（控制科学与工程专业论文）基于水平集的遥感图像道路提取方法研究.pdf

摘要 摘要 道路是一类重要基础地理信息，高精度、及时更新路网信息对交通管理、城市规划、 自动车辆导航、应急事务处理都有非常重要的作用。随着遥感技术的发展，高分辨率卫星 图像质量不断提高，获取周期缩短，使得利用遥感图像实现道路的精确定位成为了可能。 近年来，如何利用遥感图像提取道路信息受到越来越多的关注。 水平集方法，作为一类基于无参数几何活动轮廓模型的曲线演化图像分割方法，可以 对任意复杂的形状进行模型化，具备处理拓扑形状的分裂、合并等拓扑变化的能力，在工 程实践方面体现出很高的应用价值。本文的工作重点是围绕水平集方法在遥感图像道路特 征提取方面的应用展开。 本文的主要工作和创新点如下： ( 1 ) 构造一个基于多颜色空间，无需初始化的水平集分割模型。论文首先研究了水 平集方法重新初始化引起的分割效率问题，在c v 模型的能量函数右端引入了距离惩罚函 数来保持水平集接近于符号距离函数，避免了重新初始化；进而根据高分辨率遥感图像的 特点，在r g b 空间灰度图的基础上，综合利用了h s i 空间各通道信息，构造了一类基于 多颜色空间的无需重新初始化的水平集演化方法；最后应用在遥感图像道路提取中，分析 了灰度值和h s i 通道混合值的权重比例对提取结果的影响，采用完整性和正确性指标对算 法进行评价。结果显示该改进算法完整准确地分割得到道路区域。 ( 2 ) 提出水平集道路自动提取方法和基于道路中心线接力引导的分块方法。针对初 始曲线位置可能造成的分割失败以及初始曲线人工指定的问题，提出了利用自适应双阈值 分割结合形态学操作的方法来自动获取水平集演化初始曲线位置；针对遥感图像大幅值的 特点，提出了基于道路中心线接力引导的分块框架，即利用当前道路中心线的倾斜角度获 取包含道路的相邻子图位置，并利用水平集方法和形态学细化方法提取道路中心线，如此 循环继续直到完成整幅图像的道路提取。实验结果表明，自适应双阈值分割结合形态学操 作自动获取得到了与道路轮廓位置相近的初始曲线，在基于道路中心线接力引导的分块框 架下，实现了水平集方法自动提取道路的目标，且明显消除了无目标背景对道路提取的干 扰，分割得到道路的准确位置。 浙江大学硕上学位论文 ( 3 ) 实现高分辨率遥感图像道路提取软件组件的开发，并将部分图像预处理和道路 提取过程功能函数如面积滤波、道路中心线提取、自适应阈值算法、形态学膨胀与腐蚀、 曲线修正等算法封装成d l l 动态链接库，以便植入其他程序。该软件实现了大幅遥感图 像的预分块，然后利用水平集方法提取每幅图中道路，最后拼接回去的目标。软件已经过 浙江省软件评测中心的测试。 关键词：水平集方法；曲线演化；图像分割；道路提取；形态学；遥感图像；自适应阈值 i v a b s t r a e t a b s t r a c t t h er o a dc h a r a c t e ri sv e r yi m p o r t a n ti nt h eb a s i cg e o g r a p h i ci n f o r m a t i o n u p d a t i n gt h er o a d n e t w o r ki nt i m ei s m e a n i n g f u l t ot r a f f i c m a n a g e m e n t ，u r b a np l a n n i n g ，a u t o m a t i cv e h i c l e n a v i g a t i o n ，a n de m e r g e n c ys e r v i c e s w i t i lt h ed e v e l o p m e n to fr st e c h n o l o g y , t h eq u a l i t yo f h i g h r e s o l u t i o ns a t e l l i t ei m a g e si m p r o v e ，a c c e s sc y c l e ss h o r t e n i tp r o v i d e st h ep r o b a b i l i t yo f e x t r a c t i n gt h er o a df r o mt h er e m o t es e n s i n g ( r s ) i m a g e sw i t ht h ec o m p u t e rt e c h n o l o g y h o wt o e x t r a c tr o a di n f o r m a t i o nf r o mr si m a g e sd r a wi n c r e a s i n ga t t e n t i o n l e v e ls e tm e t h o di sac l a s so fc u r v ee v o l u t i o nm e t h o d sb a s e do ng e o m e t r i ca c t i v ec o n t o u r m o d e lw i t h o u tp a r a m e t e r