一种高分辨率可见光遥感影像中车辆目标检测方法

谷正气，李　健，张　勇，夏　威，罗　伦

(1. 湖南工业大学机械工程学院，湖南 株洲 412007； 2. 中国交通通信信息中心，北京 100011)

A Novel Method to Detect Vehicle Targets in High-resolution Remote

Sensing Images

GU Zhengqi，LI Jian，ZHANG Yong，XIA Wei，LUO Lun



一种高分辨率可见光遥感影像中车辆目标检测方法

谷正气1，李健1，张勇1，夏威2，罗伦2

(1. 湖南工业大学机械工程学院，湖南 株洲 412007； 2. 中国交通通信信息中心，北京 100011)

A Novel Method to Detect Vehicle Targets in High-resolution Remote

Sensing Images

GU Zhengqi，LI Jian，ZHANG Yong，XIA Wei，LUO Lun

摘要：在高分辨率遥感影像中检测车辆目标是影像识别和检测的重要研究方向，能够为宏观交通状态判别提供支撑。本文设计了一种基于高分卫星影像的车辆目标快速检测方法。该方法首先将与遥感影像对应区域的已有矢量面状道路影像进行掩膜处理，仅留下影像中道路部分，再采用Otsu双阈值法分割道路中的暗色车目标和亮色车目标，最后利用车辆目标的形态特征对其进行检索，以获得车辆目标的检索结果。试验表明，本文方法具有较好的检测效果。

关键词：车辆检测；高分辨率；遥感影像；二维双阈值最大类间方差法

一、引言

随着国民经济水平的不断提高，我国汽车保有量不断增加，其增长速度远远高于道路面积的增加速度，导致交通拥堵问题严峻，成为影响城市发展的重要因素。如何利用智能交通系统对交通拥堵问题进行缓解，已经成为学术研究的热点问题[1]。

在智能交通系统中，交通信息传感器作为其“眼睛”而存在，其重要性不言而喻。尽管在城市内部及高等级路上安装了众多交通信息传感器，但在低等级路及乡镇公路却是信息获取盲点。另外，目前常用的交通信息传感器获取的多为点源信息，包括车辆个数、车辆位置以及队列长度等，但其安装复杂、不易维护、成本高、宏观可视化程度低[2]。近年来，卫星影像的时间和空间分辨率不断提升，并具有覆盖面广、宏观可视化程度高、价格低廉等特点，将其应用于交通信息的获取，将是对传统方式的有益补充。

基于光学遥感的车辆提取方法较多，其中较典型的主要有以下几种：文献[3]针对IKONOS卫星影像，提出了多阈值与Otsu阈值的车辆检测方法，分别对暗色车和亮色车进行提取。首先设置高中低3个阈值分别对原影像进行二值分割，然后将分割后的影像两两求交集后再求并集得到不同灰度范围的车辆目标。文献[4]采用QuickBird影像提取车辆队列，然后对车队中的单个车辆逐个找出。文献[5]采用神经网络识别技术对QuickBird影像进行车辆提取，其漏检多发生在车辆与道路表面对比度低或车辆拥挤的地方。文献[6]对0.15 m分辨率的航空影像中高速公路汽车目标进行检测，采用阈值分割、边缘检测、模板匹配和数学形态学等4种方法进行检测效果对比，提出将灰度数学形态学和二值数学形态学算法相结合适用于车辆目标的检测。文献[7]对3种不同的高分影像进行试验，并采用误差矩阵及Kappa系数对结果进行精度评价。文献[8]采用面向对象的车辆提取方法，实现了遥感影像中车辆信息的提取。在车辆目标提取研究的前期，算法的精度不高，而近年的算法又往往过于复杂，故本文针对可见光遥感影像车辆目标检测的具体问题，提出了一种全自动的车辆目标检测算法。

二、主要研究内容与结果

本文采用某地区0.5 m分辨率的卫星可见光影像进行试验。将影像中比背景暗的车辆定义为暗色车，比背景亮的车辆定义为亮色车。

1. 影像掩膜处理

遥感影像的掩膜处理即利用已有GIS中的面状道路信息与对应区域的遥感影像进行逻辑“与”处理[9]，处理效果如图1所示，这样处理后有助于去除路边干扰信息。

2. 二维双阈值Otsu法图像分割

(1) Otsu单阈值图像分割[3]

假设图像有L个灰度等级，用阈值m将其分为2个区域A和B。Pi(i=0,1,…，L-1)表示灰度等级为i的像素的概率

σ2=PA(ωA-ω0)2+PB(ωB-ω0)2

可以看出，σ2是关于阈值m的函数，使得σ2为最大值的m，即是分割图像的最佳阈值。

图1　掩膜处理

对图1(b)采用Otsu法获得的阈值为0.675，采用该阈值二值化的影像如图2(a)所示，去除背景后如图2(b)所示，可以认为影像中每个连通的区域即为单个汽车目标。可以看出采用Otsu单阈值法可以实现全自动的遥感影像中车辆信息的提取，但由于采用了单一阈值，因此只能提取出与道路背景灰度值差别很大的亮色车，而与影像中道路背景差别不大的暗色车提取却不理想。

