遥感影像道路提取现状与展望

胥 亚，杜为财，袁立伟，叶荣生

(73603部队，江苏南京210049)

一、研究背景及意义

1．概 述

随着空间遥感技术的发展，人们已可以获取大量的遥感影像。目前，空间遥感技术已经呈现出多平台、多传感器、多角度、高空间分辨率、高光谱分辨率、高辐射分辨率及高时相分辨率的特点。相比而言，数据应用却远远滞后于数据获取。影像处理分析技术、空间数据库的建立、数据挖掘和共享技术尽管在不断获得进展，仍不能满足现实需求。武汉大学李德仁院士指出，未来遥感数据来源将有所保证，重要的是全力推动数据的应用。如何从遥感影像上快速、高效地提取地理信息一直是遥感数据处理及GIS数据获取的研究热点，而道路属性信息的获取则是其中的重要部分。由于道路是非常重要的基础地理信息之一，它的识别和精确定位对于遥感测绘中的数据获取、影像理解、地图制图以及作为其他地物的参照等都具有十分重要的意义。一份面向三维城市模型建立和使用者的调查显示，85%的人对道路网信息感兴趣。具体来说，利用遥感影像进行道路的定位和识别对地形图的测制与更新、GIS数据获取、移动目标辅助识别、交通规划等具有重要的意义。特别是高分辨率遥感影像的不断获取使得人们在较小空间尺度上观察地表的细节变化，进行大比例尺遥感测图，建立较高精度的导航系统以及实现道路的精确定位等成为可能。虽然针对低分辨率遥感影像的道路提取研究已经很多，但是在中、高分辨率遥感图像中，道路具有错综复杂的拓扑结构，在丰富的场景信息以及路面车辆、交通标志线、绿化带或路边行树等噪声的共同影响下，道路提取仍是一项较为困难的工作。

2．研究目的和意义

目前，利用遥感图像测制和更新基本比例尺地形图、交通专题图及地理信息系统数据获取与更新中，道路属性和相对位置信息的提取仍然是以成熟的目视判读方法完成的。由于目视判读方法受判读人员的知识、经验的影响很大，存在道路属性信息获取的精度低、可靠性差、判读作业周期长、效率低等问题，一般都需要经过实地调查修改后才能满足应用要求。

从遥感图像上识别和提取地形要素的属性信息是摄影测量与遥感领域的重点研究内容，也是计算机视觉和图像理解领域研究内容的难点。这一问题吸引了大量的研究人员，也取得了一些先进的成果，并且探讨了各种各样的技术和方法。然而，由于受到数学理论的限制，现有的技术方法和研究成果还远没有达到实用化的阶段，尤其是在遥感图像测制和更新基本比例尺地形图时地物和目标属性信息提取的应用方面，仍然是制约摄影测量与遥感自动化、智能化发展的“瓶颈”问题。

二、国内外研究现状

国外从20世纪70年代后期就开始了遥感图像中道路提取的研究。国内由于遥感技术发展水平的限制，起步较晚。道路提取是一个多学科交叉的研究领域，它涉及的领域包括计算机视觉、计算机图形学、人工智能、模式识别、测绘学和数学等。随着所涉及各领域的快速发展，国内在道路提取方面的研究从20世纪90年代开始进入了一个高速发展时期。从文献记载来看，相关研究涉及的范围非常广泛，涵盖了道路提取的各个方面。其中，相关的图像预处理方法、边缘提取算法、特征提取算法、网状模型、Snakes模型、面向对象的方法以及道路提取结果的表示和应用等是研究的重点。

目前围绕遥感图像道路属性信息提取技术的研究内容很多，就研究现状和发展趋势而言，总体上可以归纳为道路特征模型与提取技术、半自动道路提取技术、自动道路提取技术等3个方面。

1．遥感影像道路特征模型

经验丰富的判读人员之所以能够从遥感图像上很容易的识别地物目标的属性，除了具备相关理论的支撑和先验知识之外，很重要的一个原因是能够很好地分析地物目标的影像特征。利用计算机进行交互判读或自动判读的研究，影像特征的提取与表达显得尤为重要。因此，在道路提取技术的研究中，往往也是先从遥感影像上提取相应的道路特征开始的。

总体上来讲，各种地物的影像特征都可以概括为辐射特征、光谱特征、几何特征、纹理特征、相关特征等几个方面。但是，不同的地物具有不同的空间分布和质地，表现在遥感图像上的特征差异也很大。就道路而言，Vosselman和Knecht于1995年系统地研究了道路在遥感图像上的影像特征。综合近几年国内外研究成果，道路的影像特征可以归纳为以下几个方面：