s i ti sc a p a b l eo fm o d e l i n gt oa r b i t r a r i l yc o m p l e xs h a p e ，a n dh a n d l i n g t h et o p o l o g i c a lc h a n g e sl i k eas p l i t m e r g e r t h i sm a k e st h el e v e ls e tm e t h o dh i g h l yv a l u a b l ei n t h ee n g i n e e r i n ga p p l i c a t i o n t h ew o r k si nt h i sp a p e ra r ef o c u so nt h ea p p l i c a t i o no fl e v e ls e tm e t h o d si nr o a de x t r a c t i o n f r o mt h er si m a g e s t h em a i nc o n t r i b u t i o n sa n di n n o v a t i o n sa r ea sf o l l o w s ： ( 1 ) a ni m p r o v e dl e v e ls e ts e g m e n t a t i o nm o d e lw i t h o u tr e i n i t i a l i z a t i o nb a s e do nm u l t i c o l o r s p a c ei sc o n s t r u c t e d t h et r a d i t i o n a ll e v e ls e tm e t h o d sf o ri m a g es e g m e n t a t i o na r ec o m p u t a t i o n a l e x p e n s i v ed u et ot h er e i n i t i a l i z a t i o n t h ep r o p o s e da p p r o a c hi n t r o d u c e sad i s t a n c er e g u l a r i z i n g t e r mi n t ot h ec vm o d e lt ok e e pt h el e v e ls e ta p p r o a c ho nt h es i g n e dd i s t a n c ef u n c t i o n t h e n ， a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fh i g h r e s o l u t i o nr si m a g e s ，t h ep r o p o s e da p p r o a c hm a k e s f u l l u s eo fg r a yv a l u ea n de a c hc h a n n e lo fh s im o d e l t h ep r o p o s e dm e t h o dw a st e s t e di nr s i m a g e s t h ei m p a c to ft h ew e i g h tr a t i oo fg r a yv a l u ea n dt h em i x i n gv a l u eo ft h eh s ic h a n n e li n t h ei m p r o v e dm o d e lo nt h ee x t r a c t i o nr e s u l t sw a sd i s c u s s e d f i n a l l y ，t h ec o m p l e t e n e s sa n d c o r r e c t n e s sw a su s e dt oe v a l u a t et h ep r e s e n t e da p p r o a c h t h er e s u l t ss h o wt h a tt h ei m p r o v e d m e t h o ds e g m e n t st h er o a da r e ac o m p l e t e l ya n da c c u r a t e l y ( 2 ) a na u t o m a t i cr o a de x t r a c t i o nm e t h o di sp r o p o s e da n daf r a m e w o r ko fd i v i d i n gl a r g e i m a g e si n t os u b i m a g e si sd e s i g n e db a s e do nt h er o a dc e n t e r l i n er e l a yg u i d a n c e f o rt h el o c a t i o n o ft h ei n i t i a lc u