基于Guided Filter的地形图中线要素提取算法

尹月琴

(国网陕西省电力公司 延安供电公司，陕西 延安 716000)



基于Guided Filter的地形图中线要素提取算法

尹月琴

(国网陕西省电力公司 延安供电公司，陕西 延安 716000)

针对彩色扫描地形图中线要素与背景要素难以分离，现有线要素提取算法提取的结果中存在边界不准确的问题，提出基于Guided Filter的地形图中线要素提取算法。利用基于能量密度和Shear变换相结合的线要素提取算法对线要素进行粗提取；引入Guided Filter，以源地形图图像作为Guided Filter的引导图像，以粗提取的线要素图像作为Guided Filter的输入图像，经过滤波处理获得的线要素信息更为显著；利用OTSU算法得到最终的线要素信息。实验结果表明:相对于现有的线要素提取算法，提出的算法能够更为准确地提取出地形图中的线要素，并具有更好的噪声抑制能力。

地形图； 线要素； 能量密度； Guided Filter

0 引 言

彩色地形图中地理要素的提取与识别是地形图数字矢量化的基础，其中尤为重要的是等高线等线要素的提取。由于在一般的彩色地图中，各种地理要素采用不同的颜色来表示的，而且颜色特征之间的区别比较明显。因此，颜色信息是各种地理要素相分离的重要的特征依据，而传统的地理要素分离方法也主要是基于要素的颜色信息[1～3]。例如：冯玉才等人[4]采用颜色聚类的方法地形图进行分层处理；Ebi N等人[5]则通过颜色空间转换的方法以更好地利用颜色信息。Wu J等人[6]依据地形图在扫描过程中存在的颜色偏差问题，导致图像中存在过渡色，像素的归属发生模糊的问题，提出了基于模糊分类思想，使用模糊理论进行地理要素的分离。郑华利等人[7]在对地形图进行色彩空间转换的基础上，提出了基于二维直方图的模糊均值聚类方法。总之，这些方法的最终的思想都是根据地图要素的颜色信息[8,9]。对于一般情况下地形图中的线要素提取问题，传统的颜色分割等算法就能够较好的将线要素与背景要素相分离，但是在一些低质量的彩色地形图中，现有的基于颜色信息的图像分割算法难以准确提取线要素。此外，还有一种基于二值图使用网格特征模板去除普染要素的方法[10]，该方法主要针对地形图中普染要素分布比较规律的情况。但是对于情况复杂的普染要素，像素的分布不是网格状，这种方法也不再适用。

针对以上问题，Miao Qiguang等人[11]在2013年提出了基于能量密度与Shear变换相结合的地形图线要素提取算法。该算法提出能量密度的概率，并设计水平和垂直两个方向的线要素提取模板以及两项线要素提取规则对地形图进行线要素提取。进一步针对线要素提取模板受到方向性限制的缺点，引入Shear变换以更准确地提取线要素信息。相对传统的图像分割方法，该算法取得了很好的效果。但是在其得到的结果图像中，可以看出该算法得到的线要素的边界不准确，主要体现在线要素边界上存在较多的背景要素。为解决这一问题，本文提出基于Guided Filter的地形图中线要素提取算法，该算法利用基于能量密度与Shear变换的线要素提取算法得到的线要素作为Guided Filter[12]的输入图像，以源地形图图像作为Guided Filter的引导图像，经过滤波处理得到滤波后图像。最后利用OTSU算法得到线要素信息。

1 地理要素分布特征分析及现有算法的基础理论

对于彩色地形图，首先对其线要素和普染要素的分布特点进行分析。在一些地形图中，线要素与普染要素在颜色信息上非常相似(如图1(a)所示)，特别是在线要素与普染的交界处还可能存在过渡平缓的区域。如图1(b)所示，从图中可以看出图像中像素的颜色信息基本都集中于一个很小的区域，等高线像素和普染区像素的颜色信息之间的差别十分微小。

图1 彩色地图及其在Lab颜色空间中a和b通道的色彩直方图Fig 1 Color topographic map and its color histogram of the a and b channels in Lab color space

另一方面，在地形图的二值图像中，普染要素在理想情况下显现的特征呈网格状(如图2(b)所示)，那么可以建立一个模板对图像各像素进行匹配以去除普染区。但是对于情况复杂的普染要素，像素的分布不是网格状，而且杂乱无章(如图2(c)所示)，所以,单纯使用这种方法不能去除复杂情况下的普染要素。

图2 彩色地图二值化分析Fig 2 Binary analysis of color topographic map

针对这些问题，Miao Qiguang等人提出的线要素提取算法取得了很好的效果。该算法根据对彩色地形图中线要素的特征以及人眼判别线要素和普染要素特点的分析。首先将彩色地形图转化成为灰度图。再对其进行Shear变换，得到多个方向上的Shear变换后的图像。

然后，在水平和垂直两个方向上各建立一个提取线要素的匹配模板，如图3所示。图3中的黑色区域代表线要素， h1和h3区域代表线要素周边的普染区域，各区域大小根据线要素和普染要素的分布情况确定。

图3 线划要素提取模板Fig 3 Templates for line features extracting

进一步，计算区域模板中对应线要素区域及其周边区域的能量密度，并根据式(1)和式(2)提取线要素

(1)

(2)

