道路的識別策略。試驗結(jié)果表明,這種方法具有較好的效果,但用于一般的影像,還有許多問題有待研究。文獻(xiàn)15提出了平行道路檢測的方法,也是基于道路平行的特點,也取得了一定的效果。道路提取的難度在于影像的復(fù)雜性,若能有效地簡化影像,例如化為二值圖像,則算法能得到大大的簡化。文獻(xiàn)1研

16、究了基于二值化和知識的道路網(wǎng)絡(luò)自動識別方法。它包括低水平的圖像處理過程和高水平的模式識別過程。其基本算法是:利用離散拉普拉斯變換進(jìn)行低通濾波以消除噪聲。在平滑圖像上進(jìn)行聚類得到二值化的圖像。建立道路跟蹤規(guī)則以決定搜索過程,產(chǎn)生線性模型。對線性模型利用知識建立識別模型,進(jìn)行處理和分析,識別出道路。標(biāo)出道路。試驗表明,算法對直線型道路有較好的識別效果,對一般的道路還有待進(jìn)一步深入研究。該方法具有較大的實用性,特別是與人工參與相結(jié)合,則識別道路的可靠性和廣泛性能夠有較大的提高。利用數(shù)學(xué)形態(tài)學(xué)等現(xiàn)代數(shù)學(xué)工具,也會產(chǎn)生好的效果。道路在影像中呈一定概率分布規(guī)律,此性質(zhì)952第3期史文中等:從遙感影像提取道

17、路特征的方法綜述與展望在道路提取中有重要意義。文獻(xiàn)16利用幾何、概率分布模型,建立檢測窗口算法,研究了自動提取遙感影像的主要道路特征的方法。該方法要求對道路作一些假設(shè),如要求寬度變化小、方向變化緩、局部灰度變化小、道路與背景差異較大、道路較長等。一般的自動道路提取都基本上要求滿足這些假設(shè)?；谶@樣的假設(shè),該文首先研究了道路幾何性質(zhì)和道路模型,這些作為進(jìn)一步識別道路的基礎(chǔ)。然后,基于Gibb s分布和Gau ss分布等概率模型,建立道路檢測窗口。最后,所述方法對幾種實際影像進(jìn)行試驗,影像中主要道路能夠準(zhǔn)確識別。自動道路特征提取的算法還有很多。如文獻(xiàn)17對自動道路提取一般方法進(jìn)行了研究,雖然沒有給

18、出具體實驗影像,但更具有理論上的意義。4道路特征提取研究展望道路特征提取已取得了不少研究成果,但與實際應(yīng)用的要求還差得較遠(yuǎn),在提取的自動化程度、提取算法的速度、適用性、準(zhǔn)確性等方法還有許多工作有待研究解決。在如下方面可作進(jìn)一步研究和擴(kuò)展。4.1現(xiàn)有研究成果的應(yīng)用推廣雖然道路特征提取還不盡人意,但終究取得了不少成果。特別是一些方法對某類影像如低分辨率影像較為有效。因此,應(yīng)用現(xiàn)有方法和成果,將現(xiàn)有成果實用化,具有重要的意義。盡管完全自動提取道路還不現(xiàn)實,但是自動提取某一種類型道路如高速公路、或建立半自動化提取系統(tǒng)還是有可能的。同時,應(yīng)用提取的道路特征在G IS、地圖更新、目標(biāo)識別等方面也具有重要作

19、用。目前已有的方法在新種類的影像如高分辨率的衛(wèi)星遙感影像也很重要,利用已有的方法,結(jié)合高分辨率影像的特點進(jìn)行道路提取,則能取得更為有效的成果。4.2多層次的有機融合道路特征提取一般在3個層次上進(jìn)行處理,即低層次、中層次和高層次。在低層次的處理過程中,提取的點、線、面不是目標(biāo)的結(jié)構(gòu)特征。為了識別目標(biāo),需要形成中層次的目標(biāo)結(jié)構(gòu)特征。中層次中產(chǎn)生的結(jié)構(gòu)特征,通過高層次的知識識別、處理,就可以得到特征明顯準(zhǔn)確的影像道路。在具體研究中,可能在某個層次有所側(cè)重。目前在3個層次的處理上,還不可能都令人滿意。但是3個層次的有機結(jié)合,則是道路特征提取的主要發(fā)展方向。4.3道路特征提取與區(qū)域特征提取等相結(jié)合對于影

20、像來說,所要提取的特征不僅僅是道路特征,還有其他特征,如水系特征、房屋特征、谷地特征等。這些特征的提取與道路特征的提取有許多相似性和相關(guān)性,將這些研究有機地相結(jié)合,可以取得事半功倍的效果。例如,在城區(qū)特征提取中,線狀道路特征與面狀建筑物特征是互為聯(lián)系的。若提取了城區(qū)的道路特征,則為提取建筑物特征提供了很好的基礎(chǔ),在一些城區(qū),則幾乎可以由道路特征直接得到建筑物特征。4.4與測繪領(lǐng)域相關(guān)研究相結(jié)合對計算機視覺、模式識別等領(lǐng)域來說,提取特征的目的和作用與測繪不盡相同。在遙感影像道路特征提取方面應(yīng)立足于測繪實際,應(yīng)該與測繪實際如G IS、影像匹配、虛擬現(xiàn)實等相結(jié)合,充分利用已有的數(shù)據(jù)、知識,以便取得更

