高分辨率遥感影像中提取道路网的新方法设计.docx
《高分辨率遥感影像中提取道路网的新方法设计.docx》由会员分享，可在线阅读，更多相关《高分辨率遥感影像中提取道路网的新方法设计.docx（19页珍藏版）》请在冰点文库上搜索。
高分辨率遥感影像中提取道路网的新方法设计
目录
1引言3
2对遥感的认识4
2.1遥感的发展4
2.2遥感的分类4
2.3遥感影像道路提取的定义6
2.4遥感影像矢量化7
2.5遥感影像提取道路的特征性7
2.6遥感影像处理过程8
2.7遥感影像道路网提取的过程8
3高分辨率遥感影像中道路网提取划分9
4提取道路的方法汇总9
4.1数学形态学方法提取道路影像9
4.2平行线法提取道路影像10
4.3模型法提取道路影像10
4.4滤波法提取道路影像11
4.5辐度和波普角法提取道路影像11
4.6水平集函数提取道路影像12
4.7变换系数非抽样方法提取道路影像12
4.8其他方法12
5新的方法13
5.1思路和设计过程13
5.2成果比较16
5.3结论18
6结束语19
致谢20
参考文献21
高分辨率遥感影像中提取道路网的新方法设计
摘要
高分辨率遥感影像中道路网的提取是地理信息数字化和网络化的需要。
借助已有的数据和成果，介绍了高分辨率遥感影像上道路网提取的方法和思路步骤，从提取要素层次、建模方法、中间处理手段的角度，对现有的道路网提取方法进行了分析，最后指出了在高分辨率遥感影像道路网提取方法中，所遇到的问题比如：
要解决的遮挡、地物复杂等问题。
对于已有的技术和方法，提出了一种新的思路，即：
运用光的三原色红光、绿光、蓝光，能搭配成其他光色的原理。
用两三种相同底片不同成像方法生成新的影像。
之后进行了对比和总结。
关键词：
高分辨率/遥感影像/三原色/道路网提取
REVIEWONTHEMETHODSFORROADNETWORKEXTRACTIONFROMHIGHRESOLUTIONREMOTESENSINGIMAGES
ABSTRACT
HighResolutionRemoteSensingImagesseparatedfromtheextractionofroadistheneedofgeographicinformationnetworkanddigitalnetworks.Bymeansofexistingdataandresults,Iintroducedthemethodsandstepsinextractionofroadnetworkinhighresolutionremotesensingimages.Extractedfromtheelementlevel,modelingmethod,andbyintermediateprocessingmethod'spointofview,Theexistingroadnetworkextractionmethodwereanalyzed.Finallypointsouttheproblemsinit.Forinstance,tosolvetheshelter,featurescomplicatedandsoon.Thispaperproposesanewtrainofthoughtwiththeexistingtechniquesandmethods.Thisisbyusingtheprincipleofthreeprimarycolorsoflight,whichnamedred,green,andbluelight,itcanmatchintootherlightcolor.Withtwoorthreekindofthesamefilm,itcouldgenerateanewimagebydifferentimagingmethods.ThenIContrastedandsummarizedit.