r v em a yr e s u l ti nf a i l u r e ，a na d a p t i v ed u a l t h r e s h o l ds e g m e n t a t i o nc o m b i n e dw i t h m o r p h o l o g i c a lo p e r a t i o n si sd e v e l o p e dt o o b t a i nt h ei n i t i a lc u r v ep o s i t i o na n de x t r a c tr o a d a u t o m a t i c a l l y b e c a u s eo ft h el a r g es i z eo fr si m a g e s ，af r a m e w o r ko fd i v i d i n gl a r g ei m a g e s i n t os u b i m a g e si sd e s i g n e db a s e do nt h er o a dc e n t e r l i n er e l a yg u i d a n c e t h a ti su t i l i z i n gt h et i l t a n g l eo f r o a dc e n t e r l i n ei nc u r r e n ts u b - i m a g et og e tt h el o c a t i o no fn e x ts u b i m a g e r e s u l t ss h o w v 浙江大学硕士学位论文 t h a tt h ei n i t i a lc u r v e sl i ec l o s e l yt ot h er o a dc o n t o u r , w h i c hm a k ea u t o m a t i cr o a de x t r a c t i o n b a s e do nt h el e v e ls e th a p p e n ；t h ef r a m e w o r kj o i n i n gw i t ht h el e v e ls e tm e t h o de l i m i n a t e st h e b a c k g r o u n di n t e r f e r e n c eo b v i o u s l y ( 3 ) s o f t w a r ef o re x t r a c t i n gr o a d sf r o mh i g h r e s o l u t i o nr si m a g e si sd e v e l o p e d ，a n ds o m e b a s i cf u n c t i o n ss u c ha sa na r e af i l t e r , r o a dc e n t e r l i n ee x t r a c t i o n ，a d a p t i v et h r e s h o l da l g o r i t h m ， m o r p h o l o g i c a le x p a n s i o na n dc o r r o s i o n ，c u r v ec o r r e c t i o na l g o r i t h mi sp a c k a g e di n t oad l l d y n a m i cl i n kl i b r a r y t h es o f t w a r ec o n t a i n st h ei m a g ep r e - p r o c e s s i n gf u n c t i o n sa n dt h er o a d f e a t u r ee x t r a c t i o nf u n c t i o n s i td i v i d e st h el a r g er si m a g ei n t os u b i m a g e s ，t h e ne x t r a c t st h e r o a d sf r o me a c hs u b i m a g ew i t ht h el e v e ls e tm e t h o d ，f i n a l l yp u t st h e mt o g e t h e r t h es o f t w a r e h a sp a s s e dt h et e s to f z h e j i a n gs o f t w a r et e s t i n gc e n t e r k e yw o r d s ：l e v e l s e t m e t h o d ；c u r v ee v o l u t i o n ；i m a g e s e g m e n t a t i o n ；r o a de x t r a c t i o n ； m o r p h o l o g y ；r e m o t es e n s i n gi m a g e ；a d