一种基于空间滤波方法的地性线特征智能提取方法探究

赵迪　陈哲夫　莫操湖　金古月

摘要：首先采用高通滤波方法去除DEM影像中的低频变化特征，然后使用经验阈值生成二值化影像，突出显示地性线的带状特征，最后引入细线化算法，将地性线的带状特征缩减为一个像素宽度，实现地性线的轴线辨识。经过实验证明，该算法相比于传统的线性提取方法，执行速度快很多，但是由于仅是几何意义的处理，与实际地形特征的误差会增加，因此可以采用叠加高程数据进行校准。

关键词：地性线;DEM;高通滤波;二值化

中图分类号：TP391.41

文献标识码：A

DOI： 10.15913/j.cnki.kjycx.2019.11.025

1 引言

目前已有很多算法可以自动提取DEM影像中的线状特征，其中最常见的是地性线和河流的线性提取，由此提高水文地质资料的提取效率[1]。但由于地形资料的复杂性和不确定性，尚未有适应所有环境的完美算法，并且许多算法的复杂度很大，因此设计一种智能化的线状特征提取算法仍然是必要的。

由于DEM影像是一种栅格影像，其数据存储可以看作是一个矩阵[2]，因此本文尝试引进矩阵计算中的数种技术，应用于DEM影像，以达到智能化提取地性线的目的。其中主要过程包括空间域的高通滤波和低通滤波、DEM影像的二值化处理和图元辨识的细线化算法等。

2 算法设计

2.1 DEM影像

DEM影像一般以灰阶形式表示，影像图中的最高点和最低点分别对应全白值和全黑值[3]，同时每一个数据点的位置对应一个像素，颜色根据其高程值用不同灰阶表示，原始图像如图1 （a）所示。

DEM影像的高程值单位一般是米，但由于可用的灰阶数量只有256位，因此许多相近的数值用相同颜色表示，导致视觉效果不明显，即使可以人为提升灰阶数目，但是由于人的视觉分辨能力有限，提升灰阶数目后对于读图者正确识别DEM影像中的实际物体帮助不大。

2.2 DEM影像的滤波过程

想要解决上述问题，就要用有限的灰阶数目准确地描述DEM影像中的地性线，一种合理的思路是对DEM影像进行空间滤波处理，具体是将DEM影像变化的低频区域变化过滤只显示高频区域图形，高通滤波结果如图l（b）所示。此外，通过赋予数据点周边两侧一定范围内的高度均值，可以降低空间高频变化平均计算的误差，最终得到低频背景的影像变化，此种过程可以称为DEM影像的空间低通滤波，低通滤波结果如图1 （c）所示。

如果用原始DEM影像和空间低通滤波结果进行栅格减法计算，则原始影像中的低频数据被移除，而剩余的高频地性线特征成为可视化重点。但是由于本身的高度范围并没有变化，因此栅格减法计算结果中的绝对高度落差减少，在灰阶数目仍然是256的环境下，地性线的特征变化相比之前的在视觉效果上有更佳的对比度。

2.3 DEM影像滤波的覆盖设计

在DEM影像处理过程中，一般用矩形覆盖执行空间滤波过程，例如3x3的矩形覆盖，是将周边9个数据点的平均值看作新值（包括本身）。而对于上述思路设计而言，首先覆盖需要获取背景上的低频地形，即通过移动平均过程使山脊、山谷等地性线在执行运算过程中被移除。因此，矩形覆盖的长宽必须要大于地形特征的实际宽度和测量精度，通常数十点宽度就可以满足基本需求，可以看作是大尺度的影像处理，此时，必须考虑物体周围一些方向对称性的问题。DEM影像滤波的覆盖设计如图2所示。

方向性不合理的覆盖如图2（a）所示，一般意义的覆盖，A点与中心C点的实际距离大于B点与中心C点的实际距离，但是在图上的可视化效果上，认为A点在矩形覆盖内部，而B点在覆盖外部，与实际情况正好相反，使得对角线方向的视觉效果得到过多的权重，和其他方向的权重值差值过大，因此需要调整。而在矩形覆盖中，只需将处于圆形半径范围内的数据点看作覆盖运算的有效点，用实心符号表示，而其余点不参与计算，以空心符号表示，即可设计出一种无方向性的圆形覆盖，如图2（b）所示。经过实验证明，此种覆盖设计可以有效提高DEM影像的可视效果，缺点是计算复杂度稍有提高，但对于小数据量运算而言，电脑性能的影响可以忽略不计。

2.4 DEM影像的二值化

一般DEM影像分辨的基本步骤是：①使用图像处理技术增强识别目标视觉特征;②选择阈值，将DEM影像进行二值化处理，使得识别目标地性特征凸显为黑色;③将目标区域进行细线化处理，以获取地性特征的中心点或者中心线的坐标数据。对于本文中的方法，高通滤波过程实际上相当于第一步，可以将目标物体的地形特征进行强化，得到二值化处理结果，图l（b）二值化的结果如图3（a）所示。

2.5 细线化

细线化的目的是将带状目标缩减为只有一个像素点的细线，达到针对性减小目标区域面积的目的，增强视觉效果。其中的关键在于如何逐步删除目标点的同时不截断线条，且不能改变端点位置，以保证地形轴线数据不被缩短或者中断。数据点的具体类型可以分为端点、连线中一点、分叉线条的交点和一般的区域边缘点。如果检查点是端点、连线中一点或分叉线条的交点，则予以保留，而如果是一般的区域边缘点，则予以删除。将全图数据点全部检查完成后，一次性将标记为删除的点全部删除，完成目标区域的细线化操作，重复直到最后没有可以删除的点，图3（a）细线化的结果如图3 （b）所示。

3 結论

综上所述，对DEM影像经过空间高通滤波、二值化、细线化后，可以获得可视化效果良好的地形特征影像。本文设计方法的最大优势是引入滤波方法用于处理DEM影像，充分发挥了商业化软件的技术优势。

与传统意义的线状特征提取方法相比，本文提出的细线化方法没有考虑DEM影像的原始高程，得到的轴线实际上是带状目标的几何缩减中心线，不能够保证为横断面的最高、最低点，但是执行速度大大提升，并且可以用高低通空间滤波方法减少此种误差，或者在细线化结果上叠加原始高程信息，以校准轴线位置。

参考文献：

[1]陈俞玮，应骏，王沛.一种改进的空间滤波除噪算法在道路识别中的运用[J].上海师范大学学报（自然科学版）， 2018， 47 （2）： 258-262.

[2]蔡勇智，夏龄，莫泓铭，等.基于Matlab的空间滤波的实现与仿真[J].洛阳理工学院学报（自然科学版），2015，25（ 1）： 55-57.

[3]陈闪闪，朱春雷，朱俊臣，等.基于静态小波分解的空间滤波信号降噪方法[J].数字技术与应用，2016，65（5）：91-92，94.