KEYWORDS:
highresolution,remotesensingimage,threeprimarycolors
1引言
中国步入遥感技术的行列已经有十几年了，但真正的高分辨影像探索其实很短暂，较之发达国家，还有很大的差距，如何从高分辨影像中提取所需的高质量的信息，也是当下研究的热点问题。
遥感图像的数字处理为我们提供了理解地物信息的另一种方式，遥感图像在国民经济建设和国防建设中的各个领域如：
测绘、制作、编绘各种地形图；环境与灾害监测应用，地质调查；农林牧业，考古、旅游资源开发；资源探测与开发等方面都会或多或少的用到遥感图像的数字处理技术。
由于高分辨影像反映的内容丰富，事物广泛，尤其是现在地面施工工艺的多面性和建筑材料的多样性，已经迫切需要遥感技术的提高。
当前形势下，伴随遥感技术的日益成熟，影像在地面的分辨率越来越高，地面影像的复杂和要提取的信息也越来越丰富。
另一方面，高分遥感影像为国土测绘、国土资源的实时监测和变更提供了依据，我国已有311个地级市开展数字城市建设，其中158个数字城市已经建成并在60多个领域得到广泛应用，同时最新启动了100多个数字线与建设和3个智慧城市建设试点。
从这一点，高分辨率影像的研究和应用是必须重视的。
又因为道路信息是组成遥感影像重要部分，尤其是中国城镇化进程不断加速，造成道路建设和道路导航一直在更新，一直在变化，因此从高分辨率遥感影像中提取道路网是遥感和航测技术中所要解决的问题。
但是道路提取并非容易，尤其当前道路施工技术日新月异地发展。
由原来的地面形式变为立交道路形式，道路周边的设施变化，水上工程不同，建材石料的选择等，给提取道路的工作带来了技术上的障碍。
一直以来，技术人员通过建模，克服了许多问题，提出了很多思路，在慢慢积累中取得了不小的成果和可行性技术，也提出了多种提取道路网方法，在一定的范围和领域中能得到适用。
这类成果也成了现在研究的热门。
比如我们课本上学过的和老师介绍过的。
2对遥感的认识
2.1遥感的发展
遥感技术发展体现在：
20世纪60年代遥感开始发展起步，到发射的第一颗资源卫星，陆地卫星，其搭载的传感器，能够达到90m的空间分辨率。
后来出现的第二代遥感卫星，其分辨率提高了60m，到第三代遥感卫星极高空间分辨率，达到了用来绘制和补测地形图的要求。
遥感平台的发展也是一个方面，从航天飞机，宇宙飞船等有一定时间间隔的中短期观测发展到以国际空间站为主的多平台、多层面、长期的动态观测。
尤其是近年来小卫星的发展实现了任意时间获取卫星影像的能力。
借助于它们，能够获取高分辨率的成像光谱仪数据。
多极化方式多波段的，能解决阴雨多雾情况下的全天候和全天时对地观测。
遥感图像处理硬件设备方面开始由光学处理设备向数字处理系统，内外存超大，速度超快，实现了处理海量遥感数据。
网络的覆盖将使数据实时传输和实时处理成为现实。
遥感图像处理软件系统更是不断翻新，由原来的视窗方式，到现在的智能化水平。
2.2遥感的分类
按照探测波段进行分类四类：
波长在0.05-0.38μm；波长在0.38-0.76μm；波长在0.76-1000μm；波长在1mm-10m范围。
分别对应着紫外线波段，可见光遥感波段，红外遥感波段，微波遥感波段。
（如表格1所示）
如果按工作方式划分：
主动遥感与被动遥感。
按使用领域划分外层空间遥感、大气层遥感、陆地遥感、海洋遥感。
按成像方式分为非成像遥感与成像遥感。
波段
波长
特征
应用
紫外波段
0.001—0.38μm
大气对紫外线吸收较强；能使溴化银底片感光；太阳光谱中只有0.3-0.38μm的光到达地面，对油污染敏感
用于测定碳酸岩的分布；用于油污的监测
可见光波段
红
橙
黄
绿
青
蓝
紫
0.38—0.76μm
0.62—0.76μm
0.59—0.62μm
0.56—0.59μm
0.50—0.56μm
0.47—0.50μm
