結(jié)合高分辨率遙感影像與DLG數(shù)據(jù)的面向?qū)ο蟮缆访嫣崛⊙芯?/h1>
2014-08-01 09:13:56劉飛景耀全趙麒麟石江南
遙感信息 2014年4期 關(guān)鍵詞：方法
劉飛，景耀全，趙麒麟，石江南
(四川省遙感信息測繪院，成都 610100)
1 引 言
地表覆蓋的空間分布情況直接影響著地球表面的物質(zhì)和能量循環(huán)過程，其時間變化也綜合地反映著人類活動和氣候變化對自然環(huán)境的影響，一直是自然地理研究的重點和熱點問題之一[1-3]。地表覆蓋作為地理國情監(jiān)測的重要組成部分，對其進行快速、高效地分類和提取成為了其中的研究重點。道路面作為基本的地理要素，是組成地表覆蓋的重要部分，許多學者對其進行了自動或半自動地提取研究。
YASSIN M Y等[4]提出道路邊緣檢測法；DONALD G等[5]提出的最小二乘B樣條曲線道路識別法是比較常用的方法；TON J等[6]從視覺理論出發(fā)，提出了一種平行道路檢測的方法；汪閩等[7]鑒于道路的同物異譜現(xiàn)象，提出利用馬爾可夫隨機場紋理模型與支持向量機分類相結(jié)合的道路提取方法；朱曉玲等[8]采用面向?qū)ο蟮姆诸惣夹g(shù)，利用影像的光譜特征、幾何特征和空間關(guān)系建立規(guī)則集進行城市道路提取；葉勤等[9]認為僅使用光譜信息或形態(tài)特征難以獲取滿意的道路提取結(jié)果，提出一種將區(qū)域生長與空間形狀約束相結(jié)合的方法；顧丹丹等[10]結(jié)合數(shù)學形態(tài)學的區(qū)域生長以及GVF-Snake追蹤對遙感影像進行了道路提取；胡張武[11]利用數(shù)學形態(tài)學和形狀指數(shù)去除道路信息提取過程中的噪聲；史文中等[12]在總結(jié)已有的道路提取方法基礎(chǔ)上，首次提出了利用GIS和地圖信息提取道路的設(shè)想；劉亞嵐等[13]利用衛(wèi)星和航空遙感數(shù)據(jù)及已有交通基礎(chǔ)數(shù)據(jù)庫，輔助提取公路損毀信息；徐陽等[14]通過融合地震前道路網(wǎng)矢量數(shù)據(jù)與地震后影像，提出一種基于自適應模板的道路損毀檢測方法。
DLG數(shù)據(jù)作為基礎(chǔ)測繪產(chǎn)品，包含了大量的地理信息，如線狀道路等。本文利用面向?qū)ο蟮姆诸惣夹g(shù)，將道路在高分辨率遙感影像上的光譜信息和形狀特征與線狀道路的空間約束相結(jié)合，探索了4種快速、高效地提取道路面的方法。
2 研究區(qū)道路概況及其數(shù)據(jù)
圖1 研究區(qū)影像與道路DLG數(shù)據(jù)
本研究選擇地理國情監(jiān)測的某試點區(qū)域，該區(qū)域內(nèi)大小道路縱橫，有光譜信息與路旁的房屋等地物容易混淆的路段，也有被樹木遮擋的路段。高分辨率遙感影像是通過幾何糾正和正射校正后的WorldView-2多光譜數(shù)據(jù)與全色影像融合得到的影像，包含藍、綠、紅和近紅外4個波段，影像清晰，無雨霧，成像時間為2012年5月17日，投影方式為2000國家大地坐標系。實驗所用的道路DLG數(shù)據(jù)來自于1∶1萬基礎(chǔ)地理信息數(shù)據(jù)，原始的道路DLG數(shù)據(jù)由于部分與遙感影像存在偏差、變更等情況，需要進行少量的預更新處理。本研究所用的道路DLG數(shù)據(jù)是根據(jù)WorldView-2遙感影像進行預更新以后得到的數(shù)據(jù)。在ArcGIS軟件中，通過少量預更新，道路DLG數(shù)據(jù)與影像套合良好。地理國情普查工作中，將大于3m且長度大于500m的公路、城市道路、鄉(xiāng)村道路統(tǒng)稱為道路面。所以，在道路DLG數(shù)據(jù)預更新時刪除了不合要求的路段，如圖1中的部分鄉(xiāng)間小路被刪去。
3 面向?qū)ο蟮牡缆访嫣崛》椒?/h2>
