一種遙感圖像建筑物直線特征提取算法

朱添翼，范 強，杜漫飛

(遼寧工程技術大學測繪與地理科學學院，遼寧 阜新 123000)

?

一種遙感圖像建筑物直線特征提取算法

朱添翼，范 強，杜漫飛

(遼寧工程技術大學測繪與地理科學學院，遼寧 阜新 123000)

隨著遙感技術的不斷發展，高效、快速的遙感影像處理成為人們不斷研究的熱點。作為內業處理的基礎，人們對影像直線特征提取的重視不斷加強。本次試驗采用遼寧科技大學1∶2000正射影像圖，針對教學區內建筑物、綠化區和道路混合的特點，提出了一種自動識別并高效提取建筑物直線特征的算法。該算法將直線擬合和Hough變換進行結合，加入角度先驗方法。試驗結果表明：該算法的直線提取性能優于傳統Hough變換，能很好地適應教學區域，對建筑物的識別能力、直線提取效率及精度有很大的提高。

Hough變換；直線擬合；教學區域；建筑物；直線提取

遙感技術的增強使得航測和遙感衛星提供的影像快速增多，空間、光譜與時間分辨率不斷提高，為測繪學科提供了豐富的基礎信息數據源。建筑物的特征識別和提取是遙感影像處理的基礎之一，在目標跟蹤[1]、圖像處理[2]和目標辨識[3]等領域都具有重要意義。如何高效地利用遙感影像進行建筑物特征提取，已成為國內外遙感領域研究的熱點。

直線作為遙感影像的基礎特征之一，對其進行識別可反映影像的大量高層信息。對建筑物進行識別、提取和三維重建時，直線是其最重要、最穩定的特征。直線提取效果直接影響后續工作的準確性。對于直線提取，人們提出了許多算法：如Hough變換及其改進方法、相位編組法、鏈碼法、最小特征根分析法和主元分析法(PCA)[4-8]等。其中，Hough變換及其改進方法是提出較早、最常用且應用最為廣泛的算法，與其他4種方法相比，其抗噪能力強，直線識別能力強；但在復雜地形下，如教學區域，由于道路和綠化區的影響，應用Hough變換將會把大量密集且不屬于同一直線上的短直線誤識別成同一條直線，從而產生錯誤。

本文針對Hough變換缺點，研究并提出一種新算法。該方法通過對Hough變換進行改進，加入直線擬合[9]和角度先驗方法[10]，解決了Hough變換生成大量短直線和弧線的問題，并使其對教學區域內建筑物的識別能力和提取效率得到了很大的提高。

1 直線提取基本原理

1.1 提取流程

試驗先對影像進行預處理(如灰度化等)，建立降噪濾波模型降噪；接著對處理結果進行初步直線檢測和直線擬合，并提取建筑物所在最小矩形范圍；最后對提取區域使用改進后的Hough變換進行直線提取并輸出結果。提取流程如圖1所示。

圖1 提取流程

1.2 去噪模型

由于影像獲取流程中外界條件和相機本身傳感器限制的影響，每張遙感影像圖都會存在噪聲。噪聲的存在將對影像特征提取產生很大的影響，去噪是遙感影像處理不可或缺的步驟。本次試驗采用高斯濾波模型[11-12]，其濾波函數如下

(1)

式中，σ為方差，也可稱其為模型的平滑尺度，它決定了高斯函數的寬度。σ過大會造成影像細節模糊和圖像輪廓變形等問題，經多次試驗發現，式(1)中取σ=0.1并建立5×5的高斯去噪聲模型對試驗影像的噪聲去除效果最佳。

1.3 邊緣檢測與直線提取

邊緣檢測：直線特征提取前應對影像進行邊緣檢測，邊緣檢測的效果直接影響后續直線提取的結果。由于Canny算子擁有較好的檢測精度和高信噪比[13]，挑選其作為邊緣檢測算法加入試驗。

