高分辨率遥感影像提取道路方法研究进展

王艳梅，王根杰，刘海娟

（安徽三联学院，安徽 合肥 230601）

高分辨率遥感影像提取道路方法研究进展

王艳梅，王根杰，刘海娟

（安徽三联学院，安徽 合肥 230601）

道路是重要的人工地物，是基础地理信息的重要组成部分，从高分辨率遥感影像上提取道路信息成为研究的热点.本文一开始简明论述了道路在高分辨率的影像上的基本特点，并且讲述了道路进行提取的基本办法与思想，然后介绍了提取道路信息主要方法，包括自动提取和半自动自取.最后，对道路信息提取研究进行了展望.

道路；高分辨率遥感图像；特征；方法

1 引言

道路是一种非常重要人工地面建筑，它是地理信息的基础组成部分，也是城市发展进程中更新较快的要素.基础地理信息数据的价值体现在其现势性，所以，我们要收取道路的基本现状.传统的道路信息获取的方法存在很多漏洞，比如需要大量的人力和物力来进行完成，并且还存在收集数据的速度慢，周期长，工作量大，工作人员对收集工作产生厌倦，导致工作人员一味的收集信息而不去解决更高层次的问题和应用研究.在此背景下，很多学者开始探索自动的道路信息提取方法，一方面使工作人员从大量繁重的数据生产中解放出来，另一方面可以实现道路信息的自动化提取，实现道路信息数据的实时更新.随着遥感技术的发展及其商业化应用，越来越多的高分辨率遥感影像成为应用的主体.利用计算机从遥感影像中提取道路信息成为国内外学者研究的热点，国外从20世纪7 0年代开始研究，国内起步较晚，始于90年代.经过多年的研究，在此领域内汇聚了多学科知识，如模式识别、人工智能、计算机视觉、数学形态学等，出现许多理论与技术创新.因此，本文首先探讨了如何在高分辨率遥感影像上进行道路提取的基本思想，紧随其后分析并且总结了现有道路提取的方法措施，在此基础上，对道路信息的获取方式提出了比较可行的研究探讨方向.

2 道路特征获取的基本思想

因为景物与景物之间存在物理和几何上的差异，导致景象中一些部分的灰度产生比较大的变化，我们将这种现象叫做景象特征.特征区域越大也就说明包含的信息量就越大，特征区域小的区域意味着有较小的信息量.人眼很容易在遥感影像上找到道路是因为我们知道道路的特征，如果让计算机从遥感影像上识别出道路，我们首先要将道路的特征输入计算机，然后计算机依据收到的道路特征信息来辨别影像上的道路.道路有以下几种基本特征：

（1）几何特征.因为道路的长度比宽度大的很多，这就使得在高分辨率遥感影像上，看到的都是条状的，道路的宽度没有发生较大的变化，曲率也要受到限制.

（2）辐射特征.在影像上道路的两个边缘非常明显，相邻位置的灰度和边缘内部的灰度的反差是比较明显的.

（3）道路通常都是互通的，并且组成了道路网络，道路的突然中断是非常少见的.

（4）上下文特征.这一特征包含和道路所处的环境有牵连的信息、和道路现实特征相关的信息、道路与地面建筑物有关的信息.

道路在获取它所有特征的时候都要按照Marr视觉理论来进行，要从低到中再到高的步骤进行.首先是低层次的处理，在处理过程中使用不同的采集方法对不同要素提取信息，信息中包含纹理、方向及边缘等，应该注意到，这个低层的信息中没有和道路有关系的知识信息.其次是中层处理，中层处理的信息是相对低层来说的，它将低层的处理结果进行更为细致的选择、分析、重组和综合，中层处理中用到了道路有关知识——几何假设.最后是高层处理中，要综合运用道路的相关知识，结合得到的各要素结构、关系等对道路进行理解和识别.

3 遥感影像提取道路方法与研究

一般情况下，人们依据对公路信息获取的自动化方式，将获取信息的方法分成了两种：半自动信息获取和自动化信息获取.

3.1 半自动方式

半自动化获取方式是利用人机交互的方式对道路的特征信息进行获取和辨别的方式.这个方法中最重要的一步是需要人提供道路的种子点，有时还需要知道初始的方向，然后利用计算机来对公路特征信息进行辨别和处理，并且要适应当前的人机交互，从而确保识别的准确性.这种提取方法一般分为四步：第一步，增强影像特征；第二步，确定道路种子点；第三步，对种子点进行跟踪和扩展，并形成道路段；第四步，将道路段连接起来，组成道路网络.下面介绍几种目前常用的方法.

3.1.1 动态规划方法

动态规划方法具备将较为复杂的问题简化为较为简单问题的能力，因此，才讲动态规划法应用到道路信息获取中.动态规划方法利用问题的最优性原理，以自底向上的方式从子问题的最优解逐步构造出整个问题的最优解.在应用此方法进行道路信息提取时，首先组建道路的数学模型，然后再依据模型来组合代价函数与边界条件的表达式[2].动态规划方法的特点是用一个最优化的问题代替了道路特征识别的问题，并且利用道路上的像元来描述最优化问题的解.