針對“影像對象”進行處理的面向?qū)ο笥跋裥畔⑻崛〖夹g(shù)，區(qū)別于面向像素的信息提取方式，處理的基本單元是通過多尺度分割生成的同質(zhì)目標。由于同質(zhì)目標并非同類目標，由此在道路自動提取中會錯分和漏分部分道路。文獻[8]對道路影像的基本特征進行了總結(jié)，采用面向?qū)ο蟮姆诸惣夹g(shù)建立規(guī)則集，進行了城市道路的提取。本文在已有面向?qū)ο蠓诸惣夹g(shù)與道路提取研究成果的基礎(chǔ)上，加入道路DLG數(shù)據(jù)作為空間約束條件，進行了面向?qū)ο蟮牡缆访嫣崛⊙芯俊?/p>
3.1 道路DLG中心線緩沖法
更新后的道路DLG數(shù)據(jù)是按照影像道路中心線進行采集的，對不同寬度的線狀道路建立緩沖區(qū)(ArcGIS軟件中buffer函數(shù))，得到不同寬度的道路面。將該道路面圖層直接作為專題圖信息參與面向?qū)ο笥跋穸喑叨确指睢７指畛叨葹?0，形狀指數(shù)0.3，緊致度0.6，通過道路專題圖信息中的屬性來提取出初始道路面(下文多尺度分割尺度和參數(shù)相同，不再贅述)。初始道路面中參雜有植被等噪聲信息，利用NDVI指數(shù)進行剔除，NDVI表達式為(NIR-RED)/(NIR+RED)。NDVI閾值大于0.2時能很好地剔除掉植被等噪聲信息。由此得到最終的道路面提取成果。
3.2 道路DLG柵格過濾法
對更新后的道路DLG數(shù)據(jù)，在ArcGIS和ENVI軟件中分別進行矢量柵格化與二值化處理，對有道路區(qū)域賦值為1，無道路區(qū)域為0。面向?qū)ο骵Congnition軟件提供了對象過濾的方法，通過對分割對象與道路二值化圖相交運算，二者相交所得面積占有分割對象不同大小比例，由所占面積比例對分割對象進行過濾，調(diào)整面積比例大小可以較好地提取出初始道路面。對初始道路面中的植被等噪聲信息進行剔除，方法同道路DLG中心線緩沖法中所用的NDVI方法。
3.3 道路DLG中心線與分割對象相交法
道路DLG數(shù)據(jù)中心線作為專題圖信息，不參與面向?qū)ο蠓指睿辉谔崛r，利用通過的斑塊便為道路的過濾思想，進行道路面提取。該思想類同于方法道路DLG中心線緩沖法，區(qū)別在于前文所述方法對道路穿過的斑塊進行了面積比例過濾，對相交所占比重較少或不相交的區(qū)域直接剔除，能對比重進行調(diào)整；而直接相交法，不能對面積比重進行調(diào)整，對通過了的斑塊便認為是道路面。由此，可以快速地提取出初始道路面。對初始道路面中的植被等噪聲信息進行剔除，方法同道路DLG中心線緩沖法中所用的NDVI方法。
3.4 道路DLG中心線與上下文關(guān)系法
圖2 道路DLG中心線緩沖法流程圖
圖3 道路DLG柵格過濾法流程圖
圖4 道路DLG中心線與分割對象相交法流程圖
圖5 道路DLG中心線與上下文關(guān)系法流程圖
對道路DLG數(shù)據(jù)進行中心線更新不準(未采集到道路的正中)或在未更新的前提下，可以借鑒面向?qū)ο笏枷耄梅指顚ο笈c道路DLG數(shù)據(jù)的距離以及光譜信息進行綜合提取道路面。線狀的道路DLG數(shù)據(jù)參與多尺度分割，并認為其是“一次提取道路”。一般的道路DLG都是滿足一定限差的數(shù)據(jù)，將此限差設(shè)置為“一次提取道路”離目標道路的距離范圍。在該范圍內(nèi)滿足道路光譜信息、幾何特征(長寬比等)以及邊界相接的斑塊對象可認為是道路面，最后通過少量手動修改一些和房屋或硬化地面混淆的地方，得到道路面數(shù)據(jù)。
4 道路面提取結(jié)果評價
4.1 道路面提取方法的優(yōu)缺點