直線提取：即Hough變換，其原理是利用圖像空間和Hough參數空間的點線對偶性，把圖像空間中的點線關系轉換到參數空間中，將邊緣提取結果中有一定關系的像元進行累加，設置直線判斷閾值，超過閾值則判斷為一條直線并輸出[14-16]。

Hough變換公式如下

ρ=xcosθ+ysinθ0≤θ<π

(2)

式中，ρ為原點到直線交點的距離；θ為垂直于圖像中直線的角度。

Hough變換原理如圖2所示。

圖2 Hough變換原理

2 建筑物直線提取算法

本文結合直線擬合和角度先驗思路對傳統Hough變換算法進行改進，提高了其建筑物的識別能力和效率。算法步驟如下：

(1) 影像輸入與預處理，使用5×5的高斯去噪聲模型去噪，使用canny算子檢測邊緣信息(檢測結果包含不需要的道路和綠化區信息)。

(2) 對邊緣信息通過角度θ和距離ρ進行直線判斷，并對每條短直線構造直線函數y=kix+bi。

(3) 以每條直線l0為基礎，搜尋其余直線，設置條件k0×ki=1，保存滿足條件的直線。若存在兩條或兩條以上與l0垂直的直線，且存在非l0的直線與剩下的直線相垂直，則提取4個相交端點并存儲。

(4) 通過對比四點矩形區域的面積，最大矩形區域即需要保留的建筑物區域。劃分區域并通過4個邊界點由公式α=arctan[(y1-y2)/(x1-x2)]計算建筑區的兩個方位角α1和α2(α1<α2)，即后續Hough變換的角度先驗值。

(5) 以劃分區域圖上灰度值為255的點為中心、α1和α2為搜索方向進行同類點搜尋，設置閾值為70，保留大于閾值的直線并提取。

(6) 以提取結果圖上灰度值為255的點為中心，沿著角度α1和α2方向進行同類點搜索，設置α1方向的閾值為40，設置α2方向的閾值為20，保留滿足閾值的起始點，刪除已搜索過的中心點。

(7) 連接起始點，輸出直線提取結果。

3 成圖分析

為了更加直觀地判斷方法之間的優劣，本文運用MATLAB軟件對提取結果進行圖形建立，并與原影像圖進行對比。對比結果如圖3—圖5所示。

圖3 原影像圖

圖4 傳統Hough變換提取

通過對圖3—圖5的對比分析可以得出，傳統Hough變換對試驗區域內建筑物的識別能力很差，提取出大量斷裂的短直線和弧線，整體效果較差。本文算法排除了周邊道路和綠化區域，對建筑物有很強的識別能力，由于加入了直線擬合和角度先驗值，有效地抗拒了建筑物周邊和內部的陰影與綠化噪聲，較好地提取了建筑物的基本骨架線，線與線之間交點明顯，提取效果較好。

圖5 本文算法提取圖

4 精度檢驗

通過算法識別的測區建筑物輪廓線，南北走向提取較為完整，東西走向出現多處漏線現象。對于提取直線精度，通過圖上量取和實地丈量對相應的建筑物10條外圍輪廓線進行對比檢查，見表1。

表1 直線精度對比 m

通過表1可以得出，10條提取直線的檢查結果最大誤差為0.488 m，最小誤差為0.137 m，平均誤差為0.295 m。按最大誤差，滿足1∶5000地形圖的線長精度要求；按平均誤差，滿足1∶2000地形圖線長精度要求。

5 結 論

本文主要進行了Hough變換、直線擬合與角度先驗、成圖分析和精度檢驗的研究與分析，得到如下結論：

(1) 直線擬合的加入，有效地識別了建筑物區域，對周邊綠化、道路有很強的抗性。

(2) 角度先驗方法的加入使得建筑物提取線更接近基本骨架線，有效地解決了建筑區域內綠化和陰影噪聲的影響。

(3) 保留直線起始點的方法，使得提取的直線間連接點明顯，為后續的影像匹配及目標跟蹤等圖像處理步驟提供了很大的便捷。

(4) 提取精度較高，按最大誤差，可達到1∶5000地形圖的線長精度要求；按平均誤差，可達到1∶2000地形圖的線長精度要求。

該算法仍存在較多改進之處，如對建筑物上較小矩形提取效果不佳，在建筑物上的南北走向線提取較完整，東西走向線中出現多處漏線等現象。

[1] 張建偉，張啟衡.基于直線邊緣特征匹配的擴展目標跟蹤方法[J].光學學報, 2009, 29(10):2826-2831.

