高分辨率道路影像提取的研究现状

王一帆　翟银凤

摘 要：充分利用较高的分辨率遥感影像，在对道路特征提取方面取得一些研究成果，有基于边缘提取、基于区域分割提取及两者相结合的提取方式。

关键词：高分辨率影像；道路特征提取；提取方法；边缘；区域分割

高分辨率影像能够提供更加丰富的信息，有利于提取不同尺度和不同类型的道路。根据高分辨率遥感影像的特点，近年来使用较高分辨率的遥感影像来提取道路特征的方面已取得一些研究成果。总的来说，提取道路特征的研究基本上可以分为三类：基于边缘提取、基于区域分割提取和两者相结合的提取方法。

具有代表性的基于边缘的道路提取方法主要有：贾承丽，赵凌君等（2008）先通过Frost滤波器去相干斑，然后利用乘性Duda线特征检测算子进行线特征检测，接着利用Radon变换进行线基元提取，再利用遗传算法进行线基元连接，最后利用蛇模型调整道路位置并进行道路鉴别。Sahar Movaghati， Alireza Moghaddamjoo 等使用UNSCENTED KALMAN滤波器处理道路的非线性，从通过UNSCENTED KALMAN滤波器预先处理当前状态中分解测得的系统，最后提取一种基于聚类的分类方法沿着路的方向维持道路的形状，用来跟踪道路。Poz D，Vale A P.（2003）使用修改了“代价”函数，并且改进了的动态规划算法提取道路信息，同时增加了约束条件道路边缘特征，使之更适用于从中高分辨率影像上提取道路。

基于区域分割的道路提取主要方法有：潘建平，邬明权等（2008）先将遥感图像二值化后，再进行噪声滤除、形态学边缘检测和边缘连接，得到完整的道路网。朱长青，杨云等（2008）通过改变影像矩形方向、分割阈值和矩形宽度的条件，从矩形的外部和内部进行整体的匹配，使得矩形满足最佳匹配原则，从而提取出道路。A. Grote，M. Butenuth，C. Heipke（2007）根据目标的色彩信息和边缘信息将影像分割成为很多个较小的区域，然后依据不同的标准将小区域合并形成道路条带。Youchuan Wan， Shaohong Shen 等（2007）首先顺着多切不同的方向，计算与当前点光谱比较相近的线段长度，然后分别以最短的、最长的长度和光谱矢量来进行分类特征值，取得粗略道路类。Xuemei Ding， Wenjing Kang等（2006）以交叉熵作为分割的基本功能模块，用其作用于整幅图像及多个不重叠的子图，分别取得全局阈值及每个窗口的局部阈值，然后根据一定的准则调整各个局部阈值，并用局部阈值分割各个窗口的影像。分割结果需要细化以及连接。Ali Mohammadzadeh， Ahad Tavakoli 等（2006）用人工方法确定一个路面点，以此点的各波段亮度值作为道路类统计均值的初值，在初值附近逐步改变数据并计算总体代价函数值，使得总体代价最小的数值用于分割道路。Qiaoping Zhang，Isabelle Couloigner（2006）首先使用K均值法将光谱影像划分为不同种类，接着再用模糊归类手段来把道路类自动识别，然后通过计算粗分的道路类的二值多角度纹理值及相应的形状系数，最后用模糊归类方法区分混分为建筑物的道路的停车场。Jin Xiaoying， DAVIS C.H.（2005）将道路分为了城市道路和郊外道路两个部分，城市道路采用边缘信息化处理并进行提取，郊外部分则运用K均值来进行分类，对分类后的道路再进行后处理以得到郊区道路。汪闽，骆剑承，周成虎等（2005）利用随机纹理模型与支撑向量机来进行分类的方法提取道路网络。Mingjun Song and Daniel Civco等（2004）先将像素划分为非道路和道路两大类（用SVM方法），然后在粗略分类的道路类别中增长进行区域，相似准则把光谱相似性，形状相似性都在进行区增长时考虑到了。史文中等人（2002）通过一系列的实验确定了一阈值，先以此阈值把道路影像二值化，然后把粗糙道路条带使用直线段匹配法处理，最后使用数学形态学手段来提取道路中心线。

同时利用分割信息和边缘的提取方法研究相对是比较少的，具有代表性的分别有：

（1）李晓峰，张树清等（2008）提出一种高分辨率遥感影像上提纯道路信息的方法，是基于面状道路、相互验证边缘和辅助的思想。

（2）梅天灿，李德仁，秦前清（2005）提出了一种结合直线特征和区域识别线状目标的方法。

（3）HELLWICHO，WIEDEMANN C（2003）强调的是利用融合多源数据的有利之处。

从以上分析可知，已有的方法都有自己特定的应用范围和局限性，一般只适用于提取较为简单清晰的道路，因此非常需要探讨适合提取多数道路的新思路和新方法。

在高分辨率遥感影像中纹理信息的应用是比较丰富的，遥感纹理的特征使其在高频信息在图像上的空间分布情况有这主要的作用。纹理特征则主要是用来区分目标的作用。用来识别地物和确定地质构造的重要信息的地形、地貌特征，都是纹理所反映的。在遥感图像纹理分析过程当中引入纹理特征，把光谱特征和纹理特征很好地结合起来，增强地质体和地质现象的可区分性。并结合实际的地物情况做出的合理的解释，所以很多道路边缘信息提取的方法采用基于纹理的分割方法。

参考文献

[1]贾承丽，赵凌君.基于遗传算法的SAR图像自动道路提取[J].中国图象图形学报，2008，13（6）：1134-1142.

[2] Sahar Movaghati， Alireza Moghaddamjoo， Ahad Tavakoli， Using Unscented Kalman Filter for Road Tracing From Satellite Images [C].Second Asia International Conference on Modelling & Simulation，2008：379-384.

[3] Renaud P， Thierry R. Multi-resolution snakes for urban road extraction from Ikonos and Quickbird Images[C]. Proceedings of the 23rd EARSeL Symposium， 2003：69-76.

[4]潘建平，邬明权.基于数学形态学的道路提取[J].计算机工程与应用，2008，44（11）：232-233.