基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取.pdf

基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取 李利偉 劉吉平 尹作為 武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院 湖北武漢430079 摘要 利用數(shù)學(xué)形態(tài)學(xué)的方法對高分辨率遙感影像道路提取進行了研究 通過對影像進行預(yù)處理增強道路信息 依據(jù)影 像灰度直方圖信息 對預(yù)處理后的影像進行閾值分割 得到一個包含道路信息的二值影像 進一步使用形態(tài)開運算去除細小 噪聲 同時將一部分粘連在道路上的噪聲與道路信息進一步分割 接著結(jié)合形態(tài)腐蝕和形態(tài)重建運算獲取影像中主要道路網(wǎng) 絡(luò)信息 并用形態(tài)閉運算完善道路網(wǎng)絡(luò)信息 最后對道路網(wǎng)絡(luò)信息進行形態(tài)細化和一定次數(shù)的形態(tài)修剪處理 得到單像素寬 的道路中心線信息 利用數(shù)學(xué)計算軟件MATLAB在高分辨率遙感影像上作了實驗 并進行了總結(jié)和分析 關(guān)鍵詞 數(shù)學(xué)形態(tài)學(xué) 影像道路信息提取 閾值化 形態(tài)重建 中圖分類號 P237 3 文獻標(biāo)識碼 A 文章編號 1000 3177 2005 81 0009 03 1 前 言 遙感影像中道路信息的提取在很多領(lǐng)域已得到廣泛的 應(yīng)用 例如數(shù)字測圖 影像理解等 國內(nèi)外這方面的研究有 20多年的歷史 眾多學(xué)者從不同角度 不同應(yīng)用領(lǐng)域 針對 不同數(shù)據(jù)源都提出了自己的方法和研究成果 這些方法主 要可分為兩大類 3 一種是半自動的遙感影像道路提取算 法 同時也是使用最廣泛的方法 它通過人機交互的方法提 取道路種子點信息 然后結(jié)合道路知識 利用一些自動搜索 跟蹤算法找出道路信息 另一種是自動的遙感影像道路信息 提取算法 它結(jié)合道路知識利用人工智能的方法找出道路種 子點信息 然后再聯(lián)結(jié)成道路網(wǎng)絡(luò)信息 盡管這種方法目前 還不是很成熟 它卻代表了技術(shù)發(fā)展的方向 由于遙感影像 自身的復(fù)雜性 其在光譜特征上存在著大量同物異譜的現(xiàn) 象 如道路 建筑物等 在幾何拓撲特征上目標(biāo)信息存在著大 量粘連遮蓋現(xiàn)象 如樹木 車輛等 而且隨著遙感技術(shù)的不斷 發(fā)展 特別是航天高分辨率遙感影像數(shù)據(jù)的大量涌現(xiàn) 傳統(tǒng) 的基于線狀目標(biāo)的遙感影像道路提取方法 如Hough變換 道路檢測算子等 不能取得很好的效果 這一切致使通用的 遙感影像道路信息的提取方法目前難以實現(xiàn) 數(shù)學(xué)形態(tài)學(xué)是一種基于集合論的非線性理論 它的基本 思想是基于像素間的邏輯關(guān)系對數(shù)字圖像進行分析處理 它能定量的描述和分析影像的幾何特征 與傳統(tǒng)的線性理 論相比 數(shù)學(xué)形態(tài)學(xué)的特點是將大量復(fù)雜的影像處理算法用 基本的集合邏輯運算來描述和實現(xiàn) 使得運算更加靈活快 捷 伴隨著學(xué)科之間的不斷交叉融合 數(shù)學(xué)形態(tài)學(xué)已被很多 學(xué)者應(yīng)用到遙感影像處理的諸多方面 如遙感影像道路網(wǎng)絡(luò) 提取 4 遙感影像分割 5 等 方法的過程 首先對影像進行預(yù)處理增強道路信息 依 據(jù)影像灰度直方圖信息 對預(yù)處理后的影像進行閾值分割 得到一個包含道路信息的二值影像 進一步使用形態(tài)開運算 去除細小噪聲 同時將一部分粘連在道路上的噪聲與道路信 息進一步分割 接著結(jié)合形態(tài)腐蝕和形態(tài)重建獲取影像中主 要道路網(wǎng)絡(luò)信息 并用形態(tài)閉運算完善道路網(wǎng)絡(luò)信息 最后 對道路網(wǎng)絡(luò)信息進行形態(tài)細化和一定次數(shù)的形態(tài)修剪處理 得到單像素寬的道路中心線信息 2 本文用到的幾種數(shù)學(xué)形態(tài)學(xué)算子 2 1 腐蝕與膨脹運算 定義一個結(jié)構(gòu)元素B 集合A被結(jié)構(gòu)元素B腐蝕 膨 脹的數(shù)學(xué)符號分別表示為 A B x B x A A B x B x A 2 2 擊中擊不中變換 定義一對結(jié)構(gòu)元素B E F 集合A被結(jié)構(gòu)元素B 作擊中擊不中變換可用數(shù)學(xué)符號表示為 A3B x E x A F x Ac 擊中擊不中變換可用于形態(tài)細化 形態(tài) 修剪 1 以及形態(tài)目標(biāo)識別等眾多方面 利用形態(tài)細化完成 對道路網(wǎng)絡(luò)信息的細化 修剪 2 3 形態(tài)開運算和形態(tài)閉運算 