0.43—0.47μm
0.38—0.43μm
由红,橙,黄,绿,青,蓝,紫光组成；人眼对可见光有敏锐的分辨率；是遥感技术应用中的重要波段
鉴别物质特性的主要波段；以光学摄影或扫描方式接收和记录地物对可见光的反射特征
红外波段
近红外
中红外
远红外
超远红外
0.76—1000μm
0.76—3μm
3—6μm
6—15μm
15—1000μm
近红外性质与可见光相似；中红外、远红外和超远红外为热红外
红外遥感可以在夜间工作；红外线不易为天空微粒所散射，比可见光优越
微波
毫米波
厘米波
分米波
1mm—1m
1mm—1dm
1dm—1m
能够穿透云层、植被和一定厚度的冰和土壤，具有全天候工作的能力
常用主动式和被动式遥感，雷达遥感所用的就是微波
表格1各个波段的特点
2.3遥感影像道路提取的定义
遥感是在不直接接触物体的情况下，对目标或者自然现象进行远距离探测和感知的一种技术。
遥感技术收集地物目标的电磁辐射信息，判读地球环境和资源的一种技术。
它是60年代在判读和航空摄影的基础上随电子计算机技术和航天技术的发展而逐渐形成的一门综合性的感测技术，具有综合、快速、宏观、动态、多层次、多时相的优点。
从1972年第一颗地球观测卫星Landsat的成功发射使遥感技术迅速得到普及。
而最近几年来，随着GPS和GIS技术的发展，遥感技术和它们紧密结合，使得3S技术发展更加迅猛。
道路即我们生活中出行的路面，有土路、公路、高速公路、铁路等等。
道路网提取指的是一种手段和技术。
我们要讲的是遥感影像道路网，由于影像上道路信息丰富，错综复杂，就要求遥感影像道路网提取技术具有实用性、先进性。
当前依赖的是计算机技术，将航片或者卫星影像传输进电脑，加载应用程序，分析影像上可以使用的道路信息，或者借助人工交互的方法，在影像上挑选出需要的点线面结构。
实际应用中，由于道路结构的特殊性，依靠单一的手段和方法，不能都取得相同的效果。
比如管制线路，道路围栏，指示灯具，交岔口的类型都不一样，造成了许多麻烦。
以此根据道路网图像特性对其进行适当分类，是提取方法研究中必不可少的步骤。
面对当前形势，提取道路更多的在城镇上应用。
它们的道路材料相差无异，分布规则，结构简单（线型结构明显），材料种类局限，为我们遥感影像道路提取的工作者，铺垫了一定思路。
遥感影像处理属于内业处理部分，主要包括遥感图像的几何校正、辐射校正、镶嵌、接边、地物分类，制作4D产品。
遥感道路提取是其中一部分。
2.4遥感影像矢量化
首先扫描高分辨遥感影像，制成JPG格式的文件存入电脑，通过一般处理，去除噪音，阴影，并且做到图像融合。
最后得到栅格图。
这里介绍国产MAPGIG的矢量化过程：
先进入MAPGIS软件，打开保存的栅格图；再进行图像匹配，后生成Tab格式的文件；再点击编辑，导入该Tab文件，设置需要的图层，在相应的图层上，进行矢量化采集。
对于道路而言，这种提取效率是很低，但提取效果很好。
2.5遥感影像提取道路的特征性
大概包括有几何特征、拓扑特征、辐射特征等。
比如：
色调变化具有层次感，一般如课本上所说，道路由混凝土制成，颜色亮，在光谱成像中很容易辨别。
比如：
道路阴影，和一般建筑物阴影不同，建筑物的阴影是由于光线的倾斜方向，和成像角度造成的；而道路的阴影是由于两边的树木、道路上车辆和道路口之间的天桥造成的。
也就是说处理它们的方式是不同的。
拓扑关系，比如：
广泛使用的沥青柏油马路和混凝土材料。
这就要求在识别的过程中建立起它们的联系。
或者延伸到图像的边界外：
这是图像之间融合要考虑的，在相邻的影像之间，需要把处理好的或者原始的影像融合完整。
2.6遥感影像处理过程
图像的几何精校正、图像匹配、图像镶嵌。
精纠正是消除图像中的几何变形，产生一幅能够表达的图像。
可以用一个适当的多项式来模拟两幅图像间的相互变形。
配准的过程分两步。
