基于高分辨率遙感影像的道路網信息提取研究現狀

顧紅軍

（中材地質工程勘查研究院有限公司，北京 100102）

1 引言

隨著遙感技術快速發展，一個多層次、多角度、全天候、多分辨率互補的全球對地觀測系統正在逐步形成并趨于完善[1]。現如今，我們可以獲得分米、厘米級的遙感影像，獲取影像的周期也在不斷地縮短，影像時效性增強，影像包含的信息越來越豐富，物體的細節信息也更突出。遙感影像地物信息提取原理主要是根據影像地物的光譜特征差異分析，利用單波段閾值法、多波段譜間關系法和指數模型法等構建光譜矢量曲線和遙感信息模型[2]。道路矢量網絡作為地理信息中重要的樞紐是構建數字城市、建設地理空間框架、提升地理信息公共服務水平的重要地理要素，且與交通、水利、城市規劃、電力、應急響應、能源等各行各業的建設密切相關。所以道路的識別與提取研究一直是近二十年來遙感領域的重要研究課題。道路網信息提取的效果與遙感影像的分辨率密切相關，如果要獲得大比例尺的地圖，通常要求使用更高分辨率遙感影像，其分辨率應達到1米或亞米級別。高分辨率遙感影像使現實道路在影像中的成像更加清晰，道路上的分道線、車道線等標記線都可以得到較清晰的展現。高分辨率遙感影像中的道路按規模可概括為兩類：一類是主要道路，即主干道，特點是路面上有許多條相互平行的直線；另一類是一般道路，主要指鄉村道路和城市中的小街道。

2 高分辨率遙感影像中道路的基本特征

高分辨率遙感影像中道路的特征主要有以下3種[3]。

(1) 幾何特征。道路具有一定的寬度和長度，形狀為一個長而窄的矩形或條帶形，道路具有一定的長度，具有明顯的方向性，其指向不會突然變化，具有緩慢的坡度變化。

(2) 輻射特征。道路區域內部灰度較為均勻，梯度較小；道路與其相鄰區域灰度有一定差異；受道路兩側的樹木、房屋的陰影、路面上的汽車等物體遮擋，道路在影像上有斷續的情況。

(3) 拓撲特征。道路不會獨立存在，道路之間通常相互連接成網絡。每一條路段的兩端有兩種情況：一種是與另一道路段相交，另一種是延伸到圖像的邊界外。

3 道路網信息提取方法

基于高分辨率遙感影像的道路網信息提取，國內外學者都給出了很多可行思路和有效的方法。大致可以分為兩類：一類是半自動提取道路信息；另一類是全自動提取道路信息。

3.1 半自動提取道路信息

半自動道路提取是利用人機交互的方式進行，其思路是人工提供道路的初始點和道路方向，然后讓計算機按照一定規則進行提取，期間還夾雜著人機交互，保證識別的準確性。

Huang等[4]、汪閩等[5]利用支持向量機(Support Vector Machine， SVM)從影像中分類道路區域并提取道路中心線，并且將SVM結合馬爾科夫隨機場模型用于高分辨率遙感影像的分類。Sukhendu等[6]利用道路與周圍地物的光譜對比以及局部線狀特征，設計一種多級框架提取多光譜遙感影像的道路，首先利用概率支持向量機訓練四組道路樣本以探測局部線基元作為候選道路軌跡，再利用一系列加工模塊去除錯誤虛警。Shi等[7]提出一種直線基元匹配方法，用于提取城市環境中的路網。該方法結合影像中道路特征(道路為條帶狀或狹長的矩形)，利用直線基元匹配法提取粗糙的道路網絡，以此為基礎利用道路網絡知識及數學形態學方法提取最終道路網。結合像元級和對象級道路提取各自的優勢，提出了一種基于像元—多尺度對象的高分辨率遙感影像道路中心線提取方法，較好地改善了基于像元級道路提取易出現的“椒鹽噪聲”與面向對象提取易產生的粘連的情況[8]。程承旗等[9]提出一種半自動提取道路的方法，設計一個高通濾波器和統計濾波器，完成道路信息的檢測與識別，其中高通濾波突出地物的線性特征，統計濾波則用來消除高通濾波后產生的噪音，最后進行矢量化跟蹤，完成提取道路信息。

3.2 全自動提取道路信息

全自動道路提取的方法是利用道路在影像中的特征，使用計算機全自動從影像中提取出道路信息。

Ali等[10]提出一種自動提取道路網的算法，首先對遙感影像進行灰值化、二值化操作，去掉背景像素，然后進行中值濾波消除隨機噪聲，最后通過數學形態學的方法，進行道路段的連接，填補空洞，得到面狀道路后再使用擊中擊不中變換細化道路網。這種方法步驟簡單、效率高，不足之處是道路提取的位置不夠準確。Barzohar等[11]提出一種基于幾何統計模型的自動道路網提取方法，根據道路應遵循的條件建立幾何統計模型，然后利用最大后驗概率準則估測出道路。這種方法適合一般道路，不適合路面灰度分布不均勻的主要道路。首先基于概率增進樹算法獲取候選點，并經過形態學運算獲得平滑和完整的道路條帶，最后利用細化運算得到道路中心線。周紹光等[12]，Poullis[13]提出一種Tensor-Cuts算法，將張量編碼的優勢、Gabor變換特征提取、圖割優化算法相結合進行道路中線跟蹤提取道路網。

4 總結

高分辨率遙感影像技術的不斷發展，使獲取的遙感影像信息越來越豐富，從高分辨率遙感影像中提取道路信息成為目前比較熱門的研究內容。已有的方法大多針對某種類型的道路，難以完全自動的提取道路網信息，不能滿足實際應用的需要。隨著社會信息化發展的需要，快速、準確獲取道路網信息的重要性日益凸顯。因此利用多種方法集成全自動提取道路網信息也必將得到重視。