3.1.2 模板匹配方法

所谓模板就是一幅已经知道的小图像.模板匹配就是在一幅已知图像中有所需目标的大图像中进行目标搜寻，且该目标和模板有着相同的尺寸、图像和方向，并且通过一定的算法可以在大图中找到目标，确定其位置[3].运用模板匹配法的重点在于如何知道匹配，才能成功有效的获得有价值的道路信息.

3.1.3 Snakes模型方法

Snakes模型方法也称为动态轮廓模型方法.采取Snakes模型方法进行道路特征提取的过程就是用一个能量函数将影像中的各个特征以及连续性、平滑性约束起来，通过求解能量函数的最小值，从而达到了获取道路特征的目的.

在Snakes模型基础上，运用这个方法来获取道路特征，大多数情况是将初始点设置在道路的旁边，种子点的给定分为两种：人工给定和自动给定[4].

3.1.4 边缘跟踪法

边缘跟踪法是：首先要给定种子点的初始位置和初始方向，然后再进行边缘跟踪，一直到边缘的终止点，再将这个终止点当作一个新的种子点.1994年HeipkeC提出基于边缘跟踪的方法[5]，后经XIAOYongguan等的改进使用纹理进行滤波得到初始种子点.

3.2 自动获取道路特征

自动获取道路特征的方法是利用对道路影像特征的认识与理解，自动将道路的位置进行定位.经过多年的研究，目前已有很多自动提取道路的方法.但是这种方法还没有应用于各类道路中，只是在辨别某一类道路上获得了成绩，有一定的应用价值.

3.2.1 平行线方法

由于道路的边缘是一对平行线，在进行获取道路特征的时可以利用这一特点，可以得到喝多算法.利用平行线方法提取道路信息最重要的是连接好的边缘中产生表示道路平行的这一特征，以及识别平行线对是否为道路的识别策略.

3.2.2 面向对象方法

当运用面向对象方法进行道路信息提取时，分析的基本单元不再是单个像元，而是具有实际意义的影像对象.影像对象是与影像相对应的影像分析单元，对象的大小由分割尺度的大小决定.其优点是能够有效的应对高分辨率遥感影像所出现的噪声问题，像光谱、形状、纹理等[6]多种特征，可以进行综合应用.其缺点是提取效果过分依赖于分割质量的好坏.

3.3.3 数学形态学方法

数学形态学方法的基本思路是使用拥有特殊形态结构的方法

利用具有一定形态的结构元素去度量和提取图像中的相应形状，最终实现分析和识别图像的目的.在运用数学形态学方法进行道路信息提取时，图像中的像素被分成两类：道路和环境，对边缘进行跟踪来得到线性特征，然后将得到的线性特征利用知识规划进行道路识别，最后对结果进行细节处理[7].其优点是能够较好的提取出道路骨架.

4 道路特征提取研究展望

道路信息提取已取得了一些成果，但由于现实情况的复杂性和多样性，很多方法只适用于提取某一类型的道路.道路信息的自动识别距生产应用仍有一段距离.很多问题需要进一步研究解决.

4.1 上下文信息的充分利用

道路的上下文信息十分丰富，利用好上下文信息对提取道路信息具有重要作用.道路模型中的各组成成分之间的上下文关系必须和不同的上下文区域相适应，例如在城区影像上，最重要的上下文信息就是车辆、道路标示线、行道树.马力等总结了不同类型的上下文信息及其获取方式，概括了其在道路信息提取中的应用类型，并且通过举实例进行了相关分析[8].

4.2 基于不同分辨率的道路信息提取

低分辨率遥感影像虽然丢失了大部分的细节信息，但是却能够很好的表现道路的骨架和拓扑信息，而且不易受噪声的影响.高分辨率遥感影像虽然能够很好的提供细节信息，但放大了噪声，易受外部环境的影响.如果将两者的优点结合起来提取道路信息，既可以提取道路细节信息又不易受外部环境的影响.

4.3 与其他领域研究的相关结合

道路信息提取涉及到如数学形态学、计算机视觉、图像处理、模式识别等很多学科，是一项十分复杂的工程.因此，在研究探讨道路信息提取方法的过程中，应充分运用这些学科的最新研究成果，积极推动道路信息提取方法的发展.

〔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[J]，公路交通科技，2004,21(6): 109-112.

〔2〕Geman D,Jedynak B.Detection of Roads in Satellite Images[C].International Geosciences and Remote Sensing Symposium,1991,4:2473-2477.

〔3〕Suetens P,Fua P,Hanson A J.Computational Strategies for Object Recognition[J].ACM Computing Surveys, 1992,24(1):5-61.

〔4〕李培华,张田文.主动轮廓模型（蛇模型）综述[J].软件学报，2000,11(6):751-757.

〔5〕HeipkeC.Semi-automaticExtraction ofRoadsfrom Aerial Images.IAPRS Com?workshop,Munich,1994.

〔6〕唐伟,赵书河,王培法.面向对象的高空间分辨率遥感影像道路信息的提取[J].地球信息科学,2008,10(2):257-262.

〔7〕申邵洪，宋杨.高分辨率多光谱遥感影像中城区道路信息的自动提取[J].遥感应用，2007(5):73-77.

〔8〕马力，陈军.上下文信息在道路提取中的分类与应用[J].地理信息世界，2008,6(4):58-60.

P273.3

A

1673-260 X（2013）10-0039-02

安徽省高等学校省级自然科学研究项目（2011B066）