基于高分辨率遙感影像的車流信息提取

何曉飛，周麗瓊，李建

(1.成都理工大學地球科學學院，四川成都 610059； 2.四川省地礦局區調隊，四川成都 610213)

基于高分辨率遙感影像的車流信息提取

何曉飛1，2?，周麗瓊1，李建1

(1.成都理工大學地球科學學院，四川成都 610059； 2.四川省地礦局區調隊，四川成都 610213)

闡述了QuickBird影像的特征及對圖像中某些感興趣信息提取的兩種方法:監督分類和閾值法。分別采用ERADS軟件和MATLAB軟件來提取遙感影像的車流信息。以西南交大九里校區周圍區域的QuickBird衛星圖像作為研究對象進行研究，可以快速的了解該地區各路段的交通狀況，每條道路的車流量估算，從而更好地管理交通，合理布局城市交通網絡和建設城市交通。

高分辨率；遙感影像；車輛信息提?。贿b感監督分類；閾值法

1 引 言

過去遙感工作者曾利用航空影像進行了一些車輛檢測方面的研究。這些文獻中，一般采用兩種車輛模型:基于外觀的隱式模型和顯式模型。在0.6 m～1.0 m分辨率的衛星影像上，由于車輛細節信息太少，無法采用模型的方法進行車輛檢測。因此，必須開發新的面向高分辨率遙感影像的車輛檢測方法。目前，針對高分辨率遙感影像進行車輛檢測的研究還很少，且主要針對車輛稀疏的道路，沒有涉及停車場的車輛檢測，檢測率也不理想[1]。文獻[2]中提出了模板匹配算法，但是這個方法也存在一些問題:當一個具體目標被檢測時，這種匹配方法受到目標物體背景環境的影響，而且匹配度的確定也是一個問題。文獻[1]中提出了一種基于形態共享權神經網絡的車輛檢測方法，該算法能通過形態變換自動確定候選車輛像素集，然后利用MSNN將其中的車輛像素檢測出來，這種算法具有一定的可行性。文獻[3]中提出利用遺傳算法和模板匹配進行目標車輛定位，該算法選擇了基于灰度的模板匹配算法作為研究對象，構建模板匹配的算法與遺傳算法之間的適應度函數關系，試圖利用遺傳算法的自適應迭代和直接對參數對象進行操作的智能尋優搜尋特點，屏蔽掉模板匹配目標過程中對空間角度、縮放比例和強背景噪聲等復雜參數的影響，取得精確的匹配效果。

本文以QuickBird衛星影像為基礎通過使用ERDAS軟件及MATLAB軟件實現了影像從道路片段中提取車輛主要內容，實現了基于高分辨率遙感影像車流信息的提取。

2 圖像預處理

2.1 圖像區域選擇與裁剪

本次試驗采用2004年西南交通大學九里校區QuickBird全色影像如圖1所示。

圖1 原圖

在此裁減了西南交大九里校區附近的一個二環路上的交叉路口為試驗區域，以便突出十字路口的車輛信息。

圖2 裁剪后圖像

2.2 圖像增強

在圖像形成、傳輸或變換的過程中，由于受到其他客觀因素諸如系統噪聲、曝光不足或過量、相對運動等影響，獲取圖像往往會與原始圖像之間產生部分差異(稱為降質或退化)。退化后的圖像通常模糊不清或者經過機器提取的信息量減少甚至錯誤，因此必須對其采取一些方法進行改善。圖像增強技術正是在此意義上提出的，目的就是為了改善圖像的質量。由于本文所選取圖像為全色的QuickBird影像，這里只進行空間增強和輻射增強，如圖3所示。

圖3 降噪后圖像

3 車流信息提取

3.1 監督分類

監督分類，又稱訓練分類法，即用被確認類別的樣本像元去識別其他未知類別像元的過程。在監督分類中，分析者在圖像上對每一種類別選取一定數量的訓練區，計算機計算每種訓練樣區的統計或其他信息，每個像元和訓練樣本作比較，按照不同規則將其劃分到和其最相似的樣本類。

