結合數學形態學與多角度模板匹配的高分辨率遙感圖像救災帳篷識別

葉　昕，秦其明，王　俊，王建華

(北京大學遙感與地理信息系統研究所，北京 100871)

Relief Tent Detection from High-resolution Remote Sensing Image Based on

Mathematical Morphology and Multi-angle Template Matching

YE Xin，QIN Qiming，WANG Jun，WANG Jianhua

?

結合數學形態學與多角度模板匹配的高分辨率遙感圖像救災帳篷識別

葉昕，秦其明，王俊，王建華

(北京大學遙感與地理信息系統研究所，北京 100871)

Relief Tent Detection from High-resolution Remote Sensing Image Based on

Mathematical Morphology and Multi-angle Template Matching

YE Xin，QIN Qiming，WANG Jun，WANG Jianhua

摘要：從災后遙感圖像中快速準確地識別救災帳篷有利于災后救援工作的高效開展。本文結合實際應用需求，在前人研究的基礎上，提出了一種結合數學形態學與多角度模板匹配的高分辨率遙感圖像救災帳篷識別方法。首先從遙感圖像中選擇帳篷模板并從中提取形狀特征與光譜特征；然后將各波段灰度圖像二值化并進行數學形態學運算，參考帳篷的形狀特征提取出候選目標；最后根據帳篷的光譜特征，將候選目標與帳篷模板進行多角度匹配，剔除匹配度較低的偽目標，完成救災帳篷識別。試驗結果表明，本方法的識別精度達90%以上，具有較高的應用價值。

關鍵詞：遙感圖像；救災帳篷；數學形態學；模板匹配；目標識別

一、引言

重大自然災害的發生，會導致嚴重的人員傷亡和經濟損失，而遙感技術能夠進行大面積同步觀測，具有時效性強、信息客觀真實、數據的綜合性與可比性好等特點[1]。將遙感技術應用到救災工作中，對于高效開展救災工作十分有利。

災民安置是救災工作中的重要環節，從遙感圖像中準確識別救災帳篷，有利于宏觀了解災民安置情況，還可以指導救災物資的合理分配，但目前相關研究較少。有學者采取目視解譯的方法從高分辨率遙感圖像識別帳篷目標[2-5]，盡管識別結果準確，但費時費力。文獻[6]采用了4種計算機識別方法從IKONOS遙感圖像中識別救災帳篷，分別是監督分類、非監督分類、圖像分割和數學形態學方法，這4種方法都取得了較高的識別精度。但利用監督/非監督分類方法進行帳篷識別時，還需要明確圖像中的其他地類，在遙感圖像背景地物過多時，該方法較為復雜，同時,基于像素的分類結果存在椒鹽現象，需要進行后處理。圖像分割方法的識別精度很大程度上依賴于分割效果，欠分割和過分割都將嚴重影響結果精度。對于形狀規則、結構統一、光譜特征明顯的帳篷目標，數學形態學方法較為適用。但僅利用該方法，對帳篷特征的分析不足，容易識別出偽目標。除了數學形態學方法之外，模板匹配方法同樣適用于帳篷目標的識別。文獻[7]首先從原始圖像中選取帳篷模板，然后利用互相關匹配算法從圖像中選擇匹配度最高的區域，實現帳篷目標的識別，取得了良好的識別結果，但該研究是在全圖范圍內進行模板匹配，搜索區域大、時間效率低；同時，未考慮帳篷搭建的方向問題，僅能識別與模板方向一致的帳篷目標，通用性有待改進。

綜上所述，本文在充分調研國內外研究現狀的基礎上，針對前人方法的不足，綜合分析帳篷目標的多類特征，并考慮帳篷搭建的方向問題，提出了一種結合數學形態學與多角度模板匹配的高分辨率遙感圖像救災帳篷識別方法。

