顧紅軍

（中材地質(zhì)工程勘查研究院有限公司，北京 100102）

1 引言

隨著遙感技術(shù)快速發(fā)展，一個(gè)多層次、多角度、全天候、多分辨率互補(bǔ)的全球?qū)Φ赜^測系統(tǒng)正在逐步形成并趨于完善[1]。現(xiàn)如今，我們可以獲得分米、厘米級的遙感影像，獲取影像的周期也在不斷地縮短，影像時(shí)效性增強(qiáng)，影像包含的信息越來越豐富，物體的細(xì)節(jié)信息也更突出。遙感影像地物信息提取原理主要是根據(jù)影像地物的光譜特征差異分析，利用單波段閾值法、多波段譜間關(guān)系法和指數(shù)模型法等構(gòu)建光譜矢量曲線和遙感信息模型[2]。道路矢量網(wǎng)絡(luò)作為地理信息中重要的樞紐是構(gòu)建數(shù)字城市、建設(shè)地理空間框架、提升地理信息公共服務(wù)水平的重要地理要素，且與交通、水利、城市規(guī)劃、電力、應(yīng)急響應(yīng)、能源等各行各業(yè)的建設(shè)密切相關(guān)。所以道路的識(shí)別與提取研究一直是近二十年來遙感領(lǐng)域的重要研究課題。道路網(wǎng)信息提取的效果與遙感影像的分辨率密切相關(guān)，如果要獲得大比例尺的地圖，通常要求使用更高分辨率遙感影像，其分辨率應(yīng)達(dá)到1米或亞米級別。高分辨率遙感影像使現(xiàn)實(shí)道路在影像中的成像更加清晰，道路上的分道線、車道線等標(biāo)記線都可以得到較清晰的展現(xiàn)。高分辨率遙感影像中的道路按規(guī)?？筛爬閮深悾阂活愂侵饕缆?，即主干道，特點(diǎn)是路面上有許多條相互平行的直線；另一類是一般道路，主要指鄉(xiāng)村道路和城市中的小街道。

2 高分辨率遙感影像中道路的基本特征

高分辨率遙感影像中道路的特征主要有以下3種[3]。

(1) 幾何特征。道路具有一定的寬度和長度，形狀為一個(gè)長而窄的矩形或條帶形，道路具有一定的長度，具有明顯的方向性，其指向不會(huì)突然變化，具有緩慢的坡度變化。

(2) 輻射特征。道路區(qū)域內(nèi)部灰度較為均勻，梯度較?。坏缆放c其相鄰區(qū)域灰度有一定差異；受道路兩側(cè)的樹木、房屋的陰影、路面上的汽車等物體遮擋，道路在影像上有斷續(xù)的情況。

(3) 拓?fù)涮卣?。道路不?huì)獨(dú)立存在，道路之間通常相互連接成網(wǎng)絡(luò)。每一條路段的兩端有兩種情況：一種是與另一道路段相交，另一種是延伸到圖像的邊界外。

3 道路網(wǎng)信息提取方法

基于高分辨率遙感影像的道路網(wǎng)信息提取，國內(nèi)外學(xué)者都給出了很多可行思路和有效的方法。大致可以分為兩類：一類是半自動(dòng)提取道路信息；另一類是全自動(dòng)提取道路信息。

3.1 半自動(dòng)提取道路信息

半自動(dòng)道路提取是利用人機(jī)交互的方式進(jìn)行，其思路是人工提供道路的初始點(diǎn)和道路方向，然后讓計(jì)算機(jī)按照一定規(guī)則進(jìn)行提取，期間還夾雜著人機(jī)交互，保證識(shí)別的準(zhǔn)確性。

