劉 立 彭 剛

（1.中國人民解放軍32016部隊(duì)，甘肅蘭州 730000；2.中國人民解放軍32022部隊(duì)，湖北武漢 430074）

對線狀地物的研究是遙感影像地物識別研究的關(guān)鍵，在線狀地物研究中，較為重要的內(nèi)容為道路及水系，是地圖中應(yīng)重點(diǎn)突出內(nèi)容。從實(shí)際情況來看，常見的線狀地物提取方法包括邊緣檢測、光譜分析、卷積神經(jīng)網(wǎng)絡(luò)等方法。在邊緣檢測方法中常用Canny算法，這種算法較為嚴(yán)格，可在短時間內(nèi)實(shí)現(xiàn)結(jié)果和數(shù)據(jù)。

在遙感影像線狀地物提出技術(shù)中，可利用高分辨遙感影像對光譜特征和空間信息進(jìn)行有效分析，針對每個區(qū)域進(jìn)行提取。

在實(shí)際的工作中，影像的分割會受到各種因素的影響，如在噪聲及其他聲音的影響下，相關(guān)人員提取的數(shù)據(jù)會存在誤差。因此，邊緣影像為地物的主要特征之一，Canny進(jìn)行邊緣檢測可以有效提取地物信息，為后期工作奠定基礎(chǔ)[1]。

本文從線狀地物的特征入手，主要對相關(guān)提取方法進(jìn)行研究，得出最優(yōu)的檢測方法，以提升線狀地物的檢測技術(shù)水平。

1 線狀地物的形狀特征分析

線狀地物的總特征以長和寬較大的矩形為主，常見的形狀特征有4種：

（1）連貫的長矩形線狀地物；

（2）條矩形線狀物出現(xiàn)小的孔洞，如道路上的車輛或河道中的船只；

（3）彎曲矩形，如彎曲的道路或河流；

（4）面狀地物相互連接，如道路或居民地等。

2 基于Canny邊緣檢測的面向?qū)ο筇崛》椒?/h2>

2.1 Canny邊緣檢測算法

（1）通過對區(qū)域內(nèi)不同位置的像元賦予不同的權(quán)值，可保留地物的邊緣信息。

采取用函數(shù)進(jìn)行分析，處理噪聲的濾波器G與影像F，可以過濾噪聲，得出影像g：

平滑參數(shù)可以控制影像的平滑度，相關(guān)數(shù)值較小時，定位相對準(zhǔn)確，噪聲較低。

（2）可對梯度幅值及方向進(jìn)行相關(guān)的計(jì)算。用梯度幅值分析邊緣強(qiáng)度：

通過計(jì)算得到梯度幅值M和梯度方向θ：

（3）計(jì)算中非極大值抑制屬于邊緣技術(shù)，可排除梯值。

相關(guān)單元格應(yīng)觀察梯度值是否處于最大值，可對梯度方向進(jìn)行定義，將邊緣像素與其他像素分開。將以上數(shù)據(jù)進(jìn)行對比，若梯度方向相同，得到的像素較大，可將目標(biāo)像素作為候選對象進(jìn)行研究；若方向相反，應(yīng)剔除得到的像素。

（4）基于高低閾值的算法檢測，主要從選取對象中確定邊緣像元，消除虛假邊緣。

為了剔除掉偽邊緣，可以引入兩個高低閾值進(jìn)行分析，對圖像中的每個素點(diǎn)進(jìn)行驗(yàn)證。如果梯度值相對較大，可判定其為邊緣點(diǎn)；如果梯度值較低，說明不是邊緣點(diǎn)；如果梯度值在最大值、最小值之間，應(yīng)尋找梯度值大于高閾值的像素點(diǎn)，再將此像素點(diǎn)設(shè)置為邊緣點(diǎn)。

2.2 對象提取方法

高分辨的線狀地物可以使用此類方法進(jìn)行提取操作，將影像對象作為單元格，對其進(jìn)行有效研究?？筛鶕?jù)相關(guān)的地物特征或紋理進(jìn)行分類，利用高科技手段對數(shù)據(jù)進(jìn)行提取。

使用影像技術(shù)分割線狀地物，可觀察到邊緣特征和相關(guān)的像素值，在這個過程中，得出的結(jié)果和方法不可分割。

在進(jìn)行遙感影像分割的過程中，會收到噪聲的影像，可使用Canny技術(shù)，可提高數(shù)據(jù)分析的準(zhǔn)確性，使數(shù)據(jù)更精確。在分割后，影像的單元格不是某一個單元格，是由多個單元格組成的研究對象。特征提取是信息提取的一個重要步驟，其可以分析線狀地物，得到需要的地物信息圖像[2]。