a p t i v et h r e s h o l d v i 插图和附表清单 插图和附表清单 图1 1 高分辨率遥感图像示例 图1 2 道路特征提取一般流程 图2 1 闭合曲线类型 图2 2 曲线演化趋势示意图 图2 3 不同初始值下的曲线 图3 1 距离惩罚项实现i v 矽l = 1 原理图 图3 2 水平集道路提取过程 图3 3 高速公路不同参数分割结果 图3 4 城区道路不同参数分割结果 图3 5 不同路况水平集分割结果 图3 6 高速公路不同算法分割结果比较 图3 7 城区公路不同算法分割结果比较 图4 1 腐蚀、膨胀、开、闭运算示意图 图4 2 常用结构元素 图4 3 基于道路中心线引导的分块示意图 图4 4 子图生成规则示例 图4 5 十字交叉路口 图4 6 细化模板 图4 7 剪叉枝模板 图4 8 高速公路初始曲线自动获取过程 图4 9 城区道路初始曲线自动获取过程 图4 1 0 高速公路道路中心线提取过程 图4 1 1 城区道路中心线提取过程 图4 1 2 十字路口道路中心线提取过程 图4 1 3 基于道路中心线引导的高分率遥感图像道路提取过程郊区 图4 1 4 基于道路中心线引导的高分辨率遥感图像道路提取过程城区 图4 1 5 基于道路中心线引导的高分辨率遥感图像道路提取过程十字路口 图5 1 系统架构图 图5 2 系统界面 图5 3 功能菜单 图5 4 图像分块对话框 图5 5 常用平滑模板 图5 6 半自动道路提取过程 图5 7 大幅值图像道路提取过程 图5 8 结构元素 图5 9 面积滤波结果 图5 1 0 曲线修正结果 图5 1 1 并行分块示意 v u 浙江大学硕上学位论文 图5 1 2 串行分块示意图 图5 1 3 动态链接库的应用 表3 1 不同参数值分割结果评价 表3 2 各类路况算法提取结果的评价指标 表3 3 各类算法评价指标 表4 1 子图位置生成规则 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得逝望盘堂或其他教育机构的学位或证书而使用过的材料。与我一 同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名： 签字同期：矽d 年弓月雷日 学位论文版权使用授权书 本学位论文作者完全了解逝婆盘堂有权保留并向国家有关部门或机构送交本 论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿盘堂可以将学位论文的 全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段 保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 导师签名： 签字日期： 1 月 蜥 ； 参丑 事讧年 ， 引 山 e， 付 誉弓 力戌l 月 z琢，、7 ，么佑 ：二 年 名 7 戳 户 者 纱 睹 沙 刘 肌 险 刚 m 丝 ，1 c 一 学 签 致谢 致谢 时光荏苒，日月如梭，研究生的生活转瞬而逝，回眸这段丰富充实的拼搏历程，内心 百感交集。值此论文付梓之际，对研究生活以来给予我诸多帮助的老师、同学们予以最诚 挚的谢意! 首先，我将最崇高的感谢献给我的导师一一周泽魁教授。最初对周老师的印象是他那 儒雅的微笑，随着接触时间增加，越来越感受他渊博的学识、严谨治学的态度、踏实做事 的风格和仁慈爱生的师长风范，在潜移默化中，我深深感受到了无论是现在学 - - j 还是今后 工作都应该遵循很多重要的东西：勤学刻苦、锲而不舍、团结协作等等。周老师永远值得 我学 - - j ，将使我终生受益! 同时，我要最真挚的感激献给张光新教授。感谢张老师在工作、学 - j 以及为人处事等 方面的指导和关怀。张老师一直给予了我很多的帮助，在生活和学 - j 上都给我提了许多中 肯的建议。张老师严谨的学风、渊博的知识和忘我的敬业精神展现了浙大人的风貌，完美 诠释了浙大“求是”精神。张老师急学生所急、一切为学生着想的品质一定会吸引更多 的学生! 感谢侯迪波副教授在我的学业上和生活上的热心鼓励、耐心指导和倾力帮助。感谢他 两年多来亦师亦友的指导和关心，感谢他通宵达旦地修改论文，感谢他在我找工作中的指 点和建议，他那严谨缜密的逻辑思维，雷厉风行的工作态度和通观全局的统筹能力令我深 深敬佩! 祝愿年轻富有朝气的他明天会更好! 感谢黄平捷副研究员在我写论文过程中给我指导和鼓励，在论文写作和学术态度上给 我树立了严谨认真、沉着踏实的科研风范! 感谢已毕业和在读的各位师兄、师弟和师妹们，他们是：刘国华博士、张浩博士、颜 志刚博士、郑松博士、叶波博士、才辉博士、曹丙花博士、范孟豹博士、郦光府硕士、朱 莉硕士、于洋硕士、贺光林硕士、龚翔硕士、陈佩华、李国厚、康旭升、宋筱轩、陈锡爱、 高扬华、向丰、徐益挺，储海兵、蔡文、郑舒尹、朱琼瑶、樊文杰、赵海峰、高觅谛、田 径、岳飞亨等，感谢他们在学习和生活上给我的帮助和支持，他们的聪明才智和青春活力 时时激励着我! 感谢我的家人，感谢我的父亲、母亲的倾情养育，默默关爱，父母的养育之恩，舐犊 浙江大学硕十学位论文 之情深感难以回报；感谢我的兄弟姐妹们对我的关心，理解和支持，是他们对父、母亲的 悉心照顾使我更有信心和动力去努力拼搏，有了他们我不再会畏惧前进途中的风风雨雨， 乘风破浪会有时，直挂云帆济沧海。 