在道路DLG數(shù)據(jù)采集到中心線時，方法道路DLG中心線緩沖法是最佳選擇，提取的道路邊界光滑整齊；但在采集中心線不準時，道路旁邊的地物會被錯分為道路面，且難于編寫規(guī)則區(qū)分。道路DLG柵格過濾法在道路DLG數(shù)據(jù)未采集到中心線時能發(fā)揮較好的作用，但操作較為繁瑣、復雜，且要求采集的中心線不能偏出道路邊界；若偏出道路邊界，會出現(xiàn)漏分和錯分道路面信息的情況，邊界外的地物對象被分類為道路面，而道路邊界內(nèi)的斑塊被漏分。道路DLG中心線與分割對象相交法原理簡單，在道路DLG采集在邊界范圍內(nèi)時分類效果較好，不在邊界內(nèi)時出現(xiàn)錯分現(xiàn)象，且在影像中道路邊界模糊或與周圍地物混淆嚴重時分類效果較差，主要原因是軟件不能自動分割出道路面斑塊；在道路中心線大于等于兩次進出分割對象時，道路面會被漏分，需要手動地進行修改。道路DLG中心線與上下文關(guān)系法在道路DLG數(shù)據(jù)偏出影像道路邊界時能較好地提取出道路面，充分利用了道路光譜和幾何特征信息。
除道路DLG中心線緩沖法以外，其他三種方法與影像中道路與周圍地物是否混淆在一起直接相關(guān)，若混淆較嚴重，則需要大量的人工干預編輯。由于道路被遮擋大多是由于植被覆蓋引起的，所以在剔除植被時僅利用NDVI指數(shù)便能有效地實現(xiàn)。若影像上道路與周圍地物區(qū)分明顯，利用多尺度分割能有效地分割出來，則利用后面三種方法均能很好地完成工作。
4.2 道路面提取結(jié)果分析
為比較幾種道路面提取方法的效果，以目視解譯后的道路信息為參考數(shù)據(jù)，分別從花費時間、視覺效果、幾何特征分析等方面進行比較。
(1)從花費時間方面分析。假設(shè)道路DLG數(shù)據(jù)采集到了中心線，所花時間多少為：道路DLG中心線與分割對象相交法<道路DLG中心線與上下文關(guān)系法<道路DLG中心線緩沖法<道路DLG柵格過濾法。若未采集到道路中心線，而未偏出道路邊界，那么所花時間多少為：道路DLG中心線與分割對象相交法<道路DLG中心線與上下文關(guān)系法<道路DLG柵格過濾法<道路DLG中心線緩沖法。若采集的道路中心線偏出道路邊界或未采集更新，那么所花時間多少為：道路DLG中心線與上下文關(guān)系法<道路DLG柵格過濾法<道路DLG中心線與分割對象相交法<道路DLG中心線緩沖法。
(2)從視覺效果來分析。圖6給出了4種道路面提取方法得到的道路面，由圖可看出道路DLG中心線緩沖法提取的道路邊界最光滑，而其余方法均有毛刺存在。總體來講，4種方法均能較好地提取出道路面。
圖6 4種方法提取的道路面
(3)幾何特征分析。從面積、周長、綜合形狀指數(shù)[15]進行對比分析。綜合形狀指數(shù)實質(zhì)是形狀系數(shù)與分維數(shù)之和，其表達式為：
(1)
其中，Q為綜合形狀指數(shù)，P為周長，S為面積。
由表1得出：道路DLG中心線緩沖法提取的道路面積與參考面積最相近，其次為道路DLG中心線與上下文關(guān)系法，再次為道路DLG柵格過濾法，最后是道路DLG中心線與上下文關(guān)系法；道路DLG中心線與分割對象相交法提取的道路周長與參考周長最相近，其次為道路DLG中心線緩沖法，再次為道路DLG柵格過濾法，最后是道路DLG中心線與上下文關(guān)系法；從綜合形狀指數(shù)來看，道路DLG中心線與分割對象相交法最接近參考指數(shù)，其次為道路DLG中心線緩沖法，道路DLG柵格過濾法，再次為最后是道路DLG中心線與上下文關(guān)系法。
從幾何特征分析，道路DLG中心線緩沖法與道路DLG中心線與分割對象相交法效果最佳。
表1 幾何特征比較
5 結(jié)束語
本文在已有道路面提取研究的基礎(chǔ)上，充分利用DLG的道路屬性作為空間約束條件，采用面向?qū)ο蠓诸惙椒ǎ瑢Ω叻直媛蔬b感影像進行了道路面提取方法研究，并對提出的4種方法獲得的道路面進行了定性和定量分析。提出的4種方法適用于不同的條件，受制于影像中道路與地物的區(qū)分度以及DLG數(shù)據(jù)的套合情況。在提取道路面信息時，研究者需要對影像進行分析(道路與周圍地物的區(qū)分)，檢查DLG數(shù)據(jù)與影像的套合情況，從而制定快速、有效的道路面提取方案。
參考文獻：
[1] 甘淑，張軍，張佩芳.瀾滄江流域山區(qū)土地覆蓋多級遙感分類方法研究[J].地理學報，1999，54(2)：133-138.
