边缘检测算子LiDAR河流数据提取的研究

徐晶鑫,黄其欢

(河海大学地球科学与工程学院,江苏南京 210098)

边缘检测算子LiDAR河流数据提取的研究

徐晶鑫,黄其欢

(河海大学地球科学与工程学院,江苏南京 210098)

由于LiDAR数据具有离散、不连续的特点,在空间上并没有明确的函数关系,现有的Li-DAR数据地形地物的提取算法存在依赖辅助数据和算法只针对建筑物等明显地物提取的问题。河流的数据存在形状不规则、边缘不明显的特征,自然形成的原因导致其坡度信息多变,常见的数据提取算法难以解决这类问题,Robert边缘检测算子对边缘信息更为敏感,实验证明,与Sobel和Prewitt算子对比,Robert算子更适用于提取较高精度河流地物边缘并且有较好的精确性和适用性,可获得较高精度作为准确的目标信息。

LiDAR河流数据;灰度图像;边缘检测算子

激光探测与测量(LiDAR,light detection and ranging)技术利用激光的回波性质来实现测距、定向,是当前最先进的、能实时获取地形表面三维空间信息和影像的航空遥感系统之一,该系统可直接获取高密度、高精度的地表、地物三维坐标,在构建三维地表模型、数字高程模型(DEM,digital elevation model)、数字表面模型(DSM,digital surface model)等方面有广泛的应用前景[1]。

LiDAR的数据简单直观,但存在结构离散,不连续,没有直接的函数关系,数据量大等缺点。LiDAR原始的离散的点云数据结构因为不存在较为直接的函数关系,存在不可导的问题,因此在后期的数据处理中无法通过研究其连续性来获取其坡度特征,同时对坡度特征获取的精度与点云数据密度有关,其密度越大,坡度特征越精确,但其处理效率就越低。文献[2]中提出了一种利用Canny算子提取深度处理后的LiDAR数据,并实现了建筑物的边缘提取,但是Canny算子要进行事先的高斯滤波处理,高斯滤波对数据本身有高度的平滑的作用,如果是本身边缘信息不明显的地物,就有可能进一步增加边缘提取的难度,且Canny算子运行效率较低,所以该算法只能提取边缘信息较强的数据,如建筑物等。

河流与建筑物数据相比存在明显差异,首先,河流是天然形成的,河流的流向、形状都有着不可估计的特点,不规则的形状对人工提取算法的适应性难以预期。其次,建筑物数据常常包含明显的边缘信息,边缘与地表对比明显,而河流因为季节性流量的不同,冲积产生的边缘地带的坡度也不同,这给边缘的检测造成一定的难度。在LiDAR河流数据的采集过程中,由于地理条件约束,常常存在数据不均等问题。

边缘检测算子LiDAR河流数据提取算法先对数据进行插值,建立函数关系,再将插值的DEM进行DSM灰度处理,利用Robert边缘检测算子对河流进行提取,并将其与Sobel和Prewitt算子对比讨论其精确性特点和适用性,并利用均值滤波、灰度变化(坡度)差异分割的算法进行滤波处理,提取较高精度的地物边缘并获得较高精度作为准确的目标信息。

1 边缘检测算子

考虑到Robert算子、Sobel算子和Prewitt算子对边缘信息的敏感程度高,可适用于不同边缘强度的地物,且它们的算法简单、运行效率高,Robert算子对噪声敏感程度低,而Sobel算子对噪声有一定的平滑作用,Prewitt算子对噪声有相对较强的抑制作用,因此选用这三种算子对河流数据作分析性处理。三种算子梯度公式如下[3]:

(1)Robert算子梯度公式为

(2)Sobel算子梯度为

(3)Prewitt算子梯度公式为

Robert算子是根据对角线相邻像素之差近似梯度幅值来检测边缘,Sobel算子利用像素点上下左右邻域点的灰度加权差在边缘处达到极值来检测边缘,Prewitt算子与Sobel算子类似,使用两向算子,水平方向和垂直方向,以两者卷积的最大值来作为像素点输出值。

2 实验分析

2.1 算法步骤

实验步骤如下:

(1)LiDAR点云数据高程拟合,内插DEM并生成DSM;

(2)通过梯度变化设置初始密度区间(d1,d2)并设置原始的梯度阈值T;

(3)密度分割生成DSM并作均值滤波处理;

(4)利用边缘检测算子提取目标地物并再次做均值滤波处理;

(5)利用二分法计算新的密度区间,计算梯度t;

(6)重复步骤(2)～(4),直到t小于设置的梯度阈值T;

(7)对获取的DSM图像进行灰度的反算和二值化处理;