監督分類的優點在于可根據應用目的和區域，有選擇地決定分類類別，可以控制訓練樣本的選擇，能避免由于訓練樣本分類不精確導致的嚴重錯誤，但是這種分類方法中分類系統的確定、訓練樣本的選擇，人為主觀因素較強，并不能真正體現圖像的真實情形，此外訓練樣本的選擇和評估要花費較多的人力和精力。

3.2 閾值法圖像分割的實現

圖像閾值化分割是一種最常用，同時也是最簡單的圖像分割方法，它特別適用于目標和背景占據不同灰度級范圍的圖像[4]。由Otsu[5]于1978年提出的最大類間方差法以其計算簡單、穩定有效，一直廣為使用。其基本思想是將直方圖在某一閾值處分割成兩組，當被分成的兩組的方差為最大時，得到閾值。因為方差是灰度分布均勻性的一種量度，方差值越大，說明構成圖像的兩部分差別越大，當部分目標錯分為背景或部分背景分為目標都會導致兩部分差別變小，因此使用類間方差最大的分割意味著錯分概率最小[6]。

3.3 實驗結果

鑒于道路片段提取車輛信息具有局部性和高精度性，所以選擇道路片段進行車輛提取，從圖2截取兩小段影像道路片斷。道路片斷1和道路片斷2，如圖4、圖5。圖6分別為用監督分類法和閾值法進行車輛信息提取的結果。

圖4 道路片斷1

圖5 道路片斷2

通過識別結果來看，效果非常好，道路旁的樹木沒有出現，提取出了道路上的全部車輛。實驗中也提取一些非車輛信息例如斑馬線，但由于本文研究的是提取車流信息所以對整個實驗并沒有產生影響。實驗結果數據分析如表1所示。

表1

4 結 語

利用高分辨率遙感影像對車輛信息進行提取，加之高分辨率遙感圖像的時效性強和宏觀的特點，可以快速了解各個路段的交通狀況，每條道路的車流量估算，以便更好地管理交通，合理布局城市交通網絡和建設城市交通。研究結果表明，使用遙感監督分類和MATLAB閾值法對道路片斷提取車流信息效果很好，能夠提取出車輛的大致外形，清晰易辨，但有其他地物的干擾，使識別效果降低。

[1] 戚浩平，王煒，田慶久.高空間分辨率衛星遙感數據在城市交通規劃中的應用研究.公路交通科技，2004，21(6)

[2] 戚浩平，蔡先華，王煒.利用高空間分辨率衛星遙感數據制作影像交通圖.公路交通科技，2005，22(11):152～155

[3] 余勇，鄭宏.基于形態神經網絡的高分辨率衛星影像車輛檢測.哈爾濱工程大學學報，2006，27:189～193

[4] 王新成.高級圖像處理技術.中國科學技術出版社，2000

[5] Otsu N.A threshold selection method from grey－level histograms[J].IEEE Trans System.Man Cybernet，1979，SMC－9:62～66

[6] 章毓晉.圖像分割[M].北京:科學出版社，2001

Based on the high Resolution of Remote Sensing Image Traffic Information Extraction

He XiaoFei1，2，Zhou LiQiong1，Li Jian1
(1.College of Earth Sciences，Chengdu University of Technology，Chengdu 610059，China；2.Regional Geological Surveying Team，BGEEMRSP，Chengdu 610213，China)

The characteristics of the QuickBird video and two methods for some information extraction from the image are reported in this paper.The methods are supervised classification and threshold.With ERADS and MATLAB software authors have extracted traffic information from remote sensing image.The QUICKBIRD satellite images of Jiuli campus of Southwest jiaotong university are studied.The information on traffic of this area and estimation of traffic flow are quickly get.Based on the information government can control traffic，arrangement traffic network and build the urban transportation more efficiently.

high resolution；Remote sensing image；Traffic information extraction；Remote supervision；threshold method

1672－8262(2010)03－49－03

P231.1

B

2010—10—20

何曉飛(1978—)，男，碩士研究生，工程師，研究方向生態地理信息系統。