[2] 蒙吉軍，吳秀芹，李正國.黑河流域1988-2000年土地利用覆被變化研究[J].北京大學學報(自然科學版)，2004，40(6)：922-929.
[3] 宋春橋，游松財，柯靈紅，等.藏北高原地表覆蓋時空動態(tài)及其對氣候變化的響應[J].應用生態(tài)學報，2011，22(8)：2091-2097.
[4] HASAN Y M Y，KARAM L J.Morphological reversible contour representation[J].IEEE Transform on Pattern Analysis and Machine Intelligence，2000，22(3)：227-240.
[5] DONALD G，JEDYNAK B.An active testing model for tracking roads in satellite images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1996，18(1)：1-14.
[6] TON J，JAIN A K，ENSLIN W R，et al.Automatic road identification and labeling in landsat 4 TM images[J].Photogrammetric(PRS)，1989，43(2)：257-276.
[7] 汪閩，駱劍承，周成虎，等.結(jié)合高斯馬爾可夫隨機場紋理模型與支撐向量機在高分辨率遙感圖像上提取道路網(wǎng)[J].遙感學報，2005，9(3)：271-276.
[8] 朱曉鈴，鄔群勇.基于高分辨率遙感影像的城市道路提取方法研究[J].資源環(huán)境與工程，2009，23(3)：296-299.
[9] 葉勤，張小虎，王棟.一種基于區(qū)域生長與空間形狀約束的高分辨率遙感圖像道路提取方法[J].遙感信息，2010(2)：25-29.
[10] 顧丹丹，汪西莉.結(jié)合區(qū)域生長和GVF-Snake的遙感影像道路提取[J].計算機工程與應用，2010，46(31)：202-205.
[11] 胡張武.高分辨率遙感影像道路信息提取方法研究[J].測繪通報，2011(8)：13-16.
[12] 史文中，朱長青，王昱.從遙感影像提取道路特征的方法綜述與展望[J].測繪學報，2001，30(3)：258-262.
[13] 劉亞嵐，張勇，任玉環(huán)，等.汶川地震公路損毀遙感監(jiān)測評估與信息集成[J].遙感學報，2008，12(6)：933-941.
[14] 徐陽，李清泉，唐爐亮.基于道路網(wǎng)矢量數(shù)據(jù)的遙感影像道路損毀檢測[J].測繪通報，2011(4)：14-16，22.
[15] 楊旭艷，王旭紅，胡婷，等.典型地物特征提取的適宜尺度選擇[J].山地學報，2012，30(5)：607-615.