(8)输出获得的目标地物图像。

2.2 DEM插值

将离散的点位信息插值为具有连续性的DEM首先要进行高程的拟合,即通过一定的函数关系利用已有的点云数据来拟合地表起伏信息,对于待定点P(X,Y,Z),其点位预告称之间的函数关系为

采用的拟合算法为线性拟合地面模型,将Li-DAR数据按照规则格网的采样建立DEM,格网大小为1 000×1 000,间距约为2 m。

点云图像与插值后的DEM对比见图1。图1中数据采自某山谷一河流。从点云数据可以看出其数据分布不均匀,有些地方数据密度大,而有些地方数据密度小,河流主河道较为清晰,而支流较为模糊。经DEM插值后,建立了山谷的数学上的表达关系,还原了山谷的地形地貌。

图1 点云图像与插值后的DEM对比图Fig.1 Comparison between point cloud image and DEM after interpolation

2.3 密度分割生成DSM

(1)灰度量化DSM影像 将生成的DEM的高度值按照下式进行灰度量化[2]:

其中:Z为点云数据的高程;Gi为DSM图像素的灰度值。

灰度量化后的DSM图见图2。图2保留了原DEM插值时点位与高度的线性关系,同时通过灰度值突出了地面起伏的变化,便于后续的地面目标物的提取。

图2 灰度量化后的DSM图Fig.2 DSM after gray-scale quantifying

(2)均值滤波 原始的点云数据在生成DSM过程中会保留下来一定量的噪声,出现这些噪声的原因主要有两个方面:①原始的点云数据存在噪声;②在插值的过程中由于选取的插值方法不能很好地拟合部分区域的高程信息产生的错误。

对于上述噪声,可采用均值滤波的方法对图像中的噪声予以滤除,其梯度公式为[4]

其中:S是中心邻域内像素点的集合;M是集合内像素点的个数;T为设置的非负灰度阈值,当像素点和其邻域内点的灰度平均值大于阈值T,就用其代替该点的灰度值。

2.4 边缘检测

利用Robert算子、Sobel算子和Prewitt算子分别对河流提取数据,其结果见图3。

从图3可以看出,Robert算子得到的河流影像仍然存在一定的噪声,但其表达较为清楚。Sobel算子和Prewitt算子由于盲目地噪声抑制的特点,检测提取的DSM图十分模糊,虽然噪声少但目标地物不突出。可见在边缘检测中,Robert算子对边缘信息具有更高的敏感度和精确性,也更加适用于该类边缘不明显的地物的提取。

图3 边缘检测提取河流的结果Fig.3 Result of picking up river by edge inspection

在使用边缘检测算子进行地物提取的过程中仍会出现以下问题:(1)非目标地物的处理。非目标地物如果没有得到很好的处理很有可能产生新的噪声点,这类噪声点与目标地物一般有较大的差别。在获取原始点云数据过程中,获取手段是盲目的,不具备选择性,因此此类噪声点云必然存在。(2)在获取原始点云数据过程中产生的粗差,这类噪声点其实为错误点云,其产生的原因十分复杂,一般是在激光扫描的路径中存在一些非地物的各类影响。这类噪声点极容易带到我们后期处理的DEM、DSM图像中。

这类噪声点带来的主要问题是:由于噪声点的突出性,往往会将一些我们想提取的但表达不明显的目标地物给掩盖掉,我们的目标地物河流的支流并没有明显体现出来。这些支流在采集时数据密度就很小,表达分辨难度大,加之噪声点(包括非目标地物点)与之灰度表达突出性对比处于强势地位,使之表达不明显。只有很好地处理这两类噪声才能很好地展现河流的全貌。

对于(1)类噪声算法选用2.3中密度分割DSM图像的反复处理,同时可以设置关于图像地形坡度(这里即影像灰度差)的阈值,在进行边缘检测时对图像做预处理,平滑阈值外的深度DSM图像。对于(2)类噪声用均值滤波处理,均值滤波考虑周围环境,对单独且突兀的目标点可进行平滑、滤除,这种方法也可用于检测并剔除遗留的(1)类噪声点。

噪声滤除后的河流影像如图4所示。图4(a)为坡度阈值分割后的DSM图,此处选用边缘坡度在0.2～0.6之间的坡度阈值。考虑到实际情况,此处为山谷河流,由于其常年的冲刷侵蚀地表较深,又处于山间,因此坡度变化较大。坡度大于0.6的区域被认为是独立山峰,而小于0.2的区域被认为是地表,都属于非目标地物。从图中被圈处可以看出,主要的支流已经得到明显的表达。图4(b)是均值滤波后的去噪结果,从图4(b)中可以看出,主要的噪声已被去除,河流更加清晰。

