城市道路自动提取

高空间分辨率影像城市道路信息自动提取

为了更好的对城市规划和各个探测领域提供更准确的道路信息,城市道路信息的提取成为显而易见的问题,怎么样才能提高城市道路信息提取的效率呢,这里主要研究采用半自动和自动化的高空间分辨率影像城市道路信息提取。

高空间分辨率遥感影像以其丰富的纹理等细节信息, 降低了目视解译难度的同时, 却提高了计算机处理的复杂性高空间分辫率遥感影像道路信息的提取, 尤其是城市道路信息的自动提取, 存在着许多困难本文通过面向对象的影像分割、道路信息与背景信息的闺值分离、道路骨架提取、霍夫变换提纯并矢量化等技术, 实现了高空间分辫率遥感影像城市道路信息的自动提取与识别。

城市道路包括市区各类道路, 包括全市性干道、高速公路、工业区道路和居住区道路, 而不包括广场和停车场用地以及街坊小区内部道路道路的位置、宽度等信息, 是城市地理信息系统中的重要信息, 而通过目视判读和手工勾绘方式费时费力, 因此采用人工智能方式利用计算机自动提取道路信息成为一个主要的发展方向。

随着遥感技术的发展, 特别是高分辨率遥感影像的出现, 遥感卫星影像作为数据源在测图和空间数据库更新中得到了越来越广泛的应用高空间分辨率遥感影像以其丰富的纹理等细节信息, 降低了目视解译难度的同时, 却提高了计算机处理的复杂性高空间分辨率遥感影像道路信息的提取, 尤其是城市道路信息的自动提取, 存在着许多困难现阶段, 高分辨率遥感影像城市道路提取方法尚不成熟, 本文针对这一问题进行了有益的探索。

道路特征自动提取, 包括道路特征的自动识别和几何特征的自动定位, 已发展出各种各样的提取方法, 其基本思路大致是将影像道路的提取分解成四个步骤道路影像的特征增强道路种子点的确定将种子点扩展成线段将线段确认并连接成道路网目前已经能够做到把道路影像从其他地物影像中分割出来甚至能区分道路类型已有的道路提取算法大多都针对不同的影像类别, 即航空影像或卫星遥感影像, 不同的比例尺影像分辨率, 不同区域的影像如城区、乡村或郊区和不同的道路类型, 如乡村路、街道、高速公路、高等级公路等。

主要包括以下几类基于平行线对的道路提取基于二值化和知识的道路提取基于窗口模型特征的道路提取方法近年来的发展趋向于在道路提取中解决特定问题或对某一步骤的方法改进, 并且, 高分辨率米级及以下影像的道路提取以其特有的信息与噪音均丰富而越来越受到关注在高分辨率影像中, 道路被模型化为伸长、延续和近于等宽的区域。

高分辨率遥感影像的结构、形状、纹理和细节等信息异常丰富, 一方面为米级甚至以下的尺度地物信息的提取提供了可能, 另一方面过度的高频信息也对地物类型的识别带来干扰, 使得地物信息更加破碎, 噪音影响更加明显在城市高分辨率遥感影像上,道路常常与同样具有良好线形形状的建筑物信息混合在一起, 使得计算机视觉领域的边缘提取算法无法准确分辨出道路位置信息同时道路上的车辆、建筑物的阴影、天桥等信息为道路信息的噪音, 增加了城市道路信息的提取难度。

面向对象分类是近年来高空间分辨率影像分类的一种有效解决方案面向对象分类法是指首先通过对影像分割, 得到同质像元组成的大小不同的影像对象由于影像对象内部的光

谱差异很小, 因此可以对影像对象忽略其纹理等空间信息, 而从形状和光谱方面来进行描述这样可以同时利用对象的空间特征和光谱特征来进行分类在一些商业软件中已经对其算法进行了一定程度的实现

通过面向对象的影像分割方法, 可以粗略地分为道路和背景两部分但是这一步提取出的道路包含了道路信息与建筑物阴影、建筑物等噪声根据粗提取的结果, 可以确定道路信息的大致范围, 为道路信息的提纯打下基础。

在影像分割后提取的矢量多边形, 包含着道路信息, 但也混杂着大量的噪音信息,如建筑物、建筑的阴影等提取影像分割后的矢量多边形的面积信息图, 我们可以发现, 由于道路具有较好的连通性, 包含着道路信息的多边形的面积通常较一般的包含着建筑物和建筑阴影信息的矢量多边形的面积要大因此, 我们只要选取合适的阂值,即可进一步将道路信息和背景信息分离。

为了更好地确定矢量多边形面积的阂值, 我们可以通过直方图角度来进一步分离道路信息和背景根据直方图进行阂值分割的方法主要有一分位数法、迭代法、直方图凸面法、最大类间方差法、信息墒法、最小误差阑值法、矩量保持法和模糊集方法等。

经过影像分割和阂值分离后的道路信息仍然存在着毛刺、断点和空洞等问题, 需要经过骨架提取和矢量化等手段进一步优化通过数字图像处理过程中的形态学方法口月, 可以填补道路栅格的空洞问题, 本文采用开运算即先腐蚀再膨胀的运算进行图像的形态学处理腐蚀通过减小对象的尺寸消除毛刺和去除噪声膨胀通过增大对象的尺寸可以填充空洞和断开区域采用开运算方法最重要的是结构元素的选择由于道路栅格中的毛刺主要是路旁建筑物阴影信息的遗留, 空洞主要是道路上的汽车和斑马线导致无论是毛刺还是空洞, 在形态上都表现为近似矩形此外, 道路还表现出纵横交错, 所以, 开运算中结构元素选取也选取为矩形, 其大小则与上述图像阂值分离的阂值呈正相关经过开运算这种形态学处理后,可得到无空洞和较少毛刺的道路栅格通过利用原图像减去与指定结构元素的击中不击中变化的图像细化过程, 得到单像素宽度的细化栅格图。

由于高分辨遥感影像城市道路信息的自动提取算法仍非常不成熟, 因此本算法距离实际领域的应用仍然有相当长的距离每一个技术细节仍需要在实践中不断深化和研究, 例如, 在阴影占据绝大部分道路时, 其造成的道路断裂已不是后期的霍夫变换所能解决的, 可以尝试在提取之前先进行阴影检测和阴影恢复另外, 由于所提取的结果为道路骨干, 而没有作为真值标准的道路中心线, 尚缺乏较好的定量评价本文只是深入探索过程中的一次尝试, 但不失为现阶段高分辨率遥感影像城市道路自动提取的一种有效算法。