二、識別方法

本文提出的救災帳篷識別方法流程如圖1所示，主要分為3步：

1) 預處理：包括帳篷模板選擇和單波段抽取兩部分。首先選擇帳篷模板，并從中提取出帳篷目標的形狀特征和光譜特征；然后從原始圖像中抽取出各波段灰度圖像。

2) 候選目標提取：將各單波段圖像分別進行自適應二值化，并對二值圖像進行數學形態學運算，結合帳篷的形狀特征，提取候選目標。

3) 帳篷識別：根據候選目標的位置和方向，將其與帳篷模板進行多角度匹配，剔除匹配度較低的偽目標，得到救災帳篷識別結果。

完成上述3個步驟后，對識別結果進行精度評價，以驗證本方法的準確性。

圖1　救災帳篷識別流程

1. 預處理

為了準確識別救災帳篷，首先需要選擇帳篷模板；同時，提取模板的光譜特征和形狀特征作為后續目標提取步驟中的先驗知識；然后，從原始遙感圖像中抽取各單波段圖像，并分別進行灰度拉伸，進一步增強目標與背景的差異。

2. 候選目標提取

(1) 自適應二值化

出于安全考慮，救災帳篷的顏色以紅、藍、白色為主，因此在特定單波段遙感圖像中，救災帳篷的灰度值將顯著高于其他地物，可以利用二值化算法將帳篷目標分割出來。由于成像條件的限制，災后遙感圖像中的部分區域可能會有薄霧的干擾，傳統的全局二值化算法不適用。本文采用文獻[8]提出的一種自適應局部二值化算法[8](下文簡稱DG算法)。

(2) 基于數學形態學的候選帳篷提取

利用數學形態學開運算對二值圖像進行平滑，消除其中的散點和毛刺。平滑后的圖像中剩余若干邊界規整的對象，再根據帳篷目標的形狀特征設定如下篩選條件，提取候選帳篷目標：

1) 矩形度α：α≥αT；

2) 面積S：Smin≤S≤Smax；

3) 最小外接矩形的長寬比r：

rmin≤r≤rmax

矩形度閾值αT，面積閾值 Smin、Smax和長寬比閾值rmin、rmax均由從帳篷模板中提取的形狀特征確定。

3. 帳篷識別

步驟2)的提取結果中還存在一些偽目標，在原始遙感圖像中主要表現為形狀規則、亮度較高的斑塊。可通過模板匹配算法，將匹配度小于閾值的虛假目標去除，得到最終救災帳篷識別結果。

模板匹配算法的思路如下：待匹配區域I大小為W×H，模板T大小為w×h，匹配結果R是大小為(W-w+1)×(H-h+1)的矩陣。將模板滑過整個區域，用指定算法比較模板和待匹配范圍中大小為w×h的重疊區域，將比較結果保存到R中[9]；最后從R中取出最大值，作為該范圍內目標的匹配度，其對應的位置，即為該范圍內的目標位置。匹配度算法采用相關系數法[10]。

考慮到待識別帳篷的搭設方向未知，可能與模板圖像中帳篷目標的方向不一致，在進行模板匹配前需要調整角度。如圖2所示，設待匹配候選目標的方向與水平線夾角為α，將其順時針旋轉角度α后進行一次模板匹配。考慮到帳篷為矩形結構，為了提高準確率，將其分別旋轉α+90°、α+180°、α+270°后再進行3次匹配，取4次結果的最大值作為該候選目標的最終匹配度D。

最后，設置匹配度閾值DT，剔除所有匹配度D≤DT的偽目標，得到帳篷識別結果。

圖2　帳篷搭設示意圖

三、試驗與結果

1. 數據源

本文選用云南大理洱源縣5.5級地震后的光學航空遙感圖像。成像時間為2013年3月4日，空間分辨率為0.18m，遙感圖像包含R、G、B3個波段，大小為5616像素×3744像素。試驗遙感圖像如圖3所示。

圖3　試驗遙感圖像

救災帳篷集中分布在圖4的4個區域，遙感圖像中其他區域也零散分布了少量救災帳篷。其中，圖4(a)和圖4(d)區域在成像時受到霧氣的干擾，圖像較為模糊。下面本文將以圖4(a)區域為例介紹帳篷識別方法流程。

圖4　救災帳篷主要分布區域

2. 救災帳篷識別

首先從原始遙感圖像中選擇帳篷模板，然后采用DG算法將原始圖像的各波段二值化。為了證明DG算法的有效性，以藍波段為例，將其與經典的Otsu算法進行對比，試驗結果見圖5。

圖5　二值化試驗結果對比

從圖5可以看出，DG算法能夠更好地削弱薄霧的干擾，突出帳篷目標。然后，構建5×5大小的矩形結構元素，對二值圖像進行數學形態學開運算，結果見圖6，從圖6中可以看出，背景噪聲已被基本去除，能夠較完整地突出帳篷目標。