图4 噪声滤除后的河流影像Fig.4 River image after filtering noise

2.5 结果输出

选取上述处理图像对获取的DSM图像进行进一步的密度分割和滤波,然后通过灰度的反算和二值化处理,可得河流的最终提取影像见图5。

图5 河流的提取图像Fig.5 Picked up image of river

3 结论

从实验结果看,Robert算子对边缘信息更为敏感,无论数据边缘信息是否明显,都可以较好的识别,但由于其在边缘提取过程中对边缘识别的盲目性,常常会将一些非目标地物当成提取的目标地物,因此会留下较多的噪声点,需要进一步滤波予以剔除。而Sobel算子和Prewitt算子由于其噪声平滑的性质,其边缘提取后保留的噪声相对较少,但是其边缘也会一定程度上受平滑效果的影响而变得不明显,因此这两种算子不适用于该类地物提取。

LiDAR河流数据的提取较之建筑物提取有着明显的问题和难点,建筑物由于人地规划有着规则的形状和相对稳定的地域条件,河流无论从形状的不规则性还是地域条件的复杂性都给提取工作带来了许多问题。由于其形状的不规则,其边缘检测难度较大,地域条件的多变会造成数据密度精度的不同,如主流与支流、上游与下游,这也给数据辨识、提取工作带来了很大的困难。以上基于Robert算子的DSM灰度处理算法,通过对DSM影像灰度和地形坡度的处理,解决了上述目标信息提取过程中的难点,能够很好地识别目标地物(河流)并提取出来。

[1] 王琦.Lidar点云生成格网DEM模型的内插算法研究[D].北京:中国地质大学,2010.

[2] 崔建军,隋立春,徐花芝,等.基于边缘检测算法的LiDAR数据建筑物提取[J].测绘科学技术学报,2008,25(2):98-100.

[3] 连静.图像边缘特征提取算法研究及应用[D].长春:吉林大学,2008.

[4] 王文丽.各种图像边缘提取算法的研究[D].北京:北京交通大学,2010.

[5] Farooq M,Wang Daobo.Multiscale Edge Detection of Noisy Images Using Wavelets[J].Journal of Harbin Institute of Technology,2007,14(5):737-740.

[6] Ohtake Yutaka,Suzuki Hiromasa.Edge Detection Based Multi-material Interface Extraction on Industrial CT Volumes [J].Science China(Information Sciences),2013,56(9):1-9.

[7] 王蓓.基于LiDAR点云数据的建筑物边缘提取[D].西安:长安大学,2014.

[8] Kin SoRa,Kwak DooAhn,Olee WooKyun,et al.Estimation of Carbon Storage Based on Individual Tree Detection in Pinus Densiflora Stands Using a Fusion of Aerial Photography and LiDAR Data[J].Science China(Life Sciences),2010,53(7): 885-897.

[9] 赖旭东,万幼川.机载激光雷达距离图像的边缘检测研究[J].激光与红外,2005,35(6):444-446.

[10] 任建波,颉耀文,屈宏斌.基于平面多边形的不规则三角网分割[J].甘肃科学学报,2005,17(1):65-68.

Study on Getting Edge Detection Operator LiDAR River Data

Xu Jingxin,Huang Qihuan
(School of Earth Science and Engineering,Hohai University,Nanjing210098,China)

For LiDAR data has the disperse and discontinuous characteristic and hasn＇t clear function relationship in space,the problem is that the pick-up algorithm of present LiDAR data from terrain and surface features depends largely on auxiliary data and algorithm is only for surface features which has obvious buildings.The data about river has out-of-shape and unconspicuous edge feature,and nature reason causes that gradient information is changeful.The common data pick-up algorithm can＇t solve this problem.Robert edge detection operator is more sensitive to edge information,then,the experiment proves that,compared with Sobel and Prewitt operator,Robert operator is more suitable to pick up high precision river land feature edge with better precision and applicability,it can get more precisely target information.

LiDAR river data;Grayscale images;Edge detection operator

P237

:A

:1004-0366(2016)05-0010-05

2015-12-07;

:2016-01-04.

国家自然科学基金项目(41304025);江苏省自然科学基金项目(BK20130831).

徐晶鑫(1991-),男,江苏常州人,硕士研究生,研究方向为测量数据处理、三维激光扫描、LiDAR等.E-mail:1016938475＠qq.com.

Xu Jingxin,Huang Qihuan.Study on Getting Edge Detection Operator LiDAR River Data[J].Journal of Gansu Sciences,2016,28(5):10-14.[徐晶鑫,黄其欢.边缘检测算子LiDAR河流数据提取的研究[J].甘肃科学学报,2016,28(5):10-14.]

10.16468/j.cnkii.ssn1004-0366.2016.05.003.