21、好的效果。例如,在道路提取中,結(jié)合G IS信息,能提取出一些難以確定的路段。利用已有的地圖信息,能有效地提供一些道路知識。從遙感影像上提取的道路特征,能有效地應(yīng)用于地圖更新、G IS更新、目標(biāo)識別等方面。4.5數(shù)學(xué)方法的應(yīng)用數(shù)學(xué)在測繪領(lǐng)域取得了重要而廣泛的應(yīng)用。在道路特征提取方面,也已經(jīng)取得了一些應(yīng)用,特別是概率論、數(shù)學(xué)規(guī)劃等。但是數(shù)學(xué)應(yīng)用的廣度和深度還不夠,一些新興學(xué)科如小波分析、形態(tài)學(xué)等還沒有得到很好的應(yīng)用。在道路特征提取方面,小波分析在濾波、特征選擇等方面也能取得應(yīng)有的作用。數(shù)學(xué)形態(tài)學(xué)由于其良好的特征分析特點,能有更為重要的應(yīng)用。在道路表示方面,目前的研究還不多,但樣條曲線、分段插值曲線

22、、最小二乘曲線等能夠在道路表示中得到很好的應(yīng)用。4.6計算機視覺的發(fā)展特征提取的發(fā)展,離不開計算機視覺、模式識別等的發(fā)展,這些學(xué)科制約著遙感影像道路特征提取的發(fā)展,特別是高層次的知識處理方面的發(fā)展。充分利用計算機視覺、模式識別等領(lǐng)域的最新研究成果,必將大力推動遙感影像道路特征提取的發(fā)展。062測繪學(xué)報第30卷4.7高分辨率衛(wèi)星遙感影像的道路特征提取在高分辨率遙感影像上,隨著影像分辨率的提高,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?？墒?隨之而來的是影像上非目標(biāo)噪聲也更越來越多。利用目前已有方法,提取高分辨率影像道路特征則比較困難。因此,

23、如何有效地利用高分辨率影像的高分辨率特性提取道路,是值得研究的。一般地,在高分辨率遙感影像上,道路具有一定的寬度,其形狀像一個窄的矩形或帶狀線;在城市區(qū)域,道路長度通常大于或等于一個街區(qū);同時道路網(wǎng)絡(luò)具有一定的規(guī)則。深入分析研究這些高分辨率影像道路特點,對于利用高分辨率影像提取道路網(wǎng)絡(luò),具有重要意義。目前,我們根據(jù)高分辨率遙感影像特點,在高分辨率遙感影像道路特征提取方面取得一些研究成果。其基本思想方法是:首先對高分辨遙感影像二值化,對此二值化影像發(fā)展了一種基于道路長度、方向的道路檢測方法,得到初始的道路網(wǎng)絡(luò);接著對初始的道路網(wǎng)絡(luò)進(jìn)行細(xì)化、連接等處理,得到基本的道路網(wǎng)絡(luò);最后對基本的道路網(wǎng)絡(luò)進(jìn)行

24、平滑和表示,從而得到最終提取的道路網(wǎng)絡(luò)。詳細(xì)的研究結(jié)果將另文討論。參考文獻(xiàn):1WAN G F G,N E W K I R K R.A Know ledge2basedSystem fo r H ighw ay N etw o rk Extracti onJ.IEEE T ransfo r m on Geo science and R emo te Sens2ing,1988,26(5:5252531.2YA SS I N M Y,KA RAM L J.M o rpho logical R e2versible Contour R ep resentati onJ.IEEE T rans2fo

25、r m on Pattern A nalysis and M ach ine Intelli2gence,2000,22(3:2272239.3BO GGESS J E.Identificati on of Roads in SatelliteI m agery U sing A rtificial N eural N etw o rk s:A Con2textual A pp roachM.M ississi pp i:M ississi pp iState U niv.P ress,1993.4N EVA T I A N,BABU K R.L inear Feature Extrac2ti

26、 on and D escri p ti onJ.Computer Graph ics andI m age P rocessing,1980,13(2:2572269.5DONALD G,JED YNA K B.A n A ctive T estingM odel fo r T rack ing Roads in Satellite I m agesJ.IEEE T ransfo r m on Pattern A nalysis and M ach ineIntelligence,1996,18(1:1214.6GRU EN A.A dap tive L east Squares Co rr

27、elati on2APow erful I m age M atch ing T echniqueJ.SouthA frican Journal of Pho togramm etry,R emo te Sens2ing and Cartography,1985,14(3:1752187.7GRU EN A,L I H.Sem i2A utom atic L inear FeatureExtracti on by D ynam ic P rogramm ing and L SB2 SnakesJ.Pho togramm etric Engineering and R e2 mo te Sens

28、ing,1997,63(8:9852995.8TR I ND ER J C,L I H.Sem i2autom atic Feature Ex2tracti on by SnakesA.A utom atic Extracti on of M anm ade O bjects from A erial and Space I m agesC.Basel:B irkhaeuser V erlag,1995.952104.9ST EGER C,M A YER H,RAD IG B.T he Ro le ofGroup ing fo r Road Extracti onA.A utom atic E

29、x2tracti on of M anm ade O bjects from A erial andSpace I m ages(2C.Basel:B irkhaeuser V erlag,1997.2452255.10ST EGER C.Extracting Curvilinear Structures:AD ifferential Geom etric A pp roachA.Fourth Eu2ropean Conference on Computer V isi onC.Bash:Sp ringer2V erlag,1996.6302641.11TU P I N F,M A ITR E H,M AN G I N J F,et al.D e2tecti on of L inear Features in SA R I m ages:A pp li2cati on