猜你喜歡
中醫(yī)特有的急救方法中老年保健(2021年9期)2021-08-24 03:52:04 高中數(shù)學教學改革的方法河北畫報(2021年2期)2021-05-25 02:07:46 化學反應多變幻 “虛擬”方法幫大忙中學生數(shù)理化(高中版.高考理化)(2020年2期)2020-04-21 05:33:04 變快的方法兒童繪本(2020年5期)2020-04-07 17:46:30 學習方法兒童故事畫報(2019年5期)2019-05-26 14:26:14 用對方法才能瘦Coco薇(2016年2期)2016-03-22 02:42:52 最有效的簡單方法山東青年(2016年1期)2016-02-28 14:25:23 四大方法 教你不再“坐以待病”！Coco薇(2015年1期)2015-08-13 02:47:34 賺錢方法小雪花·成長指南(2015年7期)2015-08-11 15:03:12 捕魚小雪花·成長指南(2015年4期)2015-05-19 14:47:56
劉飛，景耀全，趙麒麟，石江南
(四川省遙感信息測繪院，成都 610100)
1 引 言
地表覆蓋的空間分布情況直接影響著地球表面的物質(zhì)和能量循環(huán)過程，其時間變化也綜合地反映著人類活動和氣候變化對自然環(huán)境的影響，一直是自然地理研究的重點和熱點問題之一[1-3]。地表覆蓋作為地理國情監(jiān)測的重要組成部分，對其進行快速、高效地分類和提取成為了其中的研究重點。道路面作為基本的地理要素，是組成地表覆蓋的重要部分，許多學者對其進行了自動或半自動地提取研究。
YASSIN M Y等[4]提出道路邊緣檢測法；DONALD G等[5]提出的最小二乘B樣條曲線道路識別法是比較常用的方法；TON J等[6]從視覺理論出發(fā)，提出了一種平行道路檢測的方法；汪閩等[7]鑒于道路的同物異譜現(xiàn)象，提出利用馬爾可夫隨機場紋理模型與支持向量機分類相結(jié)合的道路提取方法；朱曉玲等[8]采用面向?qū)ο蟮姆诸惣夹g(shù)，利用影像的光譜特征、幾何特征和空間關(guān)系建立規(guī)則集進行城市道路提取；葉勤等[9]認為僅使用光譜信息或形態(tài)特征難以獲取滿意的道路提取結(jié)果，提出一種將區(qū)域生長與空間形狀約束相結(jié)合的方法；顧丹丹等[10]結(jié)合數(shù)學形態(tài)學的區(qū)域生長以及GVF-Snake追蹤對遙感影像進行了道路提取；胡張武[11]利用數(shù)學形態(tài)學和形狀指數(shù)去除道路信息提取過程中的噪聲；史文中等[12]在總結(jié)已有的道路提取方法基礎(chǔ)上，首次提出了利用GIS和地圖信息提取道路的設(shè)想；劉亞嵐等[13]利用衛(wèi)星和航空遙感數(shù)據(jù)及已有交通基礎(chǔ)數(shù)據(jù)庫，輔助提取公路損毀信息；徐陽等[14]通過融合地震前道路網(wǎng)矢量數(shù)據(jù)與地震后影像，提出一種基于自適應模板的道路損毀檢測方法。
DLG數(shù)據(jù)作為基礎(chǔ)測繪產(chǎn)品，包含了大量的地理信息，如線狀道路等。本文利用面向?qū)ο蟮姆诸惣夹g(shù)，將道路在高分辨率遙感影像上的光譜信息和形狀特征與線狀道路的空間約束相結(jié)合，探索了4種快速、高效地提取道路面的方法。
2 研究區(qū)道路概況及其數(shù)據(jù)
圖1 研究區(qū)影像與道路DLG數(shù)據(jù)
本研究選擇地理國情監(jiān)測的某試點區(qū)域，該區(qū)域內(nèi)大小道路縱橫，有光譜信息與路旁的房屋等地物容易混淆的路段，也有被樹木遮擋的路段。高分辨率遙感影像是通過幾何糾正和正射校正后的WorldView-2多光譜數(shù)據(jù)與全色影像融合得到的影像，包含藍、綠、紅和近紅外4個波段，影像清晰，無雨霧，成像時間為2012年5月17日，投影方式為2000國家大地坐標系。實驗所用的道路DLG數(shù)據(jù)來自于1∶1萬基礎(chǔ)地理信息數(shù)據(jù)，原始的道路DLG數(shù)據(jù)由于部分與遙感影像存在偏差、變更等情況，需要進行少量的預更新處理。本研究所用的道路DLG數(shù)據(jù)是根據(jù)WorldView-2遙感影像進行預更新以后得到的數(shù)據(jù)。在ArcGIS軟件中，通過少量預更新，道路DLG數(shù)據(jù)與影像套合良好。地理國情普查工作中，將大于3m且長度大于500m的公路、城市道路、鄉(xiāng)村道路統(tǒng)稱為道路面。所以，在道路DLG數(shù)據(jù)預更新時刪除了不合要求的路段，如圖1中的部分鄉(xiāng)間小路被刪去。