Huang等[4]、汪閩等[5]利用支持向量機(jī)(Support Vector Machine， SVM)從影像中分類道路區(qū)域并提取道路中心線，并且將SVM結(jié)合馬爾科夫隨機(jī)場模型用于高分辨率遙感影像的分類。Sukhendu等[6]利用道路與周圍地物的光譜對比以及局部線狀特征，設(shè)計(jì)一種多級框架提取多光譜遙感影像的道路，首先利用概率支持向量機(jī)訓(xùn)練四組道路樣本以探測局部線基元作為候選道路軌跡，再利用一系列加工模塊去除錯(cuò)誤虛警。Shi等[7]提出一種直線基元匹配方法，用于提取城市環(huán)境中的路網(wǎng)。該方法結(jié)合影像中道路特征(道路為條帶狀或狹長的矩形)，利用直線基元匹配法提取粗糙的道路網(wǎng)絡(luò)，以此為基礎(chǔ)利用道路網(wǎng)絡(luò)知識(shí)及數(shù)學(xué)形態(tài)學(xué)方法提取最終道路網(wǎng)。結(jié)合像元級和對象級道路提取各自的優(yōu)勢，提出了一種基于像元—多尺度對象的高分辨率遙感影像道路中心線提取方法，較好地改善了基于像元級道路提取易出現(xiàn)的“椒鹽噪聲”與面向?qū)ο筇崛∫桩a(chǎn)生的粘連的情況[8]。程承旗等[9]提出一種半自動(dòng)提取道路的方法，設(shè)計(jì)一個(gè)高通濾波器和統(tǒng)計(jì)濾波器，完成道路信息的檢測與識(shí)別，其中高通濾波突出地物的線性特征，統(tǒng)計(jì)濾波則用來消除高通濾波后產(chǎn)生的噪音，最后進(jìn)行矢量化跟蹤，完成提取道路信息。

3.2 全自動(dòng)提取道路信息

全自動(dòng)道路提取的方法是利用道路在影像中的特征，使用計(jì)算機(jī)全自動(dòng)從影像中提取出道路信息。

Ali等[10]提出一種自動(dòng)提取道路網(wǎng)的算法，首先對遙感影像進(jìn)行灰值化、二值化操作，去掉背景像素，然后進(jìn)行中值濾波消除隨機(jī)噪聲，最后通過數(shù)學(xué)形態(tài)學(xué)的方法，進(jìn)行道路段的連接，填補(bǔ)空洞，得到面狀道路后再使用擊中擊不中變換細(xì)化道路網(wǎng)。這種方法步驟簡單、效率高，不足之處是道路提取的位置不夠準(zhǔn)確。Barzohar等[11]提出一種基于幾何統(tǒng)計(jì)模型的自動(dòng)道路網(wǎng)提取方法，根據(jù)道路應(yīng)遵循的條件建立幾何統(tǒng)計(jì)模型，然后利用最大后驗(yàn)概率準(zhǔn)則估測出道路。這種方法適合一般道路，不適合路面灰度分布不均勻的主要道路。首先基于概率增進(jìn)樹算法獲取候選點(diǎn)，并經(jīng)過形態(tài)學(xué)運(yùn)算獲得平滑和完整的道路條帶，最后利用細(xì)化運(yùn)算得到道路中心線。周紹光等[12]，Poullis[13]提出一種Tensor-Cuts算法，將張量編碼的優(yōu)勢、Gabor變換特征提取、圖割優(yōu)化算法相結(jié)合進(jìn)行道路中線跟蹤提取道路網(wǎng)。

4 總結(jié)

高分辨率遙感影像技術(shù)的不斷發(fā)展，使獲取的遙感影像信息越來越豐富，從高分辨率遙感影像中提取道路信息成為目前比較熱門的研究內(nèi)容。已有的方法大多針對某種類型的道路，難以完全自動(dòng)的提取道路網(wǎng)信息，不能滿足實(shí)際應(yīng)用的需要。隨著社會(huì)信息化發(fā)展的需要，快速、準(zhǔn)確獲取道路網(wǎng)信息的重要性日益凸顯。因此利用多種方法集成全自動(dòng)提取道路網(wǎng)信息也必將得到重視。