首先在多源图像上确定分布均匀，足够数量的图像同名点，然后通过所选择的图像同名点确定几何变换的多项式系数，从而完成一幅图像对另一幅图像的几何纠正。
它包括两个环节：
一是像素坐标的变换，二是对坐标变换后的像素亮度值进行重采样。
影像几何精校正处理过程如下：
根据图像的成像方式确定图像坐标和地面坐标之间的数学模型；根据地面控制点和对应像点坐标进行平差计算变换参数，评定精度；对原始图像进行几何变换计算，像素亮度值重采样。
图像配准的实质就是遥感图像的几何纠正，根据图像的几何畸变特点，采用一种几何变换将图像归化到统一的坐标系中。
图像之间的配准一般有两种方式：
图像间的配准，即以多源图像中的一幅为参考图像，其他图像与之配准，其坐标系是任意的。
再就是绝对配准，即选择某个地图坐标系，将多源图像变换到这个地图坐标系以后来实现坐标系的统一。
图像配准通常采用多项式纠正法。
图像镶嵌指的是影像片之间的连接处理，需要考虑到接缝，相同点识别，色调不同的影响。
2.7遥感影像道路网提取的过程
分为四个步骤：
第一是，对道路进行滤波、图像增强；第二是低层次处理，比如二值化、灰度、顶点、方向和边缘的选取；再就是包括建立规则、理论模型，识别和分析，第五步是道路网，包括道路标示、样式、运行的处理。
对于不同的道路，学者给出了不同方法。
针对分辨率，道路区域，比例尺，影像类型选择了不同的提取方法。
比如Marr视觉理论[1-2]，学者把常用的方法总结成了4个步骤，就是上一段写到的。
3高分辨率遥感影像中道路网提取划分
根据目前自动化的程度，分为半自动和全自动提取[3]。
半自动是先把待处理分析的道路信息，影像信息输入进电脑，参照计算和程序给定道路上的初始点和方向线，人机交互计算出需要的道路网。
全自动提取是指，不需要多次人机交互，由电脑操作完成。
但是到目前为止，全自动提取效果还不理想，为了确保线路的正确性，人机交互是少不了的。
现在全自动是研究的热点，一些学者通过特征点的选择，通过对特征要素进行有层次的划分，把高分辨率遥感影像中提取道路网的方法归为两类：
1
边缘特征
2
面向对象
4提取道路的方法汇总
4.1数学形态学方法提取道路影像
数学形态学用于遥感影像道路提取是一种很有效的方法，有不少学者进行了研究[4]。
该方法对图像的分析分类是依据参照物的几何变形，数学形态学的基本思想是建立起参照模型集合，其中含有各种固定的形态结构元素，按照一定度量和提取规则，选取影像中的相关的地物几何结构，从而获得对图像识别和加工的目的。
而结构变形是由完整的逻辑过程和形态组成的几何特征所决定，形状变换的复杂度也依赖结构元素的形状和大小。
因此运用数学形态学进行图像处理的重中之重是几何结构的生成和选取。
由于城镇化的发展和遥感影像高分辨率的不断改进，地表的几何结构和形态相连的信息提取变得越来越庞大和充实，最后导致了各类元素和地表信息的选择变得不可行。
4.2平行线法提取道路影像
蔡涛等研究学者[5-6]通过这种手段，实现了从多波段遥感影像上提取道路网的方法。
它的方法是首先确定路面几何结构平行，把道路两旁的边缘线看成一对平行线，将平行线段制成能够识别出来的符号。
在影像图上，把道路上相同的点连接成线，再将各个线段连接起来，通过融合各个波段使它们成面。
这个过程中要先识别影像中突出的道路，再利用多波段图像中的互补性、冗余性，可以准确对道路进行描述。
高分辨率遥感影像中道路的几何结构线是有一对平行线构成的，它们组成了道路网的边缘，借助边缘线构造模型是提取道路网的一种重要方法和手段。
基于边缘特征的道路提取的方法，关键是利用道路边缘上平行的线，使用计算机提取道路边缘信息。
“桥接”（Bridge-Link）模型[7]，通过宽度的变化，识别其中符合定义的道路。
它是利用多权重算法提取边缘的，比较另外一种基于直线的自动提取方法[8]。
该算法先将特征点模型化，再把图像分成小的单位，在小的影像上，消去多余的信息，将留下来的连接起来。
