一種高分辨率遙感影像道路提取方法

趙煥新

摘要：總結了道路提取常用的形狀指數，提出一種新的長寬比指數，采用該長寬比和面積指數結合光譜特征從高分辨率遙感影像中提取道路。實驗證明采用新的長寬比指數能有效的將線狀道路與面狀房屋區分開來。

關鍵字：高分辨率；遙感影像；道路提取

中圖分類號：G642.4 文獻標志碼：A 文章編號：1674-9324（2016）17-0199-02

近年來，很多學者致力于利用道路的形狀特征和光譜特征相結合來提取道路。不同學者提出不同的形狀特征，總結如下：

緊實度：P為區域周長，Π為圓周率。

長寬比：區域的最小外接矩形的長寬比。

矩形度：也有學者稱之為充滿度。F=S為區域面積，為最小外接矩形面積。

形狀復雜性E：E=L為連通區域周長，S為區域面積。

周長：影像對象邊界的總長為像素長度。

面積：道路通常是一段一段相互連接的網狀結構，面積不會太小，利用此特征可濾除面積較小的干擾物體，節省后續計算時間。

形狀指數：C是區域周長，A為區域面積。

密度：其中協方差矩陣S。

不對稱性：m、n分別表示外接橢圓長軸和短軸的長度。

狹長度：其中與表示的最大值和最小值。f（I，j），θ∈0，Π）其中N和M分別是圖像的行列號上限。

極慣性矩：平面面積對垂直于該平面的軸線之慣性矩稱為極慣性矩。

一、傳統的長寬比指數存在不足

在圖1中左邊矩形的區域與右邊線型道路擁有同樣大小的外接矩形，利用上述長寬比無法區分兩者。苗則朗等對長寬比進行了改進，改進后的長度為圖形外接矩形的對角線L，寬度W為n/L，其中n為圖形像素個數。后者相對前者是有所改進，但有些情況仍然存在不足，如遇到錯綜復雜的道路，如圖2中，其外接矩形的對角線長度遠小于道路真實長度，如此造成計算得到的長寬比偏小。

二、改進長寬比指數并結合面積參數從高分辨率遙感影像中提取道路

如圖3所示，在一連通區域內選擇一像素點o，作若干條經過o點的直線，這些直線要均勻的分布在不同方向上，直線與連通區域的交線分別為ab、cd、ef、gh、mn……比較各線段的長度，取最短的線段長度作為該連通區域的寬度W，該聯通區域的長度L=S/W，其中S代表該區域的面積。在該過程中，所作直線條數越多，所求的寬度越接近于區域寬度，但同時會增大計算量，減慢計算速度，此外每條直線可能會遇到區域中有孔洞的地方，導致計算的寬度偏小。考慮到以上兩個因素，本次實驗中對每個連通區域選擇通過四個不同的像素點分別作若干條直線，本文中所作直線分別為東西、南北、西北-東南、東北-西南方向的四條直線，首先計算通過每個點的四條直線與聯通區域的交線，取其中的最短距離d1，d2，d3，d4，然后取d1，d2，d3，d4中的最大值作為該區域的寬度。

（一）提取道路的流程

1.統計圖像道路像素RGB值，初步選擇道路。本文在道路上均勻選取40個像素點，統計他們的RGB值范圍為932.從圖5中可以看到每個連通區域有很多小孔，為減少對獲取連通區域寬度的影響，對圖2進行先膨脹后腐蝕的操作，減少孔洞的數量，然后根據前述的長寬比定義獲取每個連通區域的長寬比，消除長寬比小于閾值的連通區域，此次實驗所取閾值為10。得到圖6，從圖中可以看到大部分零星地物已被消除，右下角矩形建筑也被消除。

3.濾除面積較小的地物。從圖6可以看到道路上端有一小片非道路區域與道路相連，本文采用腐蝕算法將兩者分開，采用的結構元素為0 1 01 1 10 1 0。經3次腐蝕后的圖像如圖7。

由于腐蝕的作用使得道路變窄，中間的孔洞也變大，因此濾除小面積地物后再采用矩陣B對圖像進行3次膨脹處理，最終得到的主干道路圖像如圖8。

（二）結論與不足

結論：本文提出一種新的長寬比的定義，并利用該定義結合面積參數成功從高分辨率遙感影像提取主干道路。

不足：連通區域里的孔洞會影響長寬比的獲取。

參考文獻：

[1]羅慶洲，尹球，匡定波.光譜與形狀特征相結合的道路提取方法研究[J].遙感技術與應用，2007，22（2）：339-344.

[2]李曉峰，張樹清，韓富偉.基于多重信息融合的高分辨率遙感影像道路信息提取[J].測繪學報，2008，37（2）：178-184.

[3]雷小奇，王衛星，賴均.一種基于形狀特征進行高分辨率遙感影像道路提取方法[J].測繪學報，2009，38（5）：457-465.

[4]申真.基于面向對象的高分辨率遙感影像道路提取研究[D].贛州：江西理工大學，2012.

[5]苗則朗，史文中，張華.一種高分辨率影像道路中心線提取算法[J].中國礦業大學學報，2013，42（5）：887.