(2) Otsu双阈值图像分割

若将复杂的灰度图像分为3个区域，则需要两

图2　背景去除

个阈值，分别设为k1和k2，并且k2>k1,3个区域分别为A、B、C,则各区域的概率为

灰度均值为

类内方差为

类外方差为

式中，F是k1和k2的函数，使F取最大值的k1、k2的组合即可获得最佳的分割效果。

采用Otsu双阈值图像分割法获得的阈值为k1=0.221，k2=0.603，该方法进行车辆信息提取的流程图如图3所示。

图3　算法流程

在采用Otsu获得双阈值后，对影像进行分割，

如图4所示。

图4　双阈值分割

3. 试验结果分析

对于双峰直方图的图像，Otsu单阈值分割即可达到较好的分割效果，然而，对于可见光遥感影像中车辆信息的提取这种需要进行复杂分割的影像来说，单阈值无法达到理想的阈值效果。如图5(a)所示，采用Otsu单阈值法对车辆目标进行检测时，暗色车的检测效果不理想，而在5(b)中采用本文方法的暗色车则有较好的检测效果。

图5　效果对比

检测结果采用漏检率和误检率两个指标度量。如表1所示，影像中道路上的车辆实际数为98辆，采用方法1即传统Otsu法[3]的漏检率和误检率分别为21.4%和3.1%；采用方法2即本文方法的漏检率降低为10.2%，而误检率为5.1%，由以上试验结果可知，相比文献[3]中的传统Otsu方法，本文中方法的误检率有明显的降低。另外，尽管文献[3]中也用到了双阈值，但其双阈值是凭借经验获得，而本文中方法为自动获取。

表1　遥感影像车辆检测的统计结果

三、结论

本文提出了一种可见光遥感影像中车辆目标检测的新方法，该方法的创新点包括以下几个方面：①利用双阈值Otsu法自动获取影像中的双阈值，以分别获取亮色车目标和暗色车目标；②利用二值图像中车辆的形态学特征将车辆与背景分离；③相比文献[3],提高了高分影像中车辆目标识别的准确率。进一步的工作包括：增加影像预处理环节，对影像进行图像增强和滤波；采用更好的方法去除背景中的干扰信息，降低误检率。

参考文献：

[1]李德仁, 李清泉, 杨必胜, 等. 3S技术与智能交通[J]. 武汉大学学报: 信息科学版, 2008, 33(4): 331-336.

[2]刘珠妹, 刘亚岚, 谭衢霖, 等. 高分辨率卫星影像车辆检测研究进展[J]. 遥感技术与应用, 2012, 27(1): 8-14.

[3]ALBA-FLORES R. Evaluation of the Use of High-Resolution Satellite Imagery in Transportation Applications[R]. Minnesota: Department of Electrical and Computer Engineering University of Minnesota Duluth, 2005.

[4]LEITLOFF J, HINZ S, STILLA U， et al. Detection of Vehicle Queues in Quickbird Imagery of City[J]. Areas Photogrammetrie Fernerkundung Geoinformation, 2006, (4): 315-325.

[5]刘建鑫. 基于高分辨率卫星影像的车辆检测算法研究[D]. 大连: 大连海事大学, 2008: 25-35.

[6]郑泽忠. 基于高分辨率航空影像高速公路汽车目标检测算法研究[D]. 成都: 西南交通大学, 2010: 21-94.

[7]李龙飞. 卫星图像中车辆目标提取方法优化与精度评价[D]. 北京: 北京交通大学, 2012: 53-68.

[8]王浩. 基于面向对象的高分辨率遥感影像车辆提取方法研究[D]. 北京: 北京交通大学, 2012: 29-55.

[9]张勇，牛成磊，谷正气，等.结合SURF与SVM的高分遥感影像车辆提取技术[J].湖南工业大学学报，2014，28(2):67-71.引文格式： 吴亮，雷斌，韩冰，等. 卫星姿态误差对多通道SAR成像质量的影响[J].测绘通报，2015(1)：124-130.DOI:10.13474/j.cnki.11-2246.2015.0026

引文格式： 谷正气，李健，张勇，等. 一种高分辨率可见光遥感影像中车辆目标检测方法[J].测绘通报，2015(1)：121-123.DOI:10.13474/j.cnki.11-2246.2015.0025

通信作者：张勇。E-mail：zhangyong7051678@163.com

作者简介：谷正气(1963—),男，教授，主要从事交通工程及智能交通方面的工作。E-mail：Guzhengqi63@126.com

基金项目：交通运输部重点项目(2012-364-208-802-2)；中央财政支持地方高校专项资金项目-创新团队(0420036017)

收稿日期：2014-07-15

中图分类号：P237

文献标识码：B

文章编号：0494-0911(2015)01-0121-03