遥感图像中基于视觉机制的铁路自动重建方法研究

肖洁　吕晓蕊　黄丽

摘要：近年来，遥感技术有了很大的进步，可以获得非常精确的结果和高分辨率的图像。有可能的方法利用这些数据来重建铁路。提出了一种基于Gabor滤波的铁路遥感图像自动重建方法。该方法分为三个步骤。首先，利用Gabor算法对遥感图像中的铁路边缘特征（如线路特征）进行检测。其次，对滤波方向垂直的两幅响应图像进行融合，抑制噪声，得到一个长条纹平滑区域。第三，首先利用Otsu方法计算前一幅结果图像的全局阈值，然后根据该阈值将其转换为二值图像，从而提取出一组光滑区域。该工作流程在一组遥感图像上进行了测试，并发现以快速和高度自动化的方式提供了非常准确的结果。

关键词：遥感图像，Gabor滤波，铁路提取，空间分辨率。

1.概述

公共交通部门对地理空间数据的需求巨大。现有数据集的更新和对象的数字化实现变得至关重要。铁路公司需要这些信息，以便进行内部规划和遵守国际标准，特别是关于铁路安全的标准。到目前为止，收集这些信息是陆地测量的一个领域。然而，检索所需信息的费用很高，人们寻求替代方法。遥感技术是在不同尺度上监测和评估地球表面和大气的有力工具。随着极高分辨率航空图像的出现，这些数据在城市和环境研究中的应用得到了很大的努力。通过遥感数据绘制铁路基础设施地图成为可能。

有的学者提出了一种结合极高分辨率正射影像和密集机载激光扫描点云重建轨道中心线的方法。进行特征级数据融合，以便结合两个数据集的优点，并实现最大的准确性和完整性。有的学者提出了一种两阶段提取铁路的方法。根据置信方向直方图计算初始方向，得到两条轨道的精确方程组，最后将相邻两条轨道线方程组插值得到铁路中心线。有的学者将高分辨率航空遥感数据中铁路轨道的线性特征应用于铁路轨道的精细提取。该方法结合铁路路基的频谱特征和局部地形特征，提取机载激光雷达数据中的铁路区域。本文提出了一种基于Gabor滤波的铁路遥感图像自动重建方法。

2.模型

在高分辨率遥感图像中，铁路的性质可以分为两种基本类型：光谱性质和几何性质。铁路是线性的，宽度的范围是已知的;铁路内部的辐射测量是局部均匀的;铁路和背景之间有显著的反差;它的曲率是规则的（例如，铁路可以被认为是局部直线）。图像尺度也必须考虑在内，因为图像中铁路的外觀取决于图像尺度。在小尺度图像中，铁路以线特征出现，而铁路交叉口是点特征。在大比例尺图像中，由两个平行边界限定的均匀区域中的铁路段，在该区域内表面的性质是可测量的。

基于log-Gabor滤波的铁路中线遥感图像自动重建分为三个步骤。首先，利用Log-Gabor算法对遥感图像中的铁路边缘特征（如线路特征）进行检测。其次，在滤波方向相互垂直的情况下，选取两幅log-Gabor Fireglter响应图像来抑制噪声，得到一个长条纹的平滑区域。第三，首先利用Otsu方法计算前一幅结果图像的全局阈值，然后根据该阈值将其转换为二值图像，从而提取出一组光滑区域。

本模型使用Gabor滤波器来计算图像中的纹理能量。使用Gabor fireglter在四个首选方向上检测遥感图像中的线路铁路特征（如长线）。滤波器中的中心频率参数是根据遥感图像的空间分辨率获取的。因铁轨布置规范，铁轨边界线间距在20米以内（城区不少于8米，城郊居民区不少于10米，村居居民区不少于12米，其他区域不少于15米）。在给定空间分辨率（米/像素）的情况下，铁路在图像中的规则宽度约为R像素，在空间域中可以将20/R计算为波长，将波长的倒数作为铁路纹理的频率，进而在Gabor滤波器中设置中心频率参数。

经过Gabor滤波后，获得响应图像。我们选择两幅滤波方向相互垂直的Gabor Fireglter响应图像。为了抑制噪声，获得平滑的空间区域，对两幅图像进行线性可分离高斯滤波器卷积平滑，并进行二倍抽取子采样。

由于局部地区的铁路只在一个方向上产生线路特征，当方向差为90°时，在一个方向上出现的线路特征响应不会在另一个方向上出现。在两幅图像上应用铁路区域检测操作，应用逻辑异或运算。可以保留两幅图像中长条形的铁路，而通过两幅图像中有纹理响应的住宅等物体。然后，首先利用Otsu方法计算前一幅结果图像的全局阈值，然后根据该阈值将其转换为二值图像，从而提取出一组光滑区域。平滑区域可作为铁路区域的初步结果。对于给定的二值映射，通过应用区域属性操作来测量二值图像中每个斑点区域的属性。例如，“偏心度”反映椭圆的偏心度，该椭圆具有与区域相同的二阶矩，其值介于0和1之间。（偏心为0的椭圆实际上是圆，而偏心为1的椭圆是线段。）一条看起来像长条状区域的铁路可能有一个接近1的偏心值。如果当前的任务是搜索一条铁路，那么通过搜索偏心度接近1的斑点来达到目标要容易得多。

3.实验

本文在matlab2014开发环境下实现了该方法，并在2.80GHz Pentium CPU和4 GB内存的计算机上进行了测试。数据集包括60幅空间分辨率在2m/像素到6m/像素之间的遥感影像。60幅800×800像素分辨率的图像（IKONOS卫星图像）包括57条铁路。应用该方法对51个铁路区域进行了正确识别，识别率为89.5%。

4.结论

本文提出了一种基于Gabor滤波的铁路遥感图像自动重建方法。与文献中的大多数研究不同的是，该方法不需要任何训练数据来进行铁路区域检测。相反，我们使用Gabor滤波器来提取不同方向的空间铁路特征（如长线）。然后，对图像的输出进行处理，得到平滑的铁路区域。最后，在对铁路区域进行标记和后处理后，确定图像中对应的铁路。该方法不需要大量的聚类或分类时间，且图像的先验信息很少，因此能够快速地检测出铁路。而且，方法中没有附加其他约束。为了给我们的方法提供实验依据，我们在不同的航空和卫星图像上进行了测试，得到了令人鼓舞的结果。

参考文献：

1.王华，韩正，王正，“一种从高空间分辨率图像中提取铁路中线的方法。”遥感技术与应用，28（5），761-765（2013）.

2.通讯理论。IEEE。日本电气工程师学会学报。93，429-457（1946）。

本研究得到了武汉铁道职业技术学院招标课题（编号： QZB202003）、武汉铁道职业技术学院科研创新团队（编号：CXTD201901）的资助。