(1)几何特征

道路具有呈长条状，其长度远远大于宽度，在一定区域范围内道路的宽度变化比较小，曲率有一定的限制，连通性良好等。为了便于计算机计算和表达，通常最感兴趣也是最重要的几何特征是宽度、曲率和图形。

1)宽度。道路的宽度可以定义为垂直于长度方向的截面尺度。

2)曲率。是指不同等级的道路在不同的地形和环境条件下，在不同空间分辨率的遥感影像上表现出来的弯曲程度。

3)图形。一般情况下，道路呈线状分布，但在道路交叉处会呈现出“T”形、“十”字形及其他图形形状。

(2)辐射特征

道路一般有两条明显的边缘，其内部灰度均匀稳定，具有相似的光谱度量和辐射特征，表现为与其相邻区域灰度的反差比较大。在高分辨率影像中，路上的车辆、白线及树木都会对道路灰度的均匀性造成影响。

(3)拓扑特征

道路一般是相连的，不会突然中断，并形成路网，具有明显的规则性，形成有规律的拓扑关系。

(4)上下文特征

上下文特征指的是与道路相关的地物和背景的影像特征，如道路旁的建筑物和行道树，是城市道路还是乡间道路。从整体上看，道路一般连接城市乡镇以及其他大型地物。

通过计算机识别这些特征，就可以进行分析，不管是从几何形状还是内在的结构，通过计算机编写相应的程序，将道路从影像上提取出来，为道路提取提供技术支持。

2．半自动道路提取研究现状

一般来说，可以根据遥感影像道路特征提取的自动化程度分为自动道路特征提取和半自动道路特征提取两大类。半自动道路特征提取是利用人机交互的方式进行的。其主要思路是人工选择初始点(种子点)，有些方法也提供初始方向。概括起来，半自动道路提取一般包括4个步骤：

1)道路特征增强;

2)给定道路的种子点;

3)依据一定的准则跟踪和扩展种子点，形成道路段;

4)将道路段连接起来，形成道路网。

针对在高分辨率遥感图像上半自动的道路提取，国内外学者提出了很多方法，例如动态规划法、Snakes模型法等，而基于影像分割与边缘检测相结合的思想是目前利用高分辨率遥感图像进行道路提取应用较多的方法。其中影像分割主要是针对影像中的面状单元提取，以分割成不同的块单元，以此为基础并根据各种特征信息进行提取。

Vosselman等人提出最小二乘模板匹配方法，该方法在给定特征点初始位置、方向及道路宽度的条件下，假设道路的曲率没有发生变化，以最小二乘法估计给定的道路表面和与图像道路轮廓线之间的几何变形参数，进而确定图像上曲线的具体参数得到道路的数学表示，并将结果用线性卡尔曼滤波作进一步处理，用以更新描述道路的位置和形状参数。

Geman等针对分辨率为10 m的Spot影像道路，提供道路的起始点和初始方向，并且假定道路的曲率变化很小，建立一个几何模型，利用道路内部灰度的均匀性以及与其他地物灰度的较大差异建立统计模型，再利用信息熵进行假设检验，从而将道路部分提取出来。其缺点是影像分辨率低，并且只有在道路灰度与其他地物灰度相差较大的情况下才能达到较好的提取效果。

Lin Zongjian等将Snakes或Active Contour模型引入道路提取中，用一个能量函数来描述遥感影像道路目标的灰度梯度特性、灰度连续性及平滑性，并通过求取能量函数的极值点来获得道路目标的各个参数。

Trinder在使用Active Contour模型的基础上，引入了模拟退火的思想，利用模拟退火的搜索能力解算道路近似位置的B样条表示参数，从而获取道路的位置信息。

Gruen等人提出了最小二乘B样条Snakes模型算法，这是目前在道路提取中用的比较多的算法。首先给定道路的种子点，再根据种子点的初始位置按照最小二乘法建立B样条曲线，在给定的宽度条件下，得到一条初始道路。最后根据Snakes方法进行特征判断，得到道路的中心线。

3．自动道路提取研究现状

自动道路提取方法包括道路特征的自动识别和几何特征的自动定位，在实际应用的过程中分为3个步骤进行：

1)通过各种针对影像道路提取的方法获取道路的基本特征;

2)依据步骤1)的结果制定相应的规则来获取道路的种子点，这些种子点要具有比较丰富的道路影像特征;

