一種面向高空間分辨率遙感影像的路口自動定位新方法

張偉偉，毛政元

一種面向高空間分辨率遙感影像的路口自動定位新方法

張偉偉1，2，毛政元1，2

(1.福州大學空間數據挖掘與信息共享教育部重點實驗室，福州 350002;2.福州大學福建省空間信息工程研究中心，福州 350002)

在系統歸納和分析現有的路口遙感信息提取方法的基礎上，提出一種面向高空間分辨率遙感影像的路口自動定位新方法。該方法首先通過低梯度運算獲取同質區域;然后設定閾值去除同質區內的水體、陰影以及小面元干擾物;再利用Hough變換檢測二值圖像中的直線，并根據直線參數出現的頻率排序，保留參數出現頻率較高且相互間夾角較大的直線;最后用該組直線交點的平均值定位路口。以福州市城區局部QuickBird全色影像為數據源定位四岔路口與三岔路口的實證研究表明，在同物異譜與異物同譜現象嚴重情況下，本文算法所定位的路口仍然準確有效。

路口;路口自動定位;高空間分辨率;QuickBird影像;Hough變換

0 引言

隨著遙感技術的發展，以遙感影像為依據實現城市道路變化檢測與更新已經成為主要方法。路口是道路網的重要組成部分，路口的精確定位有助于提高道路網的提取精度與效率。現有基于遙感影像的路口提取方法研究主要利用中低分辨率遙感影像。受分辨率影響，路口的定位在精度、自動化水平、對數據源的適應性等方面均存在明顯的局限性。高空間分辨率(下文簡稱高分辨率)遙感影像信息量大、細節信息豐富，但“同物異譜”與“異物同譜”現象比較普遍，因此基于高分辨率遙感影像的路口自動提取是一個更具發展潛力、也更具挑戰性的研究方向。本文在現有研究成果的基礎上，進一步研究了基于高分辨率遙感影像自動提取路口的方法。

現有文獻中有關從遙感影像中提取路口的方法分為3種基本類型:①先提取道路，后提取路口［1－3］;②直接提取路口［4］;③基于知識提取路口［5－8］。方法①最為常見，但該方法較復雜，就目前的研究進展而言，道路自動提取還很困難，現有技術在自動提取道路的完整性和正確性上尚未取得滿意的結果;文獻［9］改進了該類方法提取路口的精度，并進行了精度評價。方法②需要統計分析遙感影像路口本身的特征，運用各種統計分析工具(如判別分析、主成分分析、因子分析等)針對選擇的訓練區進行分析，以建立路口模型即路口檢測算子。但是針對不同的影像都需要建立訓練區，這成為實現路口自動提取的一大障礙;另外，該類方法提取路口的錯誤率較高，提取精度仍有待提升。方法③是以外部數據引導路口提取，其中一類作法是將對地理空間數據的認知轉化為先驗知識對路口進行分類，通過對每一類型的路口分別建模實現不同類型路口的提取;另一類作法則是通過引入矢量道路地圖數據，在矢量地圖與遙感影像配準的基礎上，依據矢量地圖上路口的幾何信息與屬性信息提高路口提取的準確率與精度。這種作法能夠在提高精度的前提下大大降低路口提取算法的復雜性。本文提出并實現的路口提取方法屬于方法③中的第二類——利用低梯度運算、Hough變換等一系列算法直接提取路口。

1 技術路線與方法

隨著遙感影像空間分辨率的不斷提高，其上的細節信息越來越豐富，可以識別的道路目標也越來越多(其中包括許多在中低分辨率影像上難以辨別的窄小道路);同時，影像上非目標噪聲也隨著空間分辨率的提高而增多，利用現有針對中低分辨率影像發展而來的道路提取方法很難從高分辨率影像中提取道路［10］。由于路面材料及筑路時間等方面的差異，不同道路(甚至同一道路的不同路段)之間的光譜特性相差很大，同時部分道路與房屋、廣場等地物的光譜特性十分相似，而且高分辨率遙感影像上普遍存在的“同物異譜”和“異物同譜”現象對道路提取的干擾更為嚴重，因此利用單一的灰度信息定位路口很難奏效。

針對高分辨率遙感影像的上述特點，本文提出一種自動定位路口的新方法，技術流程如圖1所示。

圖1 路口定位技術流程Fig.1 Technological flow chart of positioning road junction

首先利用低梯度運算分離出道路的同質區域，然后利用Hough變換定位路口。考慮到高分辨率影像上城市建筑物與道路之間的光譜特性極為相似，圖像分割后所形成的影像對象形狀也很接近，目前尚無有效區分二者的成熟算法，為了防止道路信息丟失，本文暫不考慮剔除同質區域中的建筑物。