这个过程考虑的关键是如何将他们剔除掉，文中作者使用了高斯分布函数，实现了全自动提取要素。
但它的算法也有不足：
对于各种道路而言，会把部分需要的信息特征点忽略掉，造成最后显示线性结构与实际不符。
4.3模型法提取道路影像
首先模型法是设计拟合目标成一函数式，再抽象成与原图像相联系的函数表达式。
通过对各个像素点颜色、灰度等联系分析，自动地选取对应影像的阀值，用该阀值提取道路信息[9]。
它的步骤如下：
一、预处理，选取初始点；二、求初始点函数表达式，用多项式法求参数；三、求该函数表达式最小值，以此划分各个路段；四、各个路段连接，选取相应的交岔点。
比如Hough变换的方法处理影像[10]。
Hough变换能够克服误判的影响，但它局限于道路段长度阀值的选择。
Hough变换的过程是：
先检测路网的的组成线段，再检测出它们之间的距离。
比较幅度法，该函数中所定阀值部分是自动选取的，最小阀值是操作人员手动定下来的。
阀值太小的话，道路段多，道路边缘连接的时候不能完整闭合，阀值太大的话，道路段少，不利于道路两边岸的闭合[11]。
4.4滤波法提取道路影像
还有滤波法[12]：
滤波法是对遥感影像进行滤波处理，在影像上选择特征线，连接、组织等，进而完成道路网的选取。
滤波法的优点是能够快速准确的提取出道路边缘特征和道路中心线特征。
比如设计一个高通滤波器和统计滤波器，把选取的信息传递到指定的位置，完成线路网信息的分析与检核。
滤波能够突出影像片上地物的线性结构，集中起来的滤波用来除掉高通滤波后产生的噪声，把高出和低于阀值的去除，锐化选定的特征点，突出遥感图像中的某些信息，削弱或除去某些不必要的点、线，使图像易于判读。
此外它还能获取低频信息。
图像增强的实质是增强保留下的目标和它周围图像间的色彩对比。
它不能增加原始图像的信息，有时反而会损失掉一些信息。
最后制成模型化地矢量图，再对其各个定位，如前面介绍的预处理几个操作步骤，最终完成有用的道路网信息的选取。
4.5辐度和波普角法提取道路影像
辐度法就是道路辐射特征表现在道路的中心线的灰度跟其他特征点比较，灰度值小，颜色明亮[13]，以此选择特征点连接和几何处理。
该算法的优点是简化了过程，选出来的道路几何形强，选定一定的阀值，在一定的灰度范围，确定要找的道路。
还有一种算法是介绍波普角[14]，以像素作为出发点，求出线路段特征点处的波普角，用一定的算法对道路边界检查，这样就得到了道路影像。
详细的过程在文献9中。
该算法优点和灰度值提取的方法一样，方便简洁，速度快。
缺点是效果不理想，道路信息不完整，需要人工进行修改。
4.6水平集函数提取道路影像
这是一种主成分分析的彩色区域生长算法，它能根据道路的颜色特征，先对道路进行分割，然后根据预分割的结果构造水平集函数[15]。
它的优势在于，对于非城镇道路而言，比较适用，水平集改正能够使崎岖不平的道路，转化为平整道路来处理，对于路面上车辆，阴影都能起到恢复效果。
最终使少量不明显凹陷的边缘向外扩，还原为平整的；少量不明显凸出的边界向内收缩，这样以来该水平集方法可以让曲线越过障碍物，为提取道路边缘提供了可行和方便。
4.7变换系数非抽样方法提取道路影像
这是一种基于转化系数，选取一定参照点，对任意方向上的系数进行二值化，再用这些特征点作为种子点进行跟踪的遥感影像道路网重建成模的过程。
它的算法过程是算出各个方向和范畴内的数据模型，通过该模型变换为系数模型，再固定给出界面范围尺寸，比较它们在对应方向和相同方位上建模系数的最大数,以此数值的各个点当成特征点；再通过相应的阈值将任意方位的建模进行二值化和变化系数,去除了小范围尺寸的地物几何体，再挑选特征点为基础基本点对线路网识别。
4.8其他方法
图像二值化是设定阀值，挑选中心线的过程。
先用数学形态学方法对路面结构细化，再选出各个中心点并连线。