3 面向?qū)ο蟮牡缆访嫣崛》椒?/h2>
針對“影像對象”進行處理的面向?qū)ο笥跋裥畔⑻崛〖夹g(shù)，區(qū)別于面向像素的信息提取方式，處理的基本單元是通過多尺度分割生成的同質(zhì)目標。由于同質(zhì)目標并非同類目標，由此在道路自動提取中會錯分和漏分部分道路。文獻[8]對道路影像的基本特征進行了總結(jié)，采用面向?qū)ο蟮姆诸惣夹g(shù)建立規(guī)則集，進行了城市道路的提取。本文在已有面向?qū)ο蠓诸惣夹g(shù)與道路提取研究成果的基礎(chǔ)上，加入道路DLG數(shù)據(jù)作為空間約束條件，進行了面向?qū)ο蟮牡缆访嫣崛⊙芯俊?/p>
3.1 道路DLG中心線緩沖法
更新后的道路DLG數(shù)據(jù)是按照影像道路中心線進行采集的，對不同寬度的線狀道路建立緩沖區(qū)(ArcGIS軟件中buffer函數(shù))，得到不同寬度的道路面。將該道路面圖層直接作為專題圖信息參與面向?qū)ο笥跋穸喑叨确指睢７指畛叨葹?0，形狀指數(shù)0.3，緊致度0.6，通過道路專題圖信息中的屬性來提取出初始道路面(下文多尺度分割尺度和參數(shù)相同，不再贅述)。初始道路面中參雜有植被等噪聲信息，利用NDVI指數(shù)進行剔除，NDVI表達式為(NIR-RED)/(NIR+RED)。NDVI閾值大于0.2時能很好地剔除掉植被等噪聲信息。由此得到最終的道路面提取成果。
3.2 道路DLG柵格過濾法
對更新后的道路DLG數(shù)據(jù)，在ArcGIS和ENVI軟件中分別進行矢量柵格化與二值化處理，對有道路區(qū)域賦值為1，無道路區(qū)域為0。面向?qū)ο骵Congnition軟件提供了對象過濾的方法，通過對分割對象與道路二值化圖相交運算，二者相交所得面積占有分割對象不同大小比例，由所占面積比例對分割對象進行過濾，調(diào)整面積比例大小可以較好地提取出初始道路面。對初始道路面中的植被等噪聲信息進行剔除，方法同道路DLG中心線緩沖法中所用的NDVI方法。
3.3 道路DLG中心線與分割對象相交法
道路DLG數(shù)據(jù)中心線作為專題圖信息，不參與面向?qū)ο蠓指睿辉谔崛r，利用通過的斑塊便為道路的過濾思想，進行道路面提取。該思想類同于方法道路DLG中心線緩沖法，區(qū)別在于前文所述方法對道路穿過的斑塊進行了面積比例過濾，對相交所占比重較少或不相交的區(qū)域直接剔除，能對比重進行調(diào)整；而直接相交法，不能對面積比重進行調(diào)整，對通過了的斑塊便認為是道路面。由此，可以快速地提取出初始道路面。對初始道路面中的植被等噪聲信息進行剔除，方法同道路DLG中心線緩沖法中所用的NDVI方法。
3.4 道路DLG中心線與上下文關(guān)系法
圖2 道路DLG中心線緩沖法流程圖
圖3 道路DLG柵格過濾法流程圖
圖4 道路DLG中心線與分割對象相交法流程圖
圖5 道路DLG中心線與上下文關(guān)系法流程圖
對道路DLG數(shù)據(jù)進行中心線更新不準(未采集到道路的正中)或在未更新的前提下，可以借鑒面向?qū)ο笏枷耄梅指顚ο笈c道路DLG數(shù)據(jù)的距離以及光譜信息進行綜合提取道路面。線狀的道路DLG數(shù)據(jù)參與多尺度分割，并認為其是“一次提取道路”。一般的道路DLG都是滿足一定限差的數(shù)據(jù)，將此限差設(shè)置為“一次提取道路”離目標道路的距離范圍。在該范圍內(nèi)滿足道路光譜信息、幾何特征(長寬比等)以及邊界相接的斑塊對象可認為是道路面，最后通過少量手動修改一些和房屋或硬化地面混淆的地方，得到道路面數(shù)據(jù)。
4 道路面提取結(jié)果評價
4.1 道路面提取方法的優(yōu)缺點