感谢我的朋友们，他们是我大学生活中最宝贵的财富，有了他们我前行的道路不再孤 单，有了他们我的大学生活变得丰富多彩，感谢他们和我共同走过这段岁月。 最后，向所有给了我热心帮助的老师们、我的同学们表示衷心的感谢! 唐晓芬 二零一零年元旦于求是园 第l 章绪论 1 1 研究背景介绍 第1 章绪论 地理信息系统( g i s ) 在众多领域得到了广泛的应用，目前，g i s 数据的获取和实时更 新是制约g i s 应用的最主要的瓶颈问题【1 1 。传统的g i s 数据直接来自人工作业现场勘测及 地图绘制。随着传感技术和遥感技术的发展，利用遥感卫星影像进行g i s 地物的定位和识 别成为了可能，这为g i s 数据动态获取和实时更新，进而展开数字测量与制图、移动目标 辅助识别、交通规划等工作提供了新的思路和手段。近年来，卫星传感器的空间分辨率不 断提高，如i k o n o s 2 全色波段和近红外波段图像的空间分辨率达到了l m 和4 m ， q u i c k b i r d 全色波段和多光谱波段图像的空间分辨率已达到了0 6 1 m 和2 4 4 m ，获取的高 分辨率遥感卫星图像能够在较小空间尺度上观察地表的细节变化，利用高分辨率遥感卫星 图像进行地物的精确定位和识别成为当前空间科学领域的研究热点。 道路是一类重要的基础地理信息，在城市用地、经济活动中无疑占据着举足轻重的地 位，高精度、及时更新路网信息对交通管理、城市规划、自动车辆导航、应急事务处理都 有非常重要的作用1 2 , 3 1 。利用计算机从遥感图像中提取道路信息不仅能及时地更新路网信 息实现数据动态获取，而且对其他线性地物的提取也有借鉴意义 4 1 。利用计算机实现道路 信息提取的研究可追溯到2 0 世纪7 0 年代，在中低分辨率遥感图像领域取得一定的成果 1 - 1 0 l 。一些著名的软件公司和研究机构，比较有代表性的有r s i 公司和n a s a ，分别研发 出了f e a t u r ee x t e n s i o n 模块和i c r e s t 软件，在低分辨率影像应用中取得较好的效果。但 是，在高分辨率卫星图像中，由于道路拓扑结构复杂，场景信息丰富，常受路面车辆，白 线，树荫，楼房等多种噪声影响，效果并不理想，高分辨率遥感图像道路提取工作依旧是 一个难剧8 ，9 ，1 1 ，12 1 。 国内外在道路提取领域的研究，汇聚了计算机视觉、模式识别、人工智能、数学等多 学科知识的精华，出现了许多理论与技术的创新 3 1 ，其中，数学作为一门基础学科在该领 域发挥了重要作用0 3 1 。水平集算法作为数学的一个分支，自o s h e r 和s e h i a n 提出以来，凭 借其可以对任意复杂的形状进行模型化并且隐式地解决拓扑形状的分裂、合并等拓扑变化 的优点，被广泛应用于图像分割、图像建模、计算机视觉等领域 1 4 - 1 9 】，体现出很高的应用 浙江大学硕上学位论文 价值。 为满足g i s 数据更新对高分辨率遥感图像提取道路等线状目标的迫切需求，实现利用 高分辨率卫星图像提供交通规划决策支持的目标，本文拟从高分辨率遥感图像场景信息丰 富，拓扑结构复杂的特点出发，引进h s i 空间和罚函数项对水平集图像分割算法做相应的 改进并应用于道路提取，并利用自适应阈值分割结合形态学操作自动获取演化初始曲线位 置，针对大幅值的遥感图像，提出基于道路中心线接力引导的分块方法，最后设计开发由 以上算法为支持的高分辨率遥感图像道路提取软件。 1 2 遥感图像道路提取研究现状 1 2 1 道路模型及特征 从遥感图像中提取地物信息必须要明确提取对象及影像特征，并转化为语义描述。影 像特征是由于景物的物理与几何特征使影像中局部区域产生明显变化而形成的。道路的影 像特征主要有几何特征、辐射特征、拓扑特征以及上下文特征。高分辨率图像上的道路表 现为灰度及几何特征变化缓慢连续的狭长区域，理想道路主要特, 点, t 2 0 2 1 1 有： ( 1 ) 几何特征：宽度一致性、大长宽比、小弯曲度。道路整体的宽度相对比较均一， 在一幅图像内某条道路长宽比可以理解为大于一定的常数，并且对于道路这种人工地物来 说，设计时考虑了车辆转弯的安全性和可行性，其弯曲率也一般比较小，变化缓慢。图像 内道路几何特点用数学模型可表示为 肌功= 为常数 瓦l e n g 瓦t h r c r c r 为常数 ( 1 1 ) j l y ( s ) 1 2d s - - m i n v ( s ) = ( x ( j ) ，y ( s ) ) ( 2 ) 辐射特征：主要表现为灰度特征，即道路灰度相对一致，变化缓慢，且路面与 背景具有一定的对比反差。 ( 3 ) 拓扑特征：道路一直是连通的，形成相互连通的路网，中间不会突然中断。 ( 4 ) 上下文特征：上下文特征指的是与道路相关的影像特征，道路旁的建筑物和行 道树一直比较单一，不遮挡住路面，并可由此判断城市道路还是乡间高速公路。 实际的高分辨率卫星图像如图1 1 所示。