[2] 孫顯，王宏琦，張正，等.基于遙感圖像的城市道路自動測繪方法研究[J].光學學報, 2009, 29(1):86-92.

[3] WU Wenyu，YIN Dong，ZHANG Rong，et al.Bridge Recognition of Median-resolution SAR Images Using Pun Histogram Entropy[J].Chin. Opt. Lett., 2009, 7(7):572-575.

[4] 王競雪，朱慶，王偉璽，等.結合邊緣編組的Hough變換直線提取[J].遙感學報, 2014, 18(10):378-389.

[5] 袁廣林，薛模根，李從利，等.基于相位編組圖像分塊的快速變換直線檢測[J].計算機測量與控制, 2005, 13(7):647-649.

[6] 潘大夫，汪渤.基于邊緣方向的直線提取算法[J].北京理工大學學報, 2008, 28(6):513-516.

[7] GURU D S，SHEKAR B H，NAGABHUSHAN P.A Simple and Robustline Detection Algorithm Based on Small Eigenvalue Analysis[J].Pattern Recognition Lett., 2004, 25(1):1-13.

[8] 馬克，阿爾貝托.特征提取與圖像處理[M].2版.石英，楊高波，譯.北京：電子工業出版社，2010:313-324.

[9] 李增兵，張曉帆，李瑞華，等.直線擬合快速實現的一種新算法[J].計算機測量與控制, 2006, 11(32):1524-1525.

[10] 郭靜鈺, 齊宏亮, 袁媛，等.先驗圖像約束的有限角度CT圖像重建算法[J].核電子學與探測技術, 2014,12(3):1421-1424.

[11] 戴激光，宋偉東，李建軍.一種有效的直線提取算法[J].測繪通報, 2012(11):59-61.

[12] 王耀貴.圖像高斯平滑濾波分析[J].計算機與信息技術, 2008,8(30):79-81.

[13] 王植, 賀賽先.一種基于Canny理論的自適應邊緣檢測方法[J].中國圖象圖形學報, 2004,8(11):65-70.

[14] 劉春閣.基于自適應中值濾波和改進變換的直線提取[J].測繪科學, 2011, 36(6):267-269.

[15] 巫兆聰, 萬茜婷, 梁靜，等.粒度Hough變換及其在遙感影像直線檢測中的應用[J].武漢大學學報(信息科學版), 2007, 10(4):860-863.

[16] 李明磊, 李廣云, 王力，等.3D Hough Transform在激光點云特征提取中的應用[J].測繪通報, 2015(2):29-33.

A Linear Feature Extraction Algorithm for Buildings in Remote Sensing Images

ZHU Tianyi，FAN Qiang，DU Manfei

(School of Mapping and Geographical Science， Liaoning Technical University， Fuxin 123000， China)

With the continuous development of remote sensing technology, efficient and fast remote sensing image processing has become a hot research topic. As the basis of internal processing, people pay more and more attention to the feature extraction. Using the 1∶2000 orthophoto map of the university of science and technology of Liaoning according to the teaching area, building area and road greening characteristics mixed, this experiment puts forward a kind of automatic recognition and extraction of building linear feature algorithm. The algorithm combines straight line fitting and Hough transform, and adds a priori method. The experimental results show that the algorithm is superior to the traditional Hough transform in line extraction, and it can well adapt to the teaching area, and has a great improvement in the recognition ability and the linear extraction efficiency of the building.

Hough transform; linear fitting; teaching area; building; straight line extraction

2016-11-03

朱添翼(1992—)，男，碩士生，研究方向為影像信息提取理論與方法。E-mail：494765448@qq.com

P237

A

0494-0911(2017)06-0036-04