在道路DLG數(shù)據(jù)采集到中心線時，方法道路DLG中心線緩沖法是最佳選擇，提取的道路邊界光滑整齊；但在采集中心線不準時，道路旁邊的地物會被錯分為道路面，且難于編寫規(guī)則區(qū)分。道路DLG柵格過濾法在道路DLG數(shù)據(jù)未采集到中心線時能發(fā)揮較好的作用，但操作較為繁瑣、復雜，且要求采集的中心線不能偏出道路邊界；若偏出道路邊界，會出現(xiàn)漏分和錯分道路面信息的情況，邊界外的地物對象被分類為道路面，而道路邊界內(nèi)的斑塊被漏分。道路DLG中心線與分割對象相交法原理簡單，在道路DLG采集在邊界范圍內(nèi)時分類效果較好，不在邊界內(nèi)時出現(xiàn)錯分現(xiàn)象，且在影像中道路邊界模糊或與周圍地物混淆嚴重時分類效果較差，主要原因是軟件不能自動分割出道路面斑塊；在道路中心線大于等于兩次進出分割對象時，道路面會被漏分，需要手動地進行修改。道路DLG中心線與上下文關(guān)系法在道路DLG數(shù)據(jù)偏出影像道路邊界時能較好地提取出道路面，充分利用了道路光譜和幾何特征信息。
除道路DLG中心線緩沖法以外，其他三種方法與影像中道路與周圍地物是否混淆在一起直接相關(guān)，若混淆較嚴重，則需要大量的人工干預編輯。由于道路被遮擋大多是由于植被覆蓋引起的，所以在剔除植被時僅利用NDVI指數(shù)便能有效地實現(xiàn)。若影像上道路與周圍地物區(qū)分明顯，利用多尺度分割能有效地分割出來，則利用后面三種方法均能很好地完成工作。
4.2 道路面提取結(jié)果分析
為比較幾種道路面提取方法的效果，以目視解譯后的道路信息為參考數(shù)據(jù)，分別從花費時間、視覺效果、幾何特征分析等方面進行比較。
(1)從花費時間方面分析。假設(shè)道路DLG數(shù)據(jù)采集到了中心線，所花時間多少為：道路DLG中心線與分割對象相交法<道路DLG中心線與上下文關(guān)系法<道路DLG中心線緩沖法<道路DLG柵格過濾法。若未采集到道路中心線，而未偏出道路邊界，那么所花時間多少為：道路DLG中心線與分割對象相交法<道路DLG中心線與上下文關(guān)系法<道路DLG柵格過濾法<道路DLG中心線緩沖法。若采集的道路中心線偏出道路邊界或未采集更新，那么所花時間多少為：道路DLG中心線與上下文關(guān)系法<道路DLG柵格過濾法<道路DLG中心線與分割對象相交法<道路DLG中心線緩沖法。
(2)從視覺效果來分析。圖6給出了4種道路面提取方法得到的道路面，由圖可看出道路DLG中心線緩沖法提取的道路邊界最光滑，而其余方法均有毛刺存在。總體來講，4種方法均能較好地提取出道路面。
圖6 4種方法提取的道路面
(3)幾何特征分析。從面積、周長、綜合形狀指數(shù)[15]進行對比分析。綜合形狀指數(shù)實質(zhì)是形狀系數(shù)與分維數(shù)之和，其表達式為：
(1)
其中，Q為綜合形狀指數(shù)，P為周長，S為面積。
由表1得出：道路DLG中心線緩沖法提取的道路面積與參考面積最相近，其次為道路DLG中心線與上下文關(guān)系法，再次為道路DLG柵格過濾法，最后是道路DLG中心線與上下文關(guān)系法；道路DLG中心線與分割對象相交法提取的道路周長與參考周長最相近，其次為道路DLG中心線緩沖法，再次為道路DLG柵格過濾法，最后是道路DLG中心線與上下文關(guān)系法；從綜合形狀指數(shù)來看，道路DLG中心線與分割對象相交法最接近參考指數(shù)，其次為道路DLG中心線緩沖法，道路DLG柵格過濾法，再次為最后是道路DLG中心線與上下文關(guān)系法。
從幾何特征分析，道路DLG中心線緩沖法與道路DLG中心線與分割對象相交法效果最佳。
表1 幾何特征比較
5 結(jié)束語
本文在已有道路面提取研究的基礎(chǔ)上，充分利用DLG的道路屬性作為空間約束條件，采用面向?qū)ο蠓诸惙椒ǎ瑢Ω叻直媛蔬b感影像進行了道路面提取方法研究，并對提出的4種方法獲得的道路面進行了定性和定量分析。提出的4種方法適用于不同的條件，受制于影像中道路與地物的區(qū)分度以及DLG數(shù)據(jù)的套合情況。在提取道路面信息時，研究者需要對影像進行分析(道路與周圍地物的區(qū)分)，檢查DLG數(shù)據(jù)與影像的套合情況，從而制定快速、有效的道路面提取方案。
參考文獻：
[1] 甘淑，張軍，張佩芳.瀾滄江流域山區(qū)土地覆蓋多級遙感分類方法研究[J].地理學報，1999，54(2)：133-138.