面向?qū)ο筇崛×鞒倘鐖D1所示。

圖1 面向?qū)ο筇崛×鞒?/p>

2.3 數(shù)學(xué)形態(tài)提取法

數(shù)學(xué)形態(tài)學(xué)于1964年Georges Matheron、Jean Serra合作引入，Jean Serra確立了數(shù)學(xué)形態(tài)學(xué)的相關(guān)概念，其在圖像處理中主要運(yùn)用運(yùn)算符號、集合數(shù)學(xué)概念，運(yùn)用二值圖像的幾何形狀檢測。在數(shù)學(xué)形態(tài)中，主要運(yùn)用圖像去噪、圖像增強(qiáng)、圖像恢復(fù)及重建等方面，形態(tài)學(xué)過程使用擁有結(jié)構(gòu)元素或內(nèi)核的模板。

基本的二值形態(tài)學(xué)運(yùn)算主要將結(jié)構(gòu)元素放在一個可能的位置，再匹配像素的等效領(lǐng)域，與其他運(yùn)算方法相結(jié)合，對二值圖像進(jìn)行處理。在二值形態(tài)學(xué)中，基本的運(yùn)算方法有閉合、開啟或膨脹等。

3 試驗(yàn)分析

3.1 增強(qiáng)遙感影像

在工程中，為了更好地適應(yīng)線狀物的相關(guān)影像，可對影像進(jìn)行處理操作，常見處理方法為PAC轉(zhuǎn)換、NDVI的轉(zhuǎn)換。NDVI的轉(zhuǎn)換主要將遙感影像中的全部信息集中至某個點(diǎn)，進(jìn)行數(shù)據(jù)分析，得到需要的數(shù)據(jù)信息。對遙感影像進(jìn)行分析后可知，第一波段的數(shù)據(jù)約在80%以上，可較好地體現(xiàn)遙感影像需要的相關(guān)信息。同時，可以將NDVI和PCA結(jié)合利用，增強(qiáng)信息的獲取。

3.2 通過Canny檢測

使用平滑的濾波器，剔除影像中的噪聲，但得到的影像相對模糊；使用梯度幅值得到的相關(guān)數(shù)據(jù)，影像相對清晰。使用非極大值抑制法，應(yīng)分析非邊緣數(shù)據(jù)，再保留好相關(guān)數(shù)據(jù)；采用高低雙閾值法，需要提取邊緣的信息，可檢測道路、水系邊緣等位置的信息，并對水系邊緣信息進(jìn)行定位。基于Canny邊緣檢測結(jié)果分析，Canny可處理邊緣信息的細(xì)節(jié)，保證邊緣清晰，提出線狀地物與原有的影像重合，以達(dá)到最優(yōu)的效果[3]。

3.3 對精度進(jìn)行檢驗(yàn)

Canny邊緣檢測的提取平均率為6.3%，如果采用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行線狀地物提取，提取平均率為28.9%，基于Canny檢測平均率下降了22.6%[4]。

對道路數(shù)據(jù)進(jìn)行提取時，由于道路的材質(zhì)與建筑物使用的材質(zhì)不同，會出現(xiàn)同譜異物或同物異譜的現(xiàn)象，得到的數(shù)據(jù)結(jié)果也存在差異。使用Canny邊緣檢測可以較好檢測道路和相應(yīng)建筑物的邊緣信息，提高線狀地物的精準(zhǔn)度，具有可行性[5-7]。

4 結(jié)語

綜上，文章主要對Canny邊緣檢測的線狀地物提取進(jìn)行相關(guān)分析，在這個過程中，主要利用邊緣檢測算法進(jìn)行檢測，以得到需要的信息。在進(jìn)行相關(guān)閾值的選取時，通過使用高低閾值進(jìn)行分析，可以得出需要的邊緣信息數(shù)據(jù)，可將邊緣細(xì)化；根據(jù)線狀物的特征分析對象，可得到相應(yīng)的圖像。分析精度檢驗(yàn)的結(jié)果可知，Canny邊緣檢測的欠提取率約為6.3%，采用數(shù)學(xué)形態(tài)的方法進(jìn)行提取，欠提取率約為82.9%，邊緣檢測面向?qū)ο筇崛÷氏陆盗?2.6%，可提升線狀地物技術(shù)水平。