1.1 提取同質區域

在高分辨率遙感影像上，道路同時具有長度和寬度特征，雖然存在著“同物異譜”與“異物同譜”現象的干擾，但與道路相似的同質區域整體面積較大、同質性較高、連通性較好，因此，道路的局部同質性可作為道路抗干擾、易被識別的重要特征。根據道路的同質性提取道路，首先要識別影像上的同質區域(即灰度相差不超過一定閾值的像元組成的區域)，本文采用灰度的低梯度指標(該指標較方差更為敏感)識別各同質區。

1.2 去除陰影、水體與小面元

同質區中對道路形成干擾的地物包括陰影、水體、部分建筑物與部分綠地，其中，陰影與水體的灰度值較小，且內部更加均勻，可通過設定灰度閾值予以剔除。小面元干擾物是道路背景的主要組成部分，由局部均勻性所致，主要源于建筑物、車輛、斑馬線與綠地等地物中的局部同質區，也可能是道路被干擾后的部分同質區。去除小面元干擾物可在突顯道路的同時模糊背景，使道路影像更加清晰、光滑，突出道路的整體特征。依據遙感影像的空間分辨率設定合理的閾值是去除小面元干擾物的關鍵，閾值過小達不到目的，閾值過大會引起道路的中斷，本文所使用的QuickBird全色影像空間分辨率為0.61 m，面積閾值設置為200個像元。

1.3 Hough直線變換提取路口

影像分割后的道路部分過于細碎，連接性較差，但其總體形狀仍能反映出道路的主體輪廓特征。經同質區域提取、去除陰影與水體以及小面元后，道路的方向性和直線性特征變得更為明顯。在此基礎上，采用Hough變換檢測出任意方向的直線;將檢測到的直線按其出現的頻率排序，保留前n(n的值可根據實際情況進行調整)條直線作為道路方向上的直線;再計算每兩條直線之間的角度是否大于指定的角度閾值，大于則計算并保留直線交點;最后取被保留的全部直線交點坐標的均值作為路口中心(圖2)。

圖2 Hough變換提取路口的流程Fig.2 Flow chart of extracting road junction using Hough transformation

2 實驗結果與分析

選取福州市城區一個四岔路口與一個三岔路口及其附近的QuickBird全色波段影像數據進行實證研究。

2.1 四岔路口的定位結果

圖3(a)是福州市城區某一四岔路口及其附近的QuickBird影像，該影像存在“同物異譜”(道路本身灰度不均勻)與“異物同譜”(道路與房屋、植被的光譜特性較為相似)現象，且路面受到車輛等因素的嚴重干擾，其影像特征在城市高分辨率影像中具有代表性與典型性。本例中設定小面元干擾物的面積閾值為200個像元，水體與陰影的灰度閾值為35。從圖3(d)中可以看出，道路、水體、陰影和建筑物是同質區域的主體，水體和陰影的去除效果較好。利用Hough變換提取直線，保留符合直線間夾角大于π/3的前6條直線，并計算其交點(圖3(f)中的藍色標識點)。圖3(g)是對被保留的6條直線的交點坐標取均值的結果。基于四岔路口影像數據的實證研究表明，在干擾物較多的情況下，利用Hough變換提取的直線與道路延伸方向基本吻合。經實地驗證，本方法所定位的路口與實地路口的誤差為0.5 m。

圖3 四岔路口定位過程Fig.3 Process of positioning four－fork road junction

2.2 三岔路口的定位結果

圖4 (a)是福州市城區一個三岔路口及其附近的QuickBird影像，由于道路的筑路時間及路面材料等因素的影響，水平和垂直兩個方向上的道路灰度差別很大，道路同物異譜現象較上節提及的四岔路口影像更為嚴重;此外，無論水平方向還是垂直方向上的道路都有部分路面與建筑物的光譜特性相似，并存在車輛、植被和陰影等干擾因素。數據處理方法和步驟與上節類似，圖4(b)—(g)分別是每一處理步驟得到的結果。在同物異譜現象更為嚴重的情況下，經實地驗證，本方法定位的三岔路口與實地路口的誤差為0.8 m。

圖4 三岔路口定位過程Fig.4 Process of positioning three－fork road junction

3 結論

1)道路數據是一種重要的基礎地理信息資源，如何保持其現勢性是地理信息系統領域中長期受到關注的熱點問題，利用遙感影像實現道路變化檢測與更新已成為解決該問題的基本趨勢，路口的自動、準確定位有助于提高道路網的提取精度與效率。

2)本文基于城市道路的幾何與光譜特征，利用Hough變換設計了一種在高空間分辨率遙感影像上自動定位路口的新方法并實現了相關算法，較好地克服了基于中低分辨率遙感影像的路口提取方法在精度與自動化程度兩個方面均存在的局限性。

3)以福州市城區局部QuickBird全色波段影像為數據源定位四岔路口與三岔路口的實證研究表明，在同物異譜與異物同譜現象嚴重、與道路相似的干擾物較多的情況下，本文算法依然能夠準確地定位路口，具有較強的抗干擾性。

［1］ Baumgartner A，Steger C，Mayer H，et al.Automatic Road Extraction in Rural Areas［J］.International Archives of Photogrammetry and Remote Sensing，1999，32(3;SECT 2W5):107 －112.