图中道路整体上基本符合道路理想模型所描 述的特征，但是仍然受一些噪声的干扰，导致提取道路时，必须要考虑这些干扰因素f 2 2 1 ， 主要体现在以下几方面： 2 镕i 绪论 ( 1 ) 灰度不均匀：树荫及建筑物阴影道路斑马线、中心绿化带车辆、路面材质 以及道路的使用年龄导致路面灰度差异。 ( 2 ) 道路边缘模糊：道路边缘的建筑物和路面呈现近似的灰度特征，导致道路边界 模糊，错误分割。 ( 3 ) 道路宽度不一致：由于人类在设计道路时考虑了需求，建遣7 各类道路宽度等 级不一样的道路双适应不同需要。各种宽度，长度的道路交织在一起。 ( 4 ) 道路不连续性：由于受( 1 ) ( 2 ) 的影响，以及现代隧道、地下通道的应用，孕 致一条道路不连续 图1 1 高分辨率遥感图像示例 l2 2 国内外道路提取方法分类及现状 遥感影像道路特征提取的一般流程由5 个步骤完成：遥感图像预处理，道路理解与定 位、道路分割、路网重建、结果评价，如下田所示。 浙江大学硕上学位论文 遥感图像道路理解道路网络 预处理与定位 道路分割 重建 结果评价 滤波、直道路种子 几何拓扑 跟踪、细 方图点提取 特征 化、连接 图1 2 道路特征提取一般流程 文献 1 】依据道路定位( 图1 2 中步骤二) 是否存在人机交互将道路提取方法分为：半 自动道路特征提取和自动特征提取。半自动道路特征提取利用人际交互提供初始点( 种子 点) 或初始方向，再由计算机进行处理识别。目前大多数道路提取方法都需要人机交互过 程。自动道路特征提取则是由计算机自主实现道路的定位和理解，即分析出图像道路特征， 自动生成初始点或初始方向等初始条件，然后采用算法进行识别。道路理解定位的优劣直 接影响后续的道路提取过程，由于遥感图像的复杂性和多样性，完全自动识别图像中各类 道路目前还不现实，但自动识别某些简单道路已经取得一定成果。 文献【3 】将道路提取的研究分为三类，一是根据m a r r 视觉理论的不同层次所采用的不 同技术进行分类，低中层次有道路跟踪方法、形态学滤波、动态规划和s n a k e s 模型、多 尺度多分辨率模型、多光谱分析等，高层次则有基于语义网络的方法、基于知识库的方法 以及基于模糊集理论等；二是根据道路提取目标分为道路中心线提取、道路区域分割、路 网重建、矢量化以及目标优化等方面道路提取，三是从卫星传感器的角度进行分类，例如 s a r 、l i d a r 、r g b 图像等。 若从遥感图像道路的自身特征出发，依据道路分割( 图1 2 中步骤三) 时具体采用的 研究方法是基于边界，还是基于区域，还可以对道路分割方法进一步分类： ( 1 ) 基于边界的提取方法 基于道路边缘信息的方法是最早应用在遥感图像线状目标提取的方法1 2 3 1 。根据道路理 想模型可知，道路的边界上像素灰度值变化往往比较剧烈，道路路面和背景对比发差比较 大。之前常见的方法通常利用边缘检测算子1 2 4 - 2 6 1 ，如r o b e r t s 算子、s o b e l 算子、p r e w i t t 算子、k r i s c h 算子、高斯一拉普拉斯算子、c a n n y 算子等等，来获得道路边缘的灰度和方向 特征，然后根据道路的灰度和几何特征分割出道路。这类方法应用在较低分辨率的遥感图 像道路提取效果良好，但在高分辨率图像中，道路几何特征不再呈单一现状，且辐射特征 易受阴影等因素影响，道路边缘不再清晰，常常被用来预分割道路。 近年来还提出了基于动态规划和s n a k e 模型的方法i ”, 2 8 , 2 9 。动态规划方法导出了道路 的一般参数模型，s n a k e 模型将道路特征与几何约束用能量函数表示出来，通过求取能量 4 第l 章绪论 函数最小值得到目标轮廓。s n a k e 模型是一种参数形变模型。形变模型主要优点是能够直 接产生闭合参数曲线或曲面，对噪声和伪边界有较强的鲁棒性。其主要代表是主动轮廓模 型【3 0 1 ，主动轮廓模型又可分为参数主动模型( 如s n a k e ) 和几何主动模型( g a c ) 。s n a k e 模型对初始曲线很敏感，不能处理拓扑结构分裂合并变化。几何主动模型是为解决s n a k e 参数主动模型而出现。在道路提取中，几何主动模型利用道路边缘梯度信息，并用水平集 方法求解能量最小值，从而实现道路分割。基于梯度信息的水平集方法在道路边缘模糊离 散的情况下，分割往往会失败【9 】。 ( 2 ) 基于区域的提取方法 基于区域的方法前提是道路区域内某些特征具有相似性且道路的几何特征明显，例如 灰度值、亮度、饱和度等信息中某些信息相似，道路在图像中呈现一定宽度的长条。主要 方法有阈值分割、区域生长、数学形态学、聚类算法以及基于统计特征的方法。 阈值分窖l j 3 1 , 3 2 是图像分割中最常用最简单的分割方法，由于高分辨率图像中道路灰度 值并不均一，很难直接分割出道路区域，一般用作预处理，得到粗分割结果。区域生长的 分割方法 3 3 , 3 4 1 在简单道路提取中效果较好，但当路面灰度不均匀、路边地物和路面灰度相 似时，将非目标地物也一同分离出来。区域生长和阈值分割一样，作为基础的区域分割方 法，经常被用来粗分割，并结合其他方法一起完成道路目标提取。 数学形态学方法有二值形态学方法和灰度形态学方法【3 5 1 ，二值形态学是对二值图执行 形态学开、闭运算，采用形态颗粒分析去除斑点杂质等干扰噪声，利用形态学细化得到单 像素的道路中心线 3 6 , 3 7 1 。