最后，对Shear变换后各个方向上地形图提取的线要素图像进行逆Shear变换，并将所有在水平方向和垂直方向上提取的线要素进行并运算操作，以得到线要素图像ISE。

2 基于Guided Filter的地形图中线要素提取算法

为进一步去除图像ISE中线要素边界上存在的背景要素，本文引入GuidedFilter[13]，以原始地形图IO作为GuidedFilter的引导图像，以ISE作为GuidedFilter的输入图像，经过滤波处理得到滤波后图像。然后利用OTSU算法进行二值化处理，得到最终的线要素信息。

GuidedFilter的输出图像就是对引导图像IO的一个线性变换，如式(3)所示

IG(x,y)=akIO(x,y)+bk,∀(x,y)∈wk

(3)

式中 IG为GuidedFilter的输出图像，ak和bk为线性系数，wk为一个局部窗口。为了使输入图像ISE和输出图像IG之间的差异最小，需要在窗口wk中使以下的函数达到最小化，即

(4)

式中 E为输入图像ISE和输出图像IG之间的差异值，ε为一个防止ak的值过大的正则化参数。当E达到最小时，通过式(5)计算ak和bk如下

(5)

IG(x,y)=axyIO(x,y)+bxy

(6)

则，GuidedFilter的输出图像IG就是最终提取的线要素图像。

3 实验与分析

本文采用两幅地形图进行仿真实验，如图4(a)和图5(a)所示。从图中可以看出，地形图中的线要素的颜色信息与部分区域的背景要素的颜色信息非常相似，导致传统的颜色分割算法难以实现线要素与背景要素的分离。而相对传统算法，文献[11]算法能够较为准确、完整地提取线要素信息。但是同时结果中还残留较多的噪声信息，如图4(b)和图5(b)所示。本文算法以文献[11]得到的结果作为GuidedFilter的输入图像，经过滤波处理后，可以得到线要素更加显著的图像，如图4(c)和图5(c)所示。在此基础上，利用OTSU算法可以得到最终的线要素信息，如图4(d)和图5(d)所示。从结果图像中可以看出，本文提出算法提取的线要素信息更准确，图像中残留的噪声较少。

图4 不同算法提取线要素结果(地形A)Fig 4 Results of line feature extracted by different algorithms(topographic A)

图5 不同算法提取要素结果(地形B)Fig 5 Results of feature extracted by different algorithms (topographic B)

4 结 论

本文提出了一种基于Guided Filter的地形图中线要素提取算法，以解决地形图中线要素与背景要素难以分离的问题。实验表明：本文算法能够更为完整、更准确地提取出地形图中的线要素。此外，本文提出的地形图中线要素提取算法可应用于电力输电线路走廊(走径)的最优选定，结合陕北黄土高原土质结构、山区地形，减少对当地农业、林区影响，起到走径最优、快速选径、杆塔立塔安全可靠、经济等科研作用。

[1] Samet R,Hancer E.A new approach to the reconstruction of contour lines extracted from topographic maps[J].Journal of Visual Communication and Image Representation,2012,23(4):642-647.

[2] Hancer E,Samet R.Advanced contour reconnection in scanned topographic maps[C]∥IEEE International Conference on Application of Information and Communication Technologies,2011:1-5.

[3] 宋亚玲,欧聪杰.Tsallis熵的参数在图像阈值分割中的应用[J].传感器与微系统,2015,34(11):147-149.

[4] 冯玉才,宋恩民.彩色地图图像的聚色算法研究[J].软件学报,1996,7(8):466-470.

[5] Ebi N,Lauterbach B,Anheier W.An image analysis system for automatic data acquisition from colored scanned maps[J].Machine Vision and Applications,1994,7(3):148-164.

[6] Wu J,Chalmers A N,Yan H.Color image segmentation using fuzzy clustering and supervised learning[J].Journal of Electronic Imaging,1994,3(4):397-403.

[7] 郑华利,周献中,王建宇.空间关系信息和颜色信息相结合的地形图分层算法[J].中国图像图形学报,2003,8(3):334-340.

[8] 贾 刚,姜 迈,王宗义.基于感知的颜色空间在图像分割中的应用[J].传感器与微系统,2013,32(10):149-152.

[9] 张 琦,卢志茂,徐 森,等.基于相似度矩阵的谱聚类集成图像分割[J].传感器与微系统,2013,32(10):21-23.

[10] 郭 玲.彩色地图线状要素的识别与提取[D].南京：南京理工大学， 2003.

[11] Miao Qiguang,Xu Pengfei,Liu Tiange,et al.Linear feature separation from topographic maps using energy density and shear transform[J].IEEE Transaction on Image Processing,2013,22(4):1548-1558.

[12] He K,Sun J,Tang X.Guided image filtering[J].IEEE Trans on Pattern Anal Mach Intell,2013,35(6):1397-1409 .

Line feature extraction algorithm from topographic maps based on Guided Filter

YIN Yue-qin

(Yan’an Power Supply Company,State Grid Shaanxi Power Company,Yan’an 716000,China)

Aiming at problem that it is difficult to extract line features from topographic maps,and the line features extracted by exsting methods are not accurate,propose a line feature extration method based on Guided Filter.In this method,Guided Filter is introduced,the line features are extracted first by the method based on the energy density and the shear transformation,and the result images are used as the input images of Guided Filter; then use original topographic maps as the Guided images of Guided Filter.The line features are more significant after filtering,and obtain the final line features information by OTSU algorithm.Experimental resuts show that the proposed algorithm can extract line features more accurately,and has better ability of noise inhibition.

topographic maps; line feature; energy density; Guided Filter

2016—06—17

10.13873/J.1000—9787(2016)10—0135—03

TP 391

A

1000—9787(2016)10—0135—03

尹月琴(1969-)，女，陕西蒲城人，高级工程师，从事信息通信技术管理。