一種基于數學形態學細化的道路跟蹤選擇算法
2008-04-12 00:00:00李征王金根陸鈺
現代電子技術 2008年13期
摘 要：在航空圖像中提取道路信息具有十分重要的軍事和民用價值。利用航空圖像中道路與背景之間通常存在著灰度差異，結合數學形態學知識，提出了一種基于數學形態學細化的線性跟蹤選擇算法，并對算法進行了詳細描述和算法優點分析，通過實驗驗證了算法的有效性，實驗證明所設計的線性跟蹤選擇算法檢測效率較高，參數易于選擇，道路提取效果好，具有較高的應用價值。
關鍵詞：二值化；形態學細化；線性跟蹤；線性選擇
A Road track-selection Algorithm Based on Mathematical Morphological Thinning
LI Zheng，WANG Jingen，LU Yu
(Military Intelligence Laboratory，Artillery Academy of PLA，Hefei，230031，China)
Abstract：Road extraction from aerial images shows increasing significance of military and civilian，usually，there is diffe-rence in the brightness of road and background in aerial images.In this paper，a track-selection algorithm based on mathematical morphological thinning for road detection in aerial images is introduced， the algorithm is described and the merits of algorithms are analyzed，and the validity of algorithm is validated by experiment.It indicates that the algorithm for road detection has merits of high detection efficiency，parameter is easily selected and has value in practice.
Keywords：binarization；morphology thinning；linear tracking；linear selection
利用計算機從航空圖像中自動提取道路信息，是人們多年的愿望。目前這方面的研究成果難以計數，例如：McKeown和Denlinger［1］利用道路邊緣成對平行的特性獲取道路種子點，然后使用邊緣跟蹤和斷面匹配跟蹤兩個算法進行道路跟蹤，通過道路模型融合兩個算法的跟蹤結果，并在跟蹤失敗時進行分析以引導跟蹤繼續進行或中斷跟蹤。Ruskone［2］等研究了基于道路種子點的自動獲取進行道路跟蹤，然后利用道路的幾何結構特征進行道路段的編組，最后利用Snake模型對提取的道路網進行幾何結構優化。唐國維，林冬梅等［3］提出一種基于種子窗口的區域生長方法，實現道路圖像分割技術，給出道路結構分析，道路圖像。朱長青等［4］首先利用灰度重建運算，構造基于形態特征的影像分割，得到基本的道路網絡輪廓。梅天燦，李德仁等［5］針對高分辨率航空遙感影像中線狀目標的特點，提出一種結合區域和直線特征識別線狀目標的方法。在實際道路信息檢測過程中，很多檢測算法在檢測出道路的信息的同時也檢測出許多非目標信息，而且這些非目標信息比較難以除去，使得檢測效果不理想。本文結合了數學形態學知識，提出一種基于數學形態學細化的道路跟蹤選擇算法，可以較好地解決這一問題，得到比較理想的檢測效果。
1 形態學相關知識[STBZ]［6-8］
1.1 二值形態學原理
二值形態學是數學形態學的基礎，基本變換包括腐蝕、膨脹、開啟、閉合。設二值圖像集合為A，結構元素集合為B，x表示集合A的平移距離。腐蝕運算(erosion)定義為：
AΘB={x：B+xA}
用B來腐蝕A得到的集合是B完全包括在A中時B的原點位置的集合。
膨脹運算(dilation)定義為：
A⊕B=［ACΘ()］C
其中AC為A的補集，為B關于原點的映射。用B來膨脹A得到的集合是的位移與A至少有1個非零元素相交時B的原點位置的集合。
開啟運算(open)定義為：
1.2 擊中擊不中變換
擊中擊不中變換(又稱Serra變換)是建立在腐蝕運算基礎上的十分有用的形態變換，它在一次運算中同時可以捕獲到內外標記。擊中擊不中變換需要兩個結構基元E和F，這兩個基元被作為一個結構元素對B=(E，F)，一個探測圖像內部，另一個探測圖像外部，其定義為：
當且僅當E平移到某一點時可填入A的內部，F平移到該點時可填入A的外部時，該點才在擊中擊不中變換的輸出中。顯然，E和F應當是不相連接的，即E∩F=，否則便不可能存在兩個結構元素可同時填入的情況。因為擊中擊不中變換是通過結構元素填入圖像及其補集完成運算的，故它通過結構元素對(簡稱結構對)探測圖像和補集之間的關系。
1.3 形態學細化
許多數學形態學算法都依賴于擊中擊不中變換。其中圖像細化就是一種常見的使用擊中擊不中變換的形態學算法。對于結構對B=(E，F)，利用B細化S定義為：
2 基于數學形態學細化的道路跟蹤選擇算法
2.1 算法的基本思路和算法流程
該算法的基本思路是：首先對圖像進行二值化，然后對二值化圖像進行形態學細化，再檢測圖像上的每一個線條(包括點、短線、長線)的長度，根據所有線條長度統計，取適當閾值，保留道路信息線條(一般道路信息線條長度最大)，除去其他線條，得到道路信息。最后與原圖進行檢測比較，評定檢測效果。其流程圖如圖1所示。