其中，伞形集果筒由合页与搭扣固定，伞形集果筒的合页与搭扣对应安装位置开通孔，合页与搭扣通过螺钉，螺栓固定在伞形集果筒上。伞形集果筒如图2所示。

3)按照影像特征制定相关的判别准则，这些种子点扩展为道路段，将合理的道路段连接形成道路网，剔除不合理或者错误的道路段。

一般而言，自动提取方法都是针对特定的影像，在整个理解过程中还会综合应用到计算机视觉、人工智能、模式识别等知识。以下是一些具有代表性的自动道路提取方法：

1)Rajeswari和Gurumurthy等提出一种基于自动水平集、规范割以及均值漂移的道路自动提取方法。首先对图像进行预处理，以提高图像的适应性，降低建筑物等带来的噪声;然后采用上述3种方法进行道路提取;最后通过手动提取道路评价3种方法提取结果的精度。

2)Jiangye Yuan等提出了一种从卫星图像上自动提取道路的方法，核心是一种名为局部响应与全局抑制振荡网络的方法(LEGION)，该方法将道路提取分为3个阶段：①图像用LEGION法对图像进行分割;②计算每个分割对象的中轴点，选择狭窄区域的中轴点;③ 道路分组阶段，建立中轴点之间的依赖关系，利用LEGION算法组合排列较好的中轴点形成道路。

3)Chaudhary等提出了一种从高分辨率影像上提取道路的方法，所用影像为IKONOS影像。该方法采用了多分辨率影像金字塔策略，集合了高斯模糊、一个一维的边缘检测模板滤波器、线性分组和多层集合的方法，提取了道路中心线和非道路中心线。最后通过几何和光度特征判断结果是否为道路中心线，也可以通过高层次金字塔图像判断中心线的属性。

4．道路提取研究发展趋势

就遥感影像道路提取技术而言，还有很多技术难题没有得到解决。总结前面的论述，不难发现其主要特点是：采用的道路特征和模型逐步细化和复杂，多数方法是以现有成熟技术为基础逐步改化而成，还没有形成一套具有适应性强、达到实用化程度的技术体系和方法。

随着遥感影像数字处理技术的不断进步以及处理方法的不断丰富，道路提取工作当前已经取得了很大的进展。综合国内外研究现状，遥感影像道路提取技术目前呈现如下的发展趋势：

(1)多方法多步骤集成的道路提取方法

单一的道路提取方法往往存在不足，或只对某一类影像有效，因此在完善单一提取方法的同时，应该根据各种提取方法的优缺点设计新的提取思路，取长补短以达到更好的提取效果。

(2)多传感器图像融合提取道路方法

单一传感器获取的图像往往存在不足，尤其是SAR图像在提取道路网络时，受到噪声的影响，提取结果总是断断续续的，而且有很多虚假检测。在多平台传感器的支持下，获取同一地区的不同类型影像已非难事，这些数据之间存在一定的冗余和互补。有机地融合不同类型的遥感影像，获得道路特征更加明显的影像以简化提取的难度。

(3)道路提取算法和定位技术智能化

随着计算机技术、人工智能以及模式识别技术的发展，智能算法和图像处理技术逐步融合以模仿人脑的思维方式，借鉴人脑的认知过程和逻辑分析能力，并应用到道路提取中是将来道路提取的重要发展方向。借助专家系统和智能算法，结合人机交互的模式进行匹配，提高道路特征提取的速度和精度，增强算法在复杂条件下的适应能力和匹配能力，是未来道路提取的发展趋势。

[1]VOSSELMAN G，KNECHT J．Road Tracing by Profile Matching and Kalman Filtering，Automatic Extraction of Manmade Objects from Aerial and Space Images[M]．[S．l．]：Birkhauser verlag，1995：265-274．

[2]GEMAN D，JEDYNAK B．An Active Testing Model for Tracking Roads in Satellite Images[J]，IEEE transaction on pattern Analysis and Maehine Intelligenee，1996，18(1)：1-14．

[3]LIN Zongjian，LIU Shaochuang．Road Extraction from Aerial Images by Snakes Method[J]．Journal of Wuhan Technical University of Surveying and Mapping，1996(3)．

[4]TRINDER J，MAULIK U，BANDYOPADHYAY S．Semiautomated Feature Extraction Using Simulated Annealing[J]．International Archives of Photogrammetry and Remote Sensing，2000，33(3/2)：905-908．

[5]GRUEN A．Adaptive Least Squares Correlation-A Powerful Image Matching Technique[J]．South African Journal of Photogrammetry，Remote Sensing and Cartography，1985，14(3)：175-187．

[6]史文中，朱长青，王昱．从遥感影像提取道路特征的方法综述与展望[J]．测绘学报，2001，30(3)：257-262．

[7]林宗坚，刘政荣．从遥感影像提取道路信息的方法评述[J]．武汉大学学报信息科学版，2003，28(1)：90-93．

[8]张道兵，王宏琦，刘波．遥感彩像道路提取研究算法综述[C]∥中国科学院电子研究所2006年青年学术交流会议论文集．北京：[s．n．]，2006：358-363．