定義一個集合A 一個結(jié)構(gòu)元素B 形態(tài)開 閉運算可以 用數(shù)學(xué)符號分別表示為 A B A B B A B A B B 使用形態(tài)開 運算去除影像中的細小噪聲 同時將影像中一些粘連在道路 上的噪聲與道路信息分離 2 4 形態(tài)重建運算 形態(tài)重建運算是一種非常重要的形態(tài)濾波器 文獻 2 中有較詳細的重建運算的理論與應(yīng)用 結(jié)合影像中道路信 息的幾何特征 用線狀結(jié)構(gòu)元素腐蝕原始影像得到標(biāo)記圖 收稿日期 2005 03 10 修訂日期 2005 04 26 作者簡介 李利偉 1982 男 河南洛陽人 武漢大學(xué)在讀碩士 主要研究方向 遙感數(shù)字圖像處理和模式識別 9 2005 5 理論研究 遙感信息 像 用原始影像作為掩模影像 使用形態(tài)重建運算來去除與 道路信息不相交的噪聲 3 數(shù)學(xué)形態(tài)學(xué)進行道路提取的試驗 實驗數(shù)據(jù)是一幅某小區(qū)的航空彩色影像 空間分辨率為 1m 道路在影像中呈現(xiàn)出一個高亮度且灰度相近的連通網(wǎng) 絡(luò) 如圖1所示 影像中建筑物非常密集且與道路光譜特征 十份接近 道路自身也由于等級和種類的多樣性顯得錯綜復(fù) 雜 給道路提取帶來了一些困難 圖1 原始遙感影像 首先對原始影像進行預(yù)處理 依據(jù)道路在實驗影像 絕 大多數(shù)遙感影像 中呈高亮度的光譜特征 對原始影像作基 于色彩空間的變換 由RGB轉(zhuǎn)換為ISH 提取表示亮度信息 的I波段 并將其作灰度拉伸得到加強了道路信息的灰度影 像 根據(jù)影像灰度直方圖對圖像進行閾值分割 后用面元為 5 5的中值濾波處理 得到二值影像 如圖2 圖2 閾值化后的影像 在此基礎(chǔ)上使用結(jié)構(gòu)元素SE strel square 3 6 進 行開運算 去除細小噪聲 同時分離部分粘連的道路信息上 的噪聲 這一步尤為重要 從某種意義上來說 結(jié)構(gòu)元素的 選取就決定了影像中道路信息的提取尺度 這里影像中的 道路信息比較細小零亂 因此使用尺寸較小的結(jié)構(gòu)元素 以 保持影像中道路細節(jié) 但由于遙感影像中道路信息的幾何 特征復(fù)雜多變 文中用到的結(jié)構(gòu)元素不能通用 可以根據(jù)情 況另取合適的結(jié)構(gòu)元素 或選擇不同結(jié)構(gòu)元素進行多次處 理 以達到最優(yōu)效果 形態(tài)開運算后 為了得到形態(tài)重建操作所需的標(biāo)記圖 像 我們依據(jù)影像中道路信息獨有的幾何特征 使用長線狀 結(jié)構(gòu)元素SE strel line 100 90 6 進一步對形態(tài)開運 算后的結(jié)果進行形態(tài)腐蝕運算得到標(biāo)記圖像 接著以開運算 的處理結(jié)果為掩模影像 通過形態(tài)重建運算得到道路網(wǎng)絡(luò)信 息 如圖3所示 圖3 形態(tài)重建后的道路網(wǎng)絡(luò) 圖4 道路提取結(jié)果分析 對得到的道路網(wǎng)絡(luò)信息 通過結(jié)構(gòu)元素SE strel square 6 6 進行形態(tài)閉運算填補網(wǎng)絡(luò)中的空缺 同時連 接斷點 得到修補的道路網(wǎng)絡(luò) 進一步對形態(tài)重建后的道路 網(wǎng)絡(luò)信息進行形態(tài)細化 一定次數(shù)的形態(tài)修剪得到最終道路 網(wǎng)絡(luò)中心線 將其與原影像圖疊合 如圖4所示 需要說明的是 由于初始分割后 影像中的道路信息的 01 遙感信息 理論研究 2005 5 幾何特征不是十分規(guī)整 在形態(tài)細化后道路信息中產(chǎn)生一些 毛邊 形態(tài)修剪旨在消除影像中道路網(wǎng)絡(luò)信息上的毛邊 然 而 由于實驗影像數(shù)據(jù)中的道路信息存在眾多細小支路信 息 形態(tài)修剪處理將一些本來已被檢測出的道路信息削減變 短 因此 針對具體情況 形態(tài)修剪操作可以斟酌使用 4 討論與總結(jié) 本文應(yīng)用數(shù)學(xué)形態(tài)學(xué)的方法實現(xiàn)了高分辨率遙感影像 中的道路網(wǎng)絡(luò)信息提取 由圖 4 可以看出 該方法比較好 的提取了道路網(wǎng)絡(luò)信息 特別是在提取影像中道路細節(jié)信息 上很有優(yōu)勢 通過目視解譯 發(fā)現(xiàn)處理結(jié)果中仍存在著一些 漏判和誤判 這主要是由于在運用數(shù)學(xué)形態(tài)學(xué)方法時在一 定程度上依賴于初始影像分割結(jié)果 對預(yù)處理后的影像中道 路的形狀變化比較敏感 數(shù)學(xué)形態(tài)學(xué)方法的關(guān)鍵是在了解道路信息的形態(tài)幾何 特征 正如它的創(chuàng)始人Serra所說 如果證明 在某些時候 形態(tài)學(xué)的方法比其他方法在模式識別方面更有效 那是它更 好的把握了景物的幾何特征 僅此而已 針對文中方法的 