李建++張其棟

摘 要： 針對利用遙感圖像獲取城市道路目標(biāo)信息的識別，為從遙感圖像中快速簡潔的獲取道路信息，本文使用基于霍夫直線和霍夫圓檢測的道路檢測與提取的方法。由于根據(jù)道路的干擾信息多，首先利用中值濾波對灰度化后的圖像預(yù)處理，得到去除噪聲干擾的簡化圖像，再使用自適應(yīng)閾值對圖像進(jìn)行分割，對分割后的圖像進(jìn)行邊緣檢測，再利用道路的線性特征找出不連續(xù)道路區(qū)域間存在的線性關(guān)系，最終提取道路信息。實(shí)驗(yàn)表明本文使用的方法為從遙感圖像中檢測與提取道路提供了一種有效的途徑。

關(guān)鍵詞：遙感圖像；道路提??；閾值分割；霍夫變換檢測

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2017）03-0172-03

Extracting and Identifying Urban Roads from Remote Sensing Images Based on Hough Transform

LI Jian1，ZHANG Qi-dong2

（1. School of Computer Science， North China University of Technology， Beijing 100144， China； 2.China Telecom Corporation Limited Cloud Computing Branch Corporation， Beijing 100144， China）

Abstract：In this paper， a road detection and extraction method based on Hough-line and Hough-circle detection is used to obtain the road information from remote sensing images quickly and concisely for the recognition of urban road target information using remote sensing images. Because the interference information of road is much， the median image is used to preprocess the gray image， and the simplified image is obtained. Then， the image is segmented by adaptive wavelet threshold， and edge detection is carried out on the segmented image， and then uses the linear characteristics of the road to find the discontinuous road area between the linear relationships， and finally extract the road information. Experiments show that the proposed method can provide an effective way to detect and extract roads from remote sensing images.

Key words：remote sensing image； road extraction； threshold segmentation； Hough Transform Detection

1 概述

雖然人在遙感圖像中的“分辨”城市道路很容易，可是當(dāng)前用計(jì)算機(jī)實(shí)現(xiàn)起來卻十分困難[1]。從遙感圖像中進(jìn)行道路檢測識別經(jīng)過近幾十年的發(fā)展，到目前提出來了多種方法。當(dāng)前城市道路識別主要有半自動特征提取方法和自動特征提取方法。城市道路特征提取的方法分為自動提取包括道路特征的自動識別和幾何特征的自動定位，由于當(dāng)前技術(shù)能力的局限性和人工智能AI算法遠(yuǎn)未達(dá)到智能化，城市道路的自動特征提取還很難實(shí)現(xiàn)，但卻是技術(shù)發(fā)展的方向和最終的研究目標(biāo)；城市道路的半自動化提取識別方法結(jié)合計(jì)算機(jī)和人類視覺識別的優(yōu)點(diǎn)作為研究方向，獲得了相對不錯(cuò)的研究成果，因此，目前研究半自動化道路特征的提取和識別在現(xiàn)實(shí)中比較實(shí)用和可靠[2]。

如Gruen A，Li H等人提出了利用動態(tài)規(guī)劃的最小二乘B樣條模型算法提取圖像中道路目標(biāo)[3]，此外還根據(jù)道路特征特點(diǎn)定義了一個(gè)模型，并將其融入動態(tài)規(guī)劃算法中；Baumgartner A， C.Steger， H.Mayer.利用道路中上下文關(guān)聯(lián)特征進(jìn)行道路提取[4]，但是需要獲取多種分辨率的遙感圖像，實(shí)用性不強(qiáng)；Peter D采用聚類的方法對已分割的圖像中的道路中心線進(jìn)行提取[5]，但是對圖像分割的精度要求很高也沒有充分利用道路的特征；結(jié)合光譜特征與形狀特征利用數(shù)學(xué)形態(tài)學(xué)的方法提取道路[6]，此類方法主要還有snake模型、高階主動輪廓、基于數(shù)學(xué)形態(tài)學(xué)、模板匹配等方法。也有學(xué)者利用近些年來提出的面向?qū)ο蠓诸惙椒▉硖崛〉缆穂7-8] 。

本文是遙感圖像下城區(qū)主干道路特征的提取與識別，本文首先對圖像做了預(yù)處理，使用灰度化來清除遙感圖像中的噪聲信號干擾（如道路上的行人、汽車和植物等），這樣可以使道路路面灰度基本一致，有助于城市道路的提取識別；由于城市地區(qū)道路網(wǎng)呈現(xiàn)出連續(xù)不間斷的線性拓?fù)涮卣鳎瑥亩祱D像中根據(jù)道路的線性拓?fù)涮卣骼没舴蛑本€檢測提取道路區(qū)域。

2 城市道路特征

要完成城市道路的準(zhǔn)確檢測，則需要對城市主干道路特征進(jìn)行準(zhǔn)確而充分的特征描述。具體如下：

1）幾何特征。因城市主干道路為提供大的運(yùn)輸效率所以往往具有規(guī)律的幾何特征，城市主干道路一般會是長而窄的長方形，道路的長度遠(yuǎn)大與其寬度，而且寬度變化比較??；

2）輻射特征。城市道路與周圍建筑物往往有明顯的邊緣分界，而且道路路面灰度相對均勻；

3）拓?fù)涮卣?。城市道路都是相互連接的，可以形成道路網(wǎng)，并且一般不會中斷；

3 霍夫變換

3.1霍夫直線特征提取算法

霍夫變換中，在二維空間中一條直線在極坐標(biāo)系中可用參數(shù)極徑和極角表示。 如圖1所示。

圖1 直線的坐標(biāo)表示

對于霍夫變換算法，可以使用極坐標(biāo)系來表示直線。因此，直線的表達(dá)式可表示成：

（2）

化簡得：

（3）

一般來說對于點(diǎn)，可以將通過這個(gè)點(diǎn)的一簇直線統(tǒng)一定義為：

（4）

這就意味著每一對（γθ，θ） 代表通過點(diǎn) （x0，y0） 的一條直線。對于一個(gè)給定點(diǎn)（x0，y0）在極坐標(biāo)對極徑極角（γ，θ）平面繪出通過它的所有直線，將得到一條正弦曲線。例如，對于給定點(diǎn)x0=8和y0=6 可以繪出圖2 （在平面θ-γ）：