灰度形态学方法是直接对灰度图操作，利用形态学梯度【3 引、t o p _ h a t 算子【3 9 】对灰度图滤波，然后采用阈值分割或其他分割方法分割出道路区域。形态学方法一 般也不单独使用，而是结合其他分割方法一起完成道路分割的目 4 0 l 。 聚类分析1 4 1 l 方法是一种非监督分类统计方法。其中模糊c 均值、k 均值、e m 算法和 分层聚类方法是比较常用的聚类算法。利用模糊c 均值聚类法对遥感图像进行无监督聚 类，将图像分为林地、建筑物、道路等基本类，然后将道路类像素从图像中分离出来h 2 喇】。 聚类方法适合对遥感图像中各类地物进行分类，但在处理两类特征比较相似的地物时，如 河流和道路，道路和屋顶，容易出现误分类【4 3 1 。 统计学方法中最常用的一种方法是将图像看作一个马尔科夫随机场【4 5 1 ，图像中各点的 灰度值是具有一定概率分布的随机变量。道路提取中，可利用m a r k o v 模型结合道路的空 间分布特征，构建马尔可夫随机场关于道路分布的先验概率模型，并利用遗传算法获得后 验概率最大意义下的最优结果【4 6 1 。m a r k o v 模型能够很好地描述各类地物的纹理特征，结 气 浙江大学硕上学位论文 合贝叶斯估计理论，可实现道路分割，从贝叶斯定理角度看就是求出最大后验概率的分布。 除此之外，统计学的分割方法还有混和分布法【4 7 1 、标记法等。 ( 3 ) 综合边界和区域信息的提取方法 在高分辨率卫星图像的道路提取方法中，由于道路所处场景非常复杂，例如常受树荫、 建筑物阴影、车辆、斑马线、中心绿化带等影响，简单的利用边界信息或区域信息进行道 路提取效果不理想。通常人们将采用多种方法结合t 4 1 1 ，将基于边缘检测的方法和基于区 域信息的方法结合起来，避免道路分割目标的误分割和过分割，通过综合利用两种类型的 信息能够使算法的鲁棒性增加。例如结合数学形态学和水平集方法进行提取方法、结合边 缘检测算子和数学形态学的方法、综合基于区域信息和边界信息的c - v 水平集模型、以及 结合道路区域信息和动态规划的方法等。 水平集模型本身就有基于区域和边缘信息，在道路提取中，水平集方法凭借处理拓扑 结构变化的能力备受关注【1 3 1 。 - 3 然，对于复杂的高分辨率遥感图像，也还是需要根据高分 辨率卫星图像的特点将水平集方法和其他方法结合起来，对模型进行改进，能够取得更好 的提取效果。总之，采用什么方式结合，怎样综合利用改进才能发挥最大的优势是道路提 取研究的重点。 1 3 论文主要工作及结构安排 1 3 1 研究目标 近年来，随着新型传感器及商业小型卫星如q u i c k b i r d 、l a n d s a t 7 、i k o n o s 、s p o t 5 等的发展，高分辨率遥感卫星图像质量不断提升，周期不断缩短。高分辨率图像的出现使 较小空间观察地表，实现道路精确定位成为可能。 本论文的主要研究目标是：围绕高分辨率遥感图像，针对遥感图像中路面宽度较宽的 主干道路( 不包括立交桥、人行道、街区内部道路) ，结合高分辨遥感图像道路的特征， 系统研究出高分辨率图像半自动和自动道路提取方法和算法，并用软件实现，从而达到快 速准确的提取特定道路，如城市主干道、高速公路等的目的。 1 3 2 研究内容 本文深入研究了基于水平集方法的遥感图像道路提取的各项关键技术，并为基于高分 辨率卫星图像的城市交通规划决策支持系统( 2 0 0 7 c 3 1 0 0 4 ) 开发了道路提取软件，其主要 研究内容如下： 6 第l 章绪论 ( 1 ) 提出了一种改进的水平集方法。 这部分工作主要有：针对水平集方法重新初始化影响分割效率问题，在c v 模型的 能量函数右端增加了距离惩罚函数来保持水平集接近于符号距离函数；根据高分辨率遥 感图像的特点，在r g b 空间灰度图的基础上，综合利用了h s i 空间各通道信息，构造了 一类基于多颜色空间的无需重新初始化的水平集演化方法；将改进算法应用在遥感图像 道路提取中，讨论了灰度值和h s i 通道混合值的权重比例对提取结果的影响，最后采用完 整性和正确性指标对算法进行评价。实验结果显示，提出的改进算法准确完整分割出遥感 图像道路区域。 ( 2 ) 提出自动道路提取方法和基于道路中心线接力引导的分块模式这一开放框架。 这部分工作主要有：针对初始曲线位置可能造成的分割失败以及初始曲线人工指定 的问题，提出了利用自适应双阈值分割结合形态学操作的方法来自动获取初始曲线位置； 针对遥感图像大幅值的特点，提出了基于道路中心线接力引导的分块框架，在大幅遥感 图像中自动分割出包含道路的小幅遥感图像，并利用水平集算法和形态学细化方法进行道 路中心线提取。实验结果表明，自适应双阈值分割结合形态学操作能够自动获得与道路轮 廓位置相近的初始曲线，实现水平集自动提取道路；基于道路中心线引导的分块框架的水 平集方法明显消除了无目标背景对道路提取的干扰，加快了道路提取过程，分割得到道路 的准确位置。 ( 3 ) 开发具有图像预处理功能和道路特征提取功能的软件以及动态链接库。 