不足 可以在預(yù)處理過程中加以優(yōu)化 利用更加高效的方法 對影像進行分割 也可以將其與現(xiàn)有的一些方法相融合 特 別是一些側(cè)重與上下文信息 或紋理信息的方法來提高結(jié)果 精度 參考文獻 1 崔屹 圖像處理與分析 數(shù)學(xué)形態(tài)學(xué)方法與應(yīng)用 M 北京 科學(xué)出版社 2002 2 Luc Vincent Morphological grayscale reconstruction in image analysis applications and efficient algorithms J IEEE Transaction on Image Process 1993 2 2 3 林宗堅 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 信息科學(xué)版 2003 28 1 4 安如 馮學(xué)智 王慧麟 基于數(shù)學(xué)形態(tài)學(xué)的道路遙感影像特征提取及網(wǎng)絡(luò)分析 J 中國圖象圖形學(xué)報 2003 8 7 5 蔣志勇 基于形態(tài)特征的遙感影像多尺度分割算法研究 D 武漢大學(xué) 2004 6 MATLAB幫助文件 Z Version7 2004 Road Extraction from High Resolution Remote Sensing Image Based on Mathematic Morphology LI Li2wei LIU Ji2ping YIN Zuo2wei Wuhan University College of Resources and Environmental Science Hubei Wuhan430079 China Abstract In the paper an approach to extract road network in the high resolution remote sensing image based on mathematic mor2 phology is presented Firstly preprocess the image to enhance the road information and threshold it into binary image according to its histogram Secondly remove tiny noise with morphological opening meanwhile it separates the road from some noise attached to it Thirdly Morphological reconstruction is adopted to avoid noise including objects that have similar spectral characteristics as road sur2 faces Finally determine the centerline of the road network by Morphological thinning and cropping The developed method has test2 ed on high resolution remote sensing image under MATLAB Key words mathematic morphology road extraction threshold morphological reconstruction 上接第5頁 Features Selection from Remote Sensing Image Based on Minimum Entropy and Genetic Algorithm CHEN Xiu2qiao HU Yi2hua ZHANGJun Electronic Engineering Institute Hefei230037 China Abstract Based on the characteristics of infrared remote sensing image 14 features are extracted to analyze their texture attributes such as energy inertia and entropy of co2occurrence matrix2based features For features selection from infrared remote sensing image the genetic algorithm GA is used to search for the optimum feature subset based on minimum entropy separability criterion For val2 idation of features selection radial basis function RBF networks are designed to classify the infrared remot