基于高分辨率遥感影像的道路半自动提取方法研究_图文

1、第5卷第4集 V01.5,No.4圣塑§生!Q旦熬主型绘皇鱼堡筮丕廑旦盟塞速金途塞塞 Q!:!塑! 基于高分辨率遥感影像的道路半自动提取方法研究 董明(北京市测绘设计研究院,北京市海淀区羊坊店路15号。100038摘要:本文研究了从高分辨率遥感影像中半自动提取道路的方法。在研究LsBSnake模型的基础上, 提出了自动赋初值的LSBSnal【e模型:首先人工输入少量种子点。然后采用自适应模板匹配法自动获取道路 的宽度、亮暗等信息和加密的种子点,最后以此作为LsBS衄ke模型的初值进行道路提取。对IKON0s和 QllickBird影像中道路提取的试验表明:本文提出的方法比LSBSmk

2、e模型更加稳健,自动化程度更高,它在 很大程度上可以克服阴影遮挡,在抗干扰方面比LsBSnal【e模型具有更加优越的性能,可以有效地从高分辨 率遥感影像中提取道路。关键词:道路提取,LsBSnal【e模型,高分辨率,遥感影像,半自动1引言从遥感影像中提取地物是当前遥感图象处理领域中的一个研究热点,而道路的测图也是 地形测图中最重要的工作之一。从20世纪70年代至今,在道路自动提取方面已有大量的研 究,但受图像理解水平的制约,自动提取存在相当部分的错误。由于自动提取的方法还不成 熟,本文从减轻全人工提取的工作量角度出发,提出自动赋初值的LsBsnake模型,采用半 自动方法提取高分辨率遥感影像上

3、道路。2方法原理道路为典型的线状地物,其特征可归纳为灰度、几何、拓扑、功能以及关联和上下文约 束等。其中灰度是最重要的特征。道路的灰度特征表示为:在垂直于道路的方向上,道路的 边缘与中间具有一定亮度对比度的线特征。根据灰度特征可以生成剖面灰度模板。本文利用 剖面灰度模板对道路影像进行匹配,首先提出自适应模板匹配法,设计一系列不同宽度的剖 面灰度模板,对遥感影像上的道路进行匹配;然后将自适应模板匹配的结果导入LSB Snal【e模型,作为自动赋初值的LsBSnake模型的初值对道路进行半自动提取。流程如图l所 示:2.1自适应模板匹配法在模板匹配之前,首先人工输入若干少量用于道路半匹配的初始种子

4、点,然后根据道路 的线状特征,采用道路剖面灰度模板沿着垂直于种子点连线方向进行匹配。蔓±墨 董塑;羞王匿继蔓堡堕受篮笪重照圭自堂墼直萱鲤基 :!竖:p飘厂磊磊盍习 I自适应模板匹配法I.:I ! . .一自动赋初值的 LsB-snak嗾型j一 /道路提取结果/图1道路提取方法流程图假设遥感影像中的道路具有理想的带状灰度特征,则图2表达了道路剖面灰度模板,其 中图2a是道路比周围地物亮(即:亮带的情形,图2b是道路比周围地物暗(即:暗带的 情形。在实际的遥感影像中,道路两侧的边缘灰度常常不具有理想的特征,而是“屋脊”状 特征,如图3所示。图3a是亮带特征,图3b是暗带特征。本文采用即采

5、用“屋脊”状的道路 剖面灰度模板进行自适应模板匹配。a道路为亮带b道路为暗带图2理想道路模板 a道路为亮带b道路为暗带图3实际道路模板 妻 室:!暨:錾主型绘量垡墨蕉垄廑旦盟邀煎金鲨塞苤 箜主鲞 “屋脊”状特征模板与影像中“亮”的道路匹配效果较好, “反屋脊”状特征模板与影 像中“暗”的道路匹配效果较好。因为道路的宽度未知,所以设计了一系列宽度的模板,宽 度分别为3,5,7,25。将每两个种子点之间分成若干段,对每两个种子点之间沿着与种 子点连线垂直的方向,采用上述不同宽度的模板与影像进行匹配,利用下式计算相关系数: m:雨攀奄望鉴一 【著丢矿L,一:j(善若鼠,2善丢g“,pc一著j(善荟玑

6、+,加2】其中,m,n表示计算相关系数的影像块行列数,r、c表示搜索区域的位置,g和g分别表 示模板和影像的灰度。由于相关系数是标准化的协方差函数,因而当目标影像的灰度和搜索 区影像的灰度之间存在线性畸变时,仍然能较好的评价他们之间的相似程度,可以证明,影 像灰度经线性变换后相关系数是不变的“1。从匹配结果中选择相关系数值最大的作为该段的唯一匹配结果,将该唯一匹配结果与给 定阈值进行比较,大于给定阈值的为有效匹配结果,从有效匹配结果中取出最大的若干值作 为采用的匹配结果,在采用的匹配结果相应的匹配位置上自动添加种子点,自动添加的种子 点与人工输入的初始种子点共同作为LSBSnake模型的种子点