这部分工作主要有：设计了能够对2 4 位真彩图和8 位图进行处理的图像预处理功 能；开发了初始曲线获取模块、道路中心线提取模块、图像分块模块、曲线修正、算法 评价模块等；将图像预处理的功能函数和道路提取过程中关键功能函数如面积滤波、道 路中心线提取、自适应阈值算法、形态学膨胀与腐蚀、曲线修正等算法封装成d l l 动态 链接库，以便植入其他程序。 1 3 3 论文组织结构 本文以水平集算法和遥感图像道路提取为主线，论文分为六章： 第1 章绪论。本章简述了从高分辨率遥感图像中提取道路的意义，讨论了高分辨率 遥感图像中道路特征模型，概述了遥感图像道路提取方法的分类以及现状。最后陈述了本 文的研究目标、研究内容、总体框架。 第2 章本章概述了水平集图像分割方法基本理论以及水平集方法在特征提取中应用 7 浙江大学硕士学位论文 现状。从曲线演化基本原理、曲线演化的水平集表示、水平集模型的分类详细介绍了水平 集方法的基本理论。讨论了水平集方法在图像分割中在模型和应用方面的发展及研究成 果，并总结出水平集在图像分割中的技术优势。 第3 章从遥感图像特点出发，对水平集模型本身进行两点改进。首先将l i 提出距离 惩罚项函数加入c v 模型中，构造一个无需重新初始化的水平集演化方程。然后在该模型 中又引入了h s i 空间各通道信息，改进后的模型是一类基于r g b 和h s i 两颜色空间的水 平集演化方程。最后讨论了算法实际应用中的具体问题及解决方法，包括算法数值计算、 模型参数选取、初始曲线位置、演化终止条件等，特别对r g b 空间和h s i 空间的权重系 数的选择进行深入的实验研究。研究结果采用道路区域完整性和正确性指标进行评价，显 示本章方法能够准确提取道路区域。 第4 章从实际应用角度，提出一种融合多方法的遥感图像自动道路提取方法。首先 利用自适应阈值算法获得灰度阈值，结合h s i 空间饱和度信息，进行双阈值分割，经过形 态学开闭操作，得到初始曲线的位置。由于遥感图像幅值较大，提出了基于道路中心线接 力引导的分块框架，其具体方法先进行水平集道路分割，利用形态学细化方法获得道路中 心线，根据道路中心线的倾斜角度判定相邻子图块的位置。结果显示自适应双阈值分割结 合形态学操作自动获取水平集演化初始曲线的位置，避免了分割失败。基于道路中心线接 力的分块框架提高了提取精度和效率。 第5 章设计开发遥感图像道路特征提取系统。系统设计了图像预处理功能，如几何 变换、图像增强、颜色空间变换、阈值分割等功能，能够对2 4 位真彩图和8 位图进行处 理。重点开发了初始曲线获取模块、道路中心线提取模块、图像分块模块、曲线修正、算 法评价模块等。最后将部分功能模块封装成动态链接库d l l ，以便植入其他平台，增加模 块通用性。 第6 章结论与展望。本章对全文进行总结，并对今后的研究内容和方向提出建议。 本文研究的基本技术路线如图1 3 所示。 8 第1 章绪论 1 4 本章小结 图1 3 本文技术路线 从高分辨率遥感图像中提取道路的意义出发，讨论了高分辨率遥感图像中道路特征模 型，概述了遥感图像道路提取方法的分类方法以及现状。最后陈述了本文的研究目标、研 究内容、总体技术路线。 9 第2 章水平集图像分割方法 第2 章水平集图像分割方法 摘要：本章针对图像分割中的水平集方法理论进行讨论。从曲线演化基本原理、曲线演化 水平集的表示、水平集模型分类详细介绍了水平集方法的基本理论。然后讨论了水平集方 法在图像分割领域模型和应用方面的发展和研究成果，以及水平集方法在遥感图像分割中 的技术优势。 2 1 引言 借鉴流体中的一些重要思想，o s h e r 和s e t h i a n 于1 9 8 8 年首次提出了水平集算法，这 是一种利用偏微分方程p d e 作为数值分析方法与技术手段来解决曲线演化问题的方法， 适用于任意维空司 5 2 , 5 3 , 5 4 。c a s e l l s 等人通过用水平集方法求解活动轮廓模型得到偏微分方 程从而实现图像分割【5 5 1 。水平集求解图像分割问题的实质就是与活动轮廓模型结合，用水 平集方法求解这些模型得到的偏微分方程。由于水平集方法将二维( 三维) 的闭合曲线( 曲 面) 的演化问题转化为高维空间中水平集函数全面演化的隐含方式来求解，可以对任意复 杂的形状进行模型化并且隐式地解决拓扑形状的分裂、合并等拓扑变化问题，计算精度高， 算法稳定，被广泛运用到图像分割领域，包括医学图像分割、遥感图像的特征提取等【5 4 1 。 本章首先从曲线演化基本原理、曲线演化的水平集表示、水平集模型的分类详细介绍 水平集方法的基本理论，然后讨论水平集方法在图像分割中的模型和应用方面发展和研究 成果，以及水平集在图像分割中的技术优势。 2 2 水平集方法简介 2 2 1 曲线演化 水平集算法当用于二维图像分割时称为曲线演化1 5 2 , 5 3 1 ，其研究的曲线是简单闭合曲线， 即没有交叉的闭合曲线。图2 1 所示为闭合曲线类型，其中图2 1 ( a ) 即为简单闭合曲线。 浙江大学硕士学位论文 简单闭合曲线复杂闭合曲线 图2 1 闭合曲线类型 描述曲线几何特性的两个重要参数是单位法向量和曲率，单位法向量描述曲线的方 向，曲率描述曲线的弯曲程度。曲线演化理论是利用曲线的单位法向量和曲率依赖等集合 参数来研究曲线随时间的变形。假设演化曲线为