基于高分辨率遥感影像的车流信息提取

何晓飞，周丽琼，李建

(1.成都理工大学地球科学学院，四川成都 610059； 2.四川省地矿局区调队，四川成都 610213)

基于高分辨率遥感影像的车流信息提取

何晓飞1，2∗，周丽琼1，李建1

(1.成都理工大学地球科学学院，四川成都 610059； 2.四川省地矿局区调队，四川成都 610213)

阐述了QuickBird影像的特征及对图像中某些感兴趣信息提取的两种方法:监督分类和阈值法。分别采用ERADS软件和MATLAB软件来提取遥感影像的车流信息。以西南交大九里校区周围区域的QuickBird卫星图像作为研究对象进行研究，可以快速的了解该地区各路段的交通状况，每条道路的车流量估算，从而更好地管理交通，合理布局城市交通网络和建设城市交通。

高分辨率；遥感影像；车辆信息提取；遥感监督分类；阈值法

1 引 言

过去遥感工作者曾利用航空影像进行了一些车辆检测方面的研究。这些文献中，一般采用两种车辆模型:基于外观的隐式模型和显式模型。在0.6 m～1.0 m分辨率的卫星影像上，由于车辆细节信息太少，无法采用模型的方法进行车辆检测。因此，必须开发新的面向高分辨率遥感影像的车辆检测方法。目前，针对高分辨率遥感影像进行车辆检测的研究还很少，且主要针对车辆稀疏的道路，没有涉及停车场的车辆检测，检测率也不理想[1]。文献[2]中提出了模板匹配算法，但是这个方法也存在一些问题:当一个具体目标被检测时，这种匹配方法受到目标物体背景环境的影响，而且匹配度的确定也是一个问题。文献[1]中提出了一种基于形态共享权神经网络的车辆检测方法，该算法能通过形态变换自动确定候选车辆像素集，然后利用MSNN将其中的车辆像素检测出来，这种算法具有一定的可行性。文献[3]中提出利用遗传算法和模板匹配进行目标车辆定位，该算法选择了基于灰度的模板匹配算法作为研究对象，构建模板匹配的算法与遗传算法之间的适应度函数关系，试图利用遗传算法的自适应迭代和直接对参数对象进行操作的智能寻优搜寻特点，屏蔽掉模板匹配目标过程中对空间角度、缩放比例和强背景噪声等复杂参数的影响，取得精确的匹配效果。

本文以QuickBird卫星影像为基础通过使用ERDAS软件及MATLAB软件实现了影像从道路片段中提取车辆主要内容，实现了基于高分辨率遥感影像车流信息的提取。

2 图像预处理

2.1 图像区域选择与裁剪

本次试验采用2004年西南交通大学九里校区QuickBird全色影像如图1所示。

图1 原图

在此裁减了西南交大九里校区附近的一个二环路上的交叉路口为试验区域，以便突出十字路口的车辆信息。

图2 裁剪后图像

2.2 图像增强

在图像形成、传输或变换的过程中，由于受到其他客观因素诸如系统噪声、曝光不足或过量、相对运动等影响，获取图像往往会与原始图像之间产生部分差异(称为降质或退化)。退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误，因此必须对其采取一些方法进行改善。图像增强技术正是在此意义上提出的，目的就是为了改善图像的质量。由于本文所选取图像为全色的QuickBird影像，这里只进行空间增强和辐射增强，如图3所示。

图3 降噪后图像

3 车流信息提取

3.1 监督分类

监督分类，又称训练分类法，即用被确认类别的样本像元去识别其他未知类别像元的过程。在监督分类中，分析者在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练样区的统计或其他信息，每个像元和训练样本作比较，按照不同规则将其划分到和其最相似的样本类。

监督分类的优点在于可根据应用目的和区域，有选择地决定分类类别，可以控制训练样本的选择，能避免由于训练样本分类不精确导致的严重错误，但是这种分类方法中分类系统的确定、训练样本的选择，人为主观因素较强，并不能真正体现图像的真实情形，此外训练样本的选择和评估要花费较多的人力和精力。

3.2 阈值法图像分割的实现

图像阈值化分割是一种最常用，同时也是最简单的图像分割方法，它特别适用于目标和背景占据不同灰度级范围的图像[4]。由Otsu[5]于1978年提出的最大类间方差法以其计算简单、稳定有效，一直广为使用。其基本思想是将直方图在某一阈值处分割成两组，当被分成的两组的方差为最大时，得到阈值。因为方差是灰度分布均匀性的一种量度，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景分为目标都会导致两部分差别变小，因此使用类间方差最大的分割意味着错分概率最小[6]。

3.3 实验结果

鉴于道路片段提取车辆信息具有局部性和高精度性，所以选择道路片段进行车辆提取，从图2截取两小段影像道路片断。道路片断1和道路片断2，如图4、图5。图6分别为用监督分类法和阈值法进行车辆信息提取的结果。

图4 道路片断1

图5 道路片断2

通过识别结果来看，效果非常好，道路旁的树木没有出现，提取出了道路上的全部车辆。实验中也提取一些非车辆信息例如斑马线，但由于本文研究的是提取车流信息所以对整个实验并没有产生影响。实验结果数据分析如表1所示。

表1

4 结 语

利用高分辨率遥感影像对车辆信息进行提取，加之高分辨率遥感图像的时效性强和宏观的特点，可以快速了解各个路段的交通状况，每条道路的车流量估算，以便更好地管理交通，合理布局城市交通网络和建设城市交通。研究结果表明，使用遥感监督分类和MATLAB阈值法对道路片断提取车流信息效果很好，能够提取出车辆的大致外形，清晰易辨，但有其他地物的干扰，使识别效果降低。

[1] 戚浩平，王炜，田庆久.高空间分辨率卫星遥感数据在城市交通规划中的应用研究.公路交通科技，2004，21(6)

[2] 戚浩平，蔡先华，王炜.利用高空间分辨率卫星遥感数据制作影像交通图.公路交通科技，2005，22(11):152～155

[3] 余勇，郑宏.基于形态神经网络的高分辨率卫星影像车辆检测.哈尔滨工程大学学报，2006，27:189～193

[4] 王新成.高级图像处理技术.中国科学技术出版社，2000

[5] Otsu N.A threshold selection method from grey－level histograms[J].IEEE Trans System.Man Cybernet，1979，SMC－9:62～66

[6] 章毓晋.图像分割[M].北京:科学出版社，2001

Based on the high Resolution of Remote Sensing Image Traffic Information Extraction

He XiaoFei1，2，Zhou LiQiong1，Li Jian1
(1.College of Earth Sciences，Chengdu University of Technology，Chengdu 610059，China；2.Regional Geological Surveying Team，BGEEMRSP，Chengdu 610213，China)

The characteristics of the QuickBird video and two methods for some information extraction from the image are reported in this paper.The methods are supervised classification and threshold.With ERADS and MATLAB software authors have extracted traffic information from remote sensing image.The QUICKBIRD satellite images of Jiuli campus of Southwest jiaotong university are studied.The information on traffic of this area and estimation of traffic flow are quickly get.Based on the information government can control traffic，arrangement traffic network and build the urban transportation more efficiently.

high resolution；Remote sensing image；Traffic information extraction；Remote supervision；threshold method

1672－8262(2010)03－49－03

P231.1

B

2010—10—20

何晓飞(1978—)，男，硕士研究生，工程师，研究方向生态地理信息系统。