7、。在完成上述工作后,一方 面,统计采用的匹配结果所度应的模板,求宽度相同的模板数量之和,取和最大的模板宽度 最为该条道路的宽度;另一方面,统计采用的匹配结果对应的“屋脊”状和“反屋脊”状特 征模板出现的频率,根据出现频率大的特征模板确定该条道路的亮暗属性。2.2自动赋初值的LSBS腿ke模型Snake模型口,是能量极小化的样条,内力约束它的形状,外力引导它的行为,图像力将其 拖向显著的图像特征;Snal【e是“主动”轮廓线模型,它锁定在图像特征附近,准确的将它们 极小化。Snake的能量函数可以定义为:1-E砒(V=丢I Q互。+瓦晔+E。协二LSBSnake模型p-41是一种有效的线状地物检

8、测模型,它用带参数的B样条来描述Snal【e的 曲线,采用最小二乘平差求解算法,通过迭代收敛到能量最小值,根据B样条复杂度动态分 配节点位置。LsBSnake模型在对每条道路进行提取之前,都需要人工设置道路的宽度、道路与周围 地物相比是亮带还是暗带等参数,人工设置的参数不准确,并且人机交互降低了道路的提取 效率。本文通过自适应模板匹配获得道路宽度和亮暗属性参数,该初值准确可信,将这些参蔓!望 垂塑;茎i三亘佥堂皇垂蹙墅鳇曲重堕圭旦垫堡壁点垂盟窒 :!S!:数作为初值赋给IsBsnake模型,避免了人机交互,增强了初值的可靠性。另外,利用自适 应模板匹配得到了一些可靠的道路点,这样,与LsBsn

9、ake模型提取道路相比,采用更加密 集的点作为初始种子点,可以更加稳健的对道路进行提取,3实验在Vsud c十十”1平台下,编程实现了自动赋初值的srlake模型方法,来提取高分辨率遥感 影像上的道路。分别对分辨率为1米的IKONos和06米的QuckBtrd影像进行r道路提取实验. 来对比LsBsnake模型和自动赋初值的LsBsr础e模型对道路的提取结果。图4中道路附近基本无其他地物干扰,道路具有较好的平滑带状特征,此时人工输入少 量的初始种子点。如图4a,圆点为人工添加的初始种子点,图4b为LsBsnake模型对道路提 取的结果,图4c为自动赋初值的LsBsnake模型提取的结果,其中,

10、方点为自适应模板匹配 法自动添加的种子点。a b cF19ure4Cotrasf ofRoad Extraci】on Results by LSBSnakeandAulolnltlaI value LSBSnakeMod 可见,原始的LsBsnake模型在初始种子点较稀少的时候得到错误的提取结果,而本文 提出的自动赋初值的塔Bsnake模型可以较好的提取出道路,比LsBsnake模型更加稳健、自 动化程度更高。图5中道路附近有较严重的建筑物、树木等地物遮挡,道路不具有典型的平滑带状特 征。此时人工输入较多的初始种子点。如图5a为人工添加初始种子点,图sb为LsBsnake模 型对道路提取的结果

11、,图5c为自动赋初值的Bsnake模型提取的结果。a b cF19ure 5con【ras c ofRoad ExlMct】on Results hyLsBsnake and AutoInIna】valueLsBsnakeModel:!墼:塾皇型丝量Q!兰堇丕查旦班过銮煎金迨塞塞 箜兰鲞 可见,原始的LsBSnal【e模型在道路附近有较多干扰时发生错误,如图5b所示,而自动 赋初值的LSBSnake模型则可以穿越地物遮挡处,将道路正确地提取出来,比LSBSnake模型 的抗干扰能力更强。4.结论本文在深人研究LsBSnake模型的基础上,提出了自动赋初值的LSBSnake模型方法,从 高分辨率

12、遥感影像上半自动提取道路。实验证明,自动赋初值的LSBsnake模型能够自动添加种子点,在输入相同数目的初始 种子点的情况下,自动赋初值的LSBSnake模型比LsBSnake模型更加稳健。自动赋初值的LSBSnake模型无需输入道路的宽度、亮暗等参数,与LsBSnake模型相 比,提高了道路提取的效率和自动化程度。自动赋初值的LsBSnake模型可以稳健地跨越建筑物、树木等的遮挡,与LSBSnake模型 相比,抗干扰能力更强。在建筑物、树木遮挡特别严重的地区,本文提出的道路提取方法还存在一定问题,单纯 通过灰度对进行判断是不够的,进一步的研究应充分纳入几何、拓扑、功能以及关联或上下 文约束等

13、信息,参与道路的提取,以取得更加稳健可靠的提取结果。参考文献1.IVaIl L印teV,Helmut Mayer,Tony Lindebe唱,wo蚝ang Eckstein etc.Aut砌atic extmction of roads from aerial images baLsed on scalespace and snakes.TechIlical repon CVAP240,ISRN KTH/NA伊一00,06一 SE.March 2000.2.Michael I:ass,Andrew witkin and Demetri Terzopoulos.Snakes:actiVe Con

14、tour models.IIl:Brady I M, RoseIlfield A eds.Proceedings of the l st Intemational Co出rence on Computer Vision.London: IEEE Computer Society Press,1987.259268.3.Gmen,A.,H.H Li.Se血一叭tomatic linear feature extraction by dyn锄ic pm鲫nrniIlg and LSB Snakes,Photog咖metric Engineering and RemoteSensing,1997,63(8:pp.985995. 4.Gruen,A.,P.A90tlris,H.H Li.Lin