2.2 算法描述
(1) 圖像濾波和增強：濾出噪音，提高圖像的信噪比。
(2) 圖像二值化：根據圖像的灰度直方圖，選取閾值，對圖像進行二值化，使得圖像變得簡單，易于下一步操作。
(3) 圖像細化：利用形態學知識，對圖像進行細化，這樣圖像上就得到了包括道路在內的學多長短不一的線條，由于經過細化處理，所以這些線條大多為單像素點，減少下一步檢測的運算量。
(4) 線性跟蹤檢測：從圖像的底層開始掃描檢測，當檢測到第一個起始點時，按八個方向進行跟蹤尋找，如圖2所示，第二個像素點以后按五個方向進行跟蹤尋找，如圖3所示，直到終點，記下該直線L1，并記下其長度為t1(像素點數)，照此方法所有線段為L1，L2，…，Ln，記下其長度分別為t1 ，t2，…，tn，其中n∈［1，+∞)。
(5) 線性選擇及道路提取：根據上一步檢測線段長度，進行線段長度統計，人工選取適當閾值T(一般圖像中道路線段都比較長)，當tn≥T時，保留該線段，即為道路信息，記錄道路的長度。
(6) 道路驗證：把提取的道路與原圖進行比較，通過視覺分析和定量分析評定檢測結果，得出結論。
2.3 算法性能分析
適用范圍廣，易于實現 適用于提取直線和非直線道路，以及各種等級道路，并且可以計算出道路長度。
檢測效率較高 由于對圖像進行了二值化，使得待檢測圖像灰度值更加簡單，再經過形態學細化后的圖像，與直接對二值化圖像進行檢測相比較，無特征點個數明顯減少，使得計算機檢測時，減少訪問點個數，而且除了起點以外的特征點采用了五個方向跟蹤檢測，提高了檢測效率。
檢測效果較好 由于測量圖像中所有線段的長度，根據這些長度，人工選取適當閾值，可以保留了道路信息，除去其他非道路信息的干擾，大大改善了視覺效果，提取的道路信息明顯。
3 實驗結果及其評定
3.1 實驗結果
本文所述的一種基于數學形態學細化的道路跟蹤選擇算法在通用PC機上進行了大量的實驗，本算法是在Windows XP操作系統下，基于Visual C++6.0 MFC框架編程實現，所處理的圖像格式為8位(256色)灰度圖和8位二值圖像。
圖5是一幅8位灰度航空圖像，尺寸是480×576，圖5灰度直方圖如圖4所示，圖6是根據圖4選取的閾值進行分割后的二值圖像。為了進一步簡化圖像，對圖6進行形態學細化，得到細化圖像，如圖7所示，從圖7中可以看出，除了道路信息外，還有許多長短不一的線條，影響了圖像的檢測效果，采用本文的方法后，很好的除去了這些非道路信息的干擾，如圖8所示。
3.2 評定分析
對實驗結果進行進一步定量評定分析。文獻[9]中根據像素提出了一種近似精度估計方法。這里，結合本文的實際情況，提出如下精確度的評價指標：準確度、遺漏誤差、冗余誤差。即：
準確度=正確提取的線性目標長度／線性目標的總長；
遺漏誤差=遺漏的線性目標長度／線性目標的總長；
冗余誤差=多余的線性目標長度／線性目標的總長。
其中，真實的道路信息是從原始圖像中直接人工得到的。其余線性目標長度由PC機線性跟蹤檢測得到。得到所提取的道路信息的統計結果如表1所示。
原始圖像準確度遺漏誤差冗余誤差
從表1中可以說明，本方法對提取道路信息有很高的精確度，準確度達到了90%以上，道路提取效果比較好。
4 結 語
本文主要介紹了一種基于數學形態學細化的道路跟蹤選擇算法，設計并實現了該算法，在對算法詳細描述的基礎上，對算法的優點進行了分析。通過實驗對該算法進行了定量評定，實驗結果表明，本算法效果較好。但該算法還有不足和有待改進之處，例如：長度閾值T的設置，還依賴于人工輔助獲得，降低了自動化程度；特征點的跟蹤尋找還可以更加優化等。下一步將對本算法進行改進，優化完善算法，提高自動化程度。
參 考 文 獻
［1］McKeown D M，Denlinger J L.Cooperative Methods for Road Tracking in Aerial Imagery[C].IEEE Computer Vision and Pattern Recognition Conference，1988:662-672.
［2］Ruskone R，Airault S，Jamet O.A Road Extraction System Using the Connectivity Properties of theNetwork[J].IEEE Trans.on Pattern Analysis and Machine Intelligence，1994:174-180.
［3］唐國維，林冬梅，郭立君.基于種子窗口的道路圖像分割技術研究[J].微型機與應用， 2001(6)，34-36.
［4］朱長青，王耀革，馬秋禾，等.基于形態分割的高分辨率遙感影像道路提取[J].測繪學報，2004，33(4)：347-351.
［5］梅天燦，李德仁，秦前清.基于直線和區域特征的遙感影像線狀目標檢測[J].武漢大學學報:信息科學版，2005，30(8):689-693.
［6］阮秋琦.數字圖像處理學[M].北京：電子工業出版社，2001.
［7］崔屹.圖象處理與分析——數學形態學方法及應用[M].北京：科學出版社，2002.
［8］楊淑瑩.VC++圖像處理程序設計[M].北京：清華大學出版社，2005.
［9］Wang F G，Newkirk R.A Knowledge-based System for Highway Network Extraction[J].IEEE Transform on Geoscience and Remote Sensing，1988，26(5):525-531.
作者簡介 李 征 男，1980年出生，安徽長豐人，解放軍炮兵學院在讀碩士研究生。主要從事圖像處理方向的研究。