还有向量机方法，它是一种高分辨率遥感影像上自动提取道路的方法。
该方法利用高斯马尔可夫随机场纹理模型提取遥感影像的基本特征[16-17]，对道路段分化获得线路中心线，记录下来它们的长度尺寸，最终依据逻辑式要求，依次将中心线拼接获取得到线路构造。
该方法缺点是：
线路周边布局着多余地物信息，区间存在着道路位移、残缺、不整和过度拼接。
最后还有一种是基于规则知识的算法[18]：
利用几何结构、灰度等等，辨别道路周围光谱特征相似的地物。
5新的方法
5.1思路和设计过程
5.1.1基于三原色原理处理遥感影像
因为现在遥感技术重在建模和方法，像上文提到的，诸多方法中缺少传统方法的研究。
我的想法是基于三原色原理，通过对Hough变换和数学形态学、多尺度全方位结构元素的数学形态学、数学形态学和形状指数这三种方法共同运用，校正同一遥感影像的方法。
三原色的原理是：
任何颜色都可以有红、绿、蓝三种颜色混合而成，色彩学上称这三种颜色为三原色。
根据该原理，相同比例的三种颜色可以生成白色（日光色），通过对某地区已知的遥感影像进行上述三种方法处理，生成三种提取道路的影像，再将这三种提取道路的影像分别染成红、绿、蓝幻灯片，在幻灯机（手工制作的）的映射下，在荧屏上生成我们想要的基于三原色提取道路的影像。
实验样本为北京某城镇高分辨率遥感影像：
北京海淀区某城区SPOT5全色影像，如图5-1。
影像像素为353×428。
通过Hough变换和数学形态学的方法提取道路后染成红色影像，如图5-2。
通过多尺度全方位结构元素的数学形态学提取道路后染成绿色影像，如图5-3。
通过数学形态学和形状指数提取道路后染成蓝色影像，如图5-4。
图5-2、图5-3、图5-4染色的过程是使用计算机PS软件，逐条线路染上的，最后打印到幻灯片上生成红、绿、蓝幻灯片。
图5-1北京海淀区某城区SPOT5全色影像
图5-2染成红色的Hough变换和数学形态学提取的道路网影像
如图5-3染成绿色的多尺度全方位结构元素的数学形态学提取的道路影像
如图5-4染成蓝色的数学形态学和形状指数提取的道路影像
自制幻灯机，如图5-5，下图所示。
图5-5左边的圆孔是安放光源的位置，中间的（方型框）用来放置幻灯片，右面的方架是荧屏。
把上述三张幻灯片放在中间，调整光源强度和成像距离，就能生成需要的影像。
图5-5自制幻灯机结构图
5.1.2设计过程
1、设计区概况：
北京市位于东经116°25′29″，北纬39°54′20″。
是中国首都，中国第二大城市，气候条件属于温带季风气候，年平均气温在14.0℃，全年降水量集中在夏季。
面积16，807.8km2，全市平均海拔43.5米，山地海拔在1000到1500米，平原海拔在20到60米。
图5-1是位于中心城区西部（西城区）海淀区的早期遥感影像图。
该地区交通便利，环境干净清爽，中国最著名的北京大学、清华大学均坐落在该地区。
2、材料准备：
图5-5所示的纸箱一个，灯具一盏，带有架腿的相机一个，清晰的荧屏一面（材质为帆布）。
三张空白的幻灯片，一台彩色打印机。
一个能容纳的小屋子，最重要的是该地区遥感影像通过对Hough变换和数学形态学[19]、多尺度全方位结构元素的数学形态学、数学形态学和形状指数这三种方法不同方法提取道路的道路图。
3、具体步骤：
一、幻灯片的生成，通过PS软件生成图5-2、图5-3、图5-4三幅影像图。
二、将做好的自制幻灯机放置平，装入灯具，在纸箱右边挂上荧屏，再在一侧固定相机架腿，照准荧屏并准确对焦。
三、装上打印过的三张幻灯片，使三张幻灯片平行对齐，打开光源，照射幻灯片成像。
四、改变三张幻灯片的放置顺序，重复第三步骤，多次成像照相，并作笔记记录下放置的顺序和生成的效果，见表格5.1。
五、选出一张效果最好的相片图。
笔记记录：
实验次数
幻灯片顺序
效果
1
红、绿、蓝
较好
2
绿、红、蓝
升级会员 