圖6　候選帳篷目標提取

經過篩選得到的候選帳篷目標如圖7(b)所示，從中可以看出，除了正確的帳篷目標之外，還存在一處被錯誤識別的目標。最后，利用模板匹配算法篩除錯誤識別的救災帳篷目標，最終識別結果見圖7(a)，錯誤識別目標已被剔除，識別結果準確。其他區域的識別結果見圖7(c)、圖7(d)。

圖7　救災帳篷識別結果

3. 精度評價

通過目視解譯可知，試驗圖像中共有救災帳篷104頂，本文方法共識別出99頂，其中正確識別結果94頂，不同子區域內帳篷識別的精度評價結果見表1。

從表1可以看出，本文方法的總體完整率為90.38%，正確率為94.95%，識別精度較高。無論是在成像效果較好的區域b、c，還是在受霧氣影響的區域a、d，本方法都取得了良好的識別結果。除了上述4個集中分布的區域外，其他零散分布的帳篷目標識別結果不佳。經過分析，是由于遙感圖像中的背景噪聲及其他地物的干擾所致。

表1　精度評價

四、結束語

針對重大自然災害發生后災民臨時安置點的監測評估，救災物資的合理分配等實際應用需求，結合救災帳篷在高分辨率遙感圖像上的多種特征，本文提出了一種結合數學形態學與多角度模板匹配的高分辨率遙感圖像救災帳篷識別方法。試驗結果表明，本文方法的識別完整率為90.38%，識別正確率為94.95%，能夠準確識別出遙感圖像中的救災帳篷目標。在識別過程中，本文還考慮了遙感圖像成像條件的限制，采用自適應閾值分割算法，有效削弱了薄霧的干擾；同時，試驗結果還表明，其他區域內零星分布的帳篷識別精度較低。如何進一步減少噪聲及其他地物的干擾，提高識別方法的魯棒性，有待進一步研究。

參考文獻：

[1]梅安新, 彭望祿, 秦其明, 等. 遙感導論[M]. 北京: 高等教育出版社, 2001.

[2]溫奇, 陳世榮, 和海霞, 等. 無人機遙感在云南盈江地震中的應用[J]. 自然災害學報, 2012, 21(6): 65-71.

[3]劉三超, 范一大, 高懋芳. 遙感數據在自然災害救助中的應用[J]. 航天器工程, 2012, 21(6): 136-141.

[4]BJORGO E. Using Very High Spatial Resolution Multispectral Satellite Sensor Imagery to Monitor Refugee Camps[J]. International Journal of Remote Sensing, 2000, 21(3): 611-616.

[5]BJORGO E. Refugee Camp Mapping Using Very High Spatial Resolution Satellite Sensor Images[J]. Geocarto International, 2000, 15(2): 79-88.

[6]GIADA S, DE GROEVE T, EHRLICH D, et al. Information Extraction from Very High Resolution Satellite Imagery over Lukole Refugee Camp, Tanzania[J]. International Journal of Remote Sensing, 2003, 24(22): 4251-4266.

[7]ALHARTHY A, KOSHAK N. Automatic Extraction of Tents During Hajj from Airborne Images to Support Land Use Optimization[J]. Automation in Construction, 2007, 16(1): 107-111.

[8]BRADLEY D, ROTH G. Adaptive Thresholding Using the Integral Image[J]. Journal of Graphics,Gpu, and Game Tools, 2007, 12(2): 13-21.

[9]劉瑞禎, 于仕琪. OpenCV教程基礎篇[M]. 北京: 北京航空航天大學出版社, 2007.

[10]BROWN L G. A Survey of Image Registration Techniques[J]. ACM Computing Surveys (CSUR), 1992, 24(4): 325-376.

引文格式：葉昕，秦其明，王俊，等. 結合數學形態學與多角度模板匹配的高分辨率遙感圖像救災帳篷識別[J].測繪通報，2015(1)：86-89.DOI:10.13474/j.cnki.11-2246.2015.0017

通信作者：秦其明。E-mail：qmqinpku@163.com

作者簡介：葉昕(1992—)，男，博士生，主要研究方向為遙感圖像信息提取。E-mail：lanlang524@126.com

基金項目：國家863計劃(2012AA121305)

收稿日期：2014-02-24

中圖分類號：P237

文獻標識碼：B

文章編號：0494-0911(2015)01-0086-04