可以對圖像中所有的點(diǎn)進(jìn)行上述操作。如果兩個(gè)不同點(diǎn)進(jìn)行上述操作后得到的曲線在平面θ-γ相交，這就意味著它們通過同一條直線。例如，接上面的例子繼續(xù)對點(diǎn)：， y1=4 和點(diǎn)x2=12， y2=3繪圖， 得到圖3。

這三條曲線在θ-γ平面相交于點(diǎn)（0.925， 9.6），坐標(biāo)表示的是參數(shù)對（γ，θ）或者是說點(diǎn)（x0， y0），點(diǎn)（x1， y1）和點(diǎn)（x2， y2）組成的平面內(nèi)的直線。

一般來說這意味著，一條直線能夠通過在平面（ θ-γ）尋找交于一點(diǎn)的曲線數(shù)量來檢測。越多曲線交于一點(diǎn)也就意味著這個(gè)交點(diǎn)表示的直線由更多的點(diǎn)組成。一般來說可以通過設(shè)置直線上點(diǎn)的閾值來定義多少條曲線交于一點(diǎn)才認(rèn)為檢測到了一條直線。

4 實(shí)驗(yàn)結(jié)果

本文選用的實(shí)驗(yàn)圖像是某城區(qū)NASA的Quick Bird遙感圖像，如圖4、圖5、圖6和圖7所示。

（a）原圖像 （b）閾值分割結(jié)果

（c）主干道路特征提取 （d）道路提取結(jié)果

（a）原圖像 （b）閾值分割結(jié)果

（c）主干道路特征提取 （d）道路提取結(jié)果

（a）原圖像 （b）閾值分割結(jié)果

（c）主干道路特征提取 （d）道路提取結(jié)果

a）原圖像 （b）閾值分割結(jié)果

（c）主干道路特征提取 （d）道路提取結(jié)果

[＼&提取道路單位長度＼& 實(shí)際道路單位長度 ＼&提取道路準(zhǔn)確率＼&圖4＼&17.6＼&24.6＼&93.67%＼&圖5＼&20.5＼&23.9＼&85.77%＼&圖6＼&22.2＼&23.7＼&71.54%＼&圖7＼&16.1＼&18.1＼&88.95%＼&]

通過實(shí)驗(yàn)結(jié)果可以得出結(jié)論，本文提出的道路識別方法較準(zhǔn)確的識別出了城區(qū)的主干道路。

5 結(jié)束語

基于霍夫直線檢測的城市道路識別方法，本文使用了線性特征提取從遙感影像中識別城市道路的方法。1）針對遙感圖像可能含有的噪聲和影響提取道路特征的干擾使用中值濾波和小波降噪方法進(jìn)行圖像預(yù)處理；2）使用自適應(yīng)閾值法對預(yù)處理后的圖像進(jìn)行銳化，對于從有噪聲的遙感圖像中提取道路方法比傳統(tǒng)道路提取技術(shù)效果好。實(shí)驗(yàn)表明，本文使用的方法可以提供比較有效的提取結(jié)果。

由于遙感圖像信息多樣，不同傳感器不同精度的遙感圖像具有不同的特征信息，需要不同的方法分割提取道路特征，本文中雖然也使用了霍夫圓檢測曲線道路但適用性效果不佳，有待進(jìn)一步研究。

參考文獻(xiàn)：

[1] 林宗堅(jiān)，劉政榮.從遙感影像提取道路信息的方法評述[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2003，28 （1）：90-93

[2] 胡燕平，張立亭.道路特征提取研究進(jìn)展[J].地理空間信息，2010（6）：108-111.

[3] Gruen A， Li H. Semi-automatic linear feature extraction by dynamic programming and LSB-snakes[J].

Photogrammetric Engineering and Remote Sensing， 1997， 63（8）：985-995.

[4] Baumgartner A，Steger C，Mayer H. Automatic road extraction based on multi-scale， grouping， and context[J].

Photogrammetric Engineering and Remote Sensing， 1999，65（7）：777-785.

[5] Peter D， Peggy A.Self-organised clustering for road extraction in classified imagery[J]. Journal of Photogrammetry and Remote Sensing， 2001（55）：347-358 .

[6] 羅慶洲，尹球，匡定波.光譜與形狀特征相結(jié)合的道路提取方法研究[J].遙感技術(shù)與應(yīng)用， 2007，22（2）：339-344.

[7] 唐偉，趙書河，王培法.面向?qū)ο蟮母呖臻g分辨率遙感影像道路信息的提取[J].地球信息科學(xué)， 2008，10（2）.

[8] 胡進(jìn)剛，張曉東，沈欣，等.一種面向?qū)ο蟮母叻直媛视跋竦缆诽崛》椒╗J].遙感技術(shù)與應(yīng)用， 2006，21（3）：184-188.

[9]傅罡，趙紅蕊，李聰，等.曲折道路遙感影像圓投影匹配改進(jìn)追蹤法[J].測繪學(xué)報(bào)，2014，43（7）：724-730.

[10]萬里紅，楊武年，李天華.淺談Quick Bird遙感衛(wèi)星影像幾何精校正[J].測繪與空間地理信息，2007，30（2）：12-15.