［2］ Mayer H，Laptev I，Baumgartner A.Multi－ scale and Snakes for Automatic Road Extraction［J］.Computer Vision—ECCV’98，1998:720－733.

［3］ Hinz S，Baumgartner A，Steger C，et al.Road Extraction in Rural and Urban Areas［J］.Semantic Modeling for the Acquisition of Topographic Information from Images and Maps，1999:7 －27.

［4］ Barsi A，Heipke C，Willrich F.Junction Extraction by Artificial Neural Network System － JEANS［J］.International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences，2002，34(3/B):18 －21.

［5］ Teoh C Y，Sowmya A.Junction Extraction from High Resolution Images by Composite Learning［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(B3/2;PART 3):882 －888.

［6］ Boichis N，Viglino J M，Cocquerez J.Knowledge Based System for the Automatic Extraction of Road Intersections from Aerial Iimages［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(B3):27 －34.

［7］ Chen C C，Thakkar S，Knoblock C，et al.Automatically Annotating and Integrating Spatial Datasets［J］.Advances in Spatial and Temporal Databases，2003:469 －488.

［8］ Ravanbakhsh M，Heipke C，Pakzad K.Knowledge － based Road Junction Extraction from High － resolution Aerial Images［J］.IEEE，2007.

［9］ Wiedemann C.Improvement of Road Crossing Extraction and External Evaluation of the Extraction Results［J］.International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences，2002，34(3/B):297 －300.

［10］史文中，朱長青，王 昱.從遙感影像提取道路特征的方法綜述與展望［J］.測繪學報，2001，30(3):257 －262.

［11］陳 震，高滿屯，楊聲云.基于Hough變換的直線跟蹤方法［J］.計算機應用，2003，23(10):30 －32.

［12］ Hough P V C.Method and Means for Recognizing Complex Patterns［P］.US:Patent 3 069 654，1962.

［13］ Duda R O，Hart P E.Use of the Hough Transformation to Detect Lines and Curves in Pictures［J］.Communications of the ACM，1972，15(1):11 －15.

［14］ Sonka M，Hlavac V，Boyle R，et al.圖像處理:分析與機器視覺［M］.艾海舟，武 勃，等譯.北京:人民郵電出版社，2003.

A New Approach to Automatic Positioning of Road Junctions in High Spatial Resolution Remotely Sensed Imagery

ZHANG Wei－ wei1，2，MAO Zheng － yuan1，2
(1.Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education，Fuzhou University，Fuzhou 350002，China;2.Provincial Spatial Information Engineering Research Center，Fuzhou University，Fuzhou 350002，China)

On the basis of systematically inducing and analyzing the methods to extract road junctions from remotely sensed imagery，a new approach to automatically positioning road junctions in high spatial resolution images is presented in this paper.The related algorithm includes the following steps:firstly，the homogeneous areas are obtained by lower gradient operator;then，waters，shadows and small areal distracting features are removed one by one;after that，the straight lines are detected in the binary image by means of Hough transform;finally，the detected straight lines are sorted according to the frequency with which they appear，and the road junctions are indicated with the average coordinates of the intersections of several top frequent straight lines each of which at least has one intersection angle larger than the predetermined threshold.In the case study，an intersection and a junction of three roads were located in local urban area of Fuzhou by using QuickBird panchromatic image as sample data，showing that the proposed approach，with robustness against spectral confusion and confused features，can efficiently and accurately locate road junctions.

road junctions;automatic positioning of road junctions;high spatial resolution;QuickBird image;hough transformation

TP 751.1

A

1001－070X(2012)01－0013－04

10.6046/gtzyyg.2012.01.03

2011－04－26;

2011－05－19

國家自然科學基金項目(編號:40871206)和國家科技支撐計劃項目(編號:2007BAH16B01)共同資助。

張偉偉(1985－)，男，在讀碩士研究生，主要研究方向為空間數據挖掘。E－mail:zdwbbc@163.com。

(責任編輯:李 瑜)