[2] 蒙吉軍，吳秀芹，李正國.黑河流域1988-2000年土地利用覆被變化研究[J].北京大學學報(自然科學版)，2004，40(6)：922-929.
[3] 宋春橋，游松財，柯靈紅，等.藏北高原地表覆蓋時空動態(tài)及其對氣候變化的響應[J].應用生態(tài)學報，2011，22(8)：2091-2097.
[4] HASAN Y M Y，KARAM L J.Morphological reversible contour representation[J].IEEE Transform on Pattern Analysis and Machine Intelligence，2000，22(3)：227-240.
[5] DONALD G，JEDYNAK B.An active testing model for tracking roads in satellite images[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1996，18(1)：1-14.
[6] TON J，JAIN A K，ENSLIN W R，et al.Automatic road identification and labeling in landsat 4 TM images[J].Photogrammetric(PRS)，1989，43(2)：257-276.
[7] 汪閩，駱劍承，周成虎，等.結(jié)合高斯馬爾可夫隨機場紋理模型與支撐向量機在高分辨率遙感圖像上提取道路網(wǎng)[J].遙感學報，2005，9(3)：271-276.
[8] 朱曉鈴，鄔群勇.基于高分辨率遙感影像的城市道路提取方法研究[J].資源環(huán)境與工程，2009，23(3)：296-299.
[9] 葉勤，張小虎，王棟.一種基于區(qū)域生長與空間形狀約束的高分辨率遙感圖像道路提取方法[J].遙感信息，2010(2)：25-29.
[10] 顧丹丹，汪西莉.結(jié)合區(qū)域生長和GVF-Snake的遙感影像道路提取[J].計算機工程與應用，2010，46(31)：202-205.
[11] 胡張武.高分辨率遙感影像道路信息提取方法研究[J].測繪通報，2011(8)：13-16.
[12] 史文中，朱長青，王昱.從遙感影像提取道路特征的方法綜述與展望[J].測繪學報，2001，30(3)：258-262.
[13] 劉亞嵐，張勇，任玉環(huán)，等.汶川地震公路損毀遙感監(jiān)測評估與信息集成[J].遙感學報，2008，12(6)：933-941.
[14] 徐陽，李清泉，唐爐亮.基于道路網(wǎng)矢量數(shù)據(jù)的遙感影像道路損毀檢測[J].測繪通報，2011(4)：14-16，22.
[15] 楊旭艷，王旭紅，胡婷，等.典型地物特征提取的適宜尺度選擇[J].山地學報，2012，30(5)：607-615.
猜你喜歡
中老年保健(2021年9期)2021-08-24 03:52:04
河北畫報(2021年2期)2021-05-25 02:07:46
中學生數(shù)理化(高中版.高考理化)(2020年2期)2020-04-21 05:33:04
兒童繪本(2020年5期)2020-04-07 17:46:30
兒童故事畫報(2019年5期)2019-05-26 14:26:14
Coco薇(2016年2期)2016-03-22 02:42:52
山東青年(2016年1期)2016-02-28 14:25:23
Coco薇(2015年1期)2015-08-13 02:47:34
小雪花·成長指南(2015年7期)2015-08-11 15:03:12
小雪花·成長指南(2015年4期)2015-05-19 14:47:56
