基于Guided Filter的地形圖中線要素提取算法

尹月琴

(國網陜西省電力公司 延安供電公司，陜西 延安 716000)

?

基于Guided Filter的地形圖中線要素提取算法

尹月琴

(國網陜西省電力公司 延安供電公司，陜西 延安 716000)

針對彩色掃描地形圖中線要素與背景要素難以分離，現有線要素提取算法提取的結果中存在邊界不準確的問題，提出基于Guided Filter的地形圖中線要素提取算法。利用基于能量密度和Shear變換相結合的線要素提取算法對線要素進行粗提?。灰隚uided Filter，以源地形圖圖像作為Guided Filter的引導圖像，以粗提取的線要素圖像作為Guided Filter的輸入圖像，經過濾波處理獲得的線要素信息更為顯著；利用OTSU算法得到最終的線要素信息。實驗結果表明:相對于現有的線要素提取算法，提出的算法能夠更為準確地提取出地形圖中的線要素，并具有更好的噪聲抑制能力。

地形圖； 線要素； 能量密度； Guided Filter

0 引 言

彩色地形圖中地理要素的提取與識別是地形圖數字矢量化的基礎，其中尤為重要的是等高線等線要素的提取。由于在一般的彩色地圖中，各種地理要素采用不同的顏色來表示的，而且顏色特征之間的區別比較明顯。因此，顏色信息是各種地理要素相分離的重要的特征依據，而傳統的地理要素分離方法也主要是基于要素的顏色信息[1～3]。例如：馮玉才等人[4]采用顏色聚類的方法地形圖進行分層處理；Ebi N等人[5]則通過顏色空間轉換的方法以更好地利用顏色信息。Wu J等人[6]依據地形圖在掃描過程中存在的顏色偏差問題，導致圖像中存在過渡色，像素的歸屬發生模糊的問題，提出了基于模糊分類思想，使用模糊理論進行地理要素的分離。鄭華利等人[7]在對地形圖進行色彩空間轉換的基礎上，提出了基于二維直方圖的模糊均值聚類方法?？傊?，這些方法的最終的思想都是根據地圖要素的顏色信息[8,9]。對于一般情況下地形圖中的線要素提取問題，傳統的顏色分割等算法就能夠較好的將線要素與背景要素相分離，但是在一些低質量的彩色地形圖中，現有的基于顏色信息的圖像分割算法難以準確提取線要素。此外，還有一種基于二值圖使用網格特征模板去除普染要素的方法[10]，該方法主要針對地形圖中普染要素分布比較規律的情況。但是對于情況復雜的普染要素，像素的分布不是網格狀，這種方法也不再適用。

針對以上問題，Miao Qiguang等人[11]在2013年提出了基于能量密度與Shear變換相結合的地形圖線要素提取算法。該算法提出能量密度的概率，并設計水平和垂直兩個方向的線要素提取模板以及兩項線要素提取規則對地形圖進行線要素提取。進一步針對線要素提取模板受到方向性限制的缺點，引入Shear變換以更準確地提取線要素信息。相對傳統的圖像分割方法，該算法取得了很好的效果。但是在其得到的結果圖像中，可以看出該算法得到的線要素的邊界不準確，主要體現在線要素邊界上存在較多的背景要素。為解決這一問題，本文提出基于Guided Filter的地形圖中線要素提取算法，該算法利用基于能量密度與Shear變換的線要素提取算法得到的線要素作為Guided Filter[12]的輸入圖像，以源地形圖圖像作為Guided Filter的引導圖像，經過濾波處理得到濾波后圖像。最后利用OTSU算法得到線要素信息。

1 地理要素分布特征分析及現有算法的基礎理論

對于彩色地形圖，首先對其線要素和普染要素的分布特點進行分析。在一些地形圖中，線要素與普染要素在顏色信息上非常相似(如圖1(a)所示)，特別是在線要素與普染的交界處還可能存在過渡平緩的區域。如圖1(b)所示，從圖中可以看出圖像中像素的顏色信息基本都集中于一個很小的區域，等高線像素和普染區像素的顏色信息之間的差別十分微小。

圖1 彩色地圖及其在Lab顏色空間中a和b通道的色彩直方圖Fig 1 Color topographic map and its color histogram of the a and b channels in Lab color space

另一方面，在地形圖的二值圖像中，普染要素在理想情況下顯現的特征呈網格狀(如圖2(b)所示)，那么可以建立一個模板對圖像各像素進行匹配以去除普染區。但是對于情況復雜的普染要素，像素的分布不是網格狀，而且雜亂無章(如圖2(c)所示)，所以,單純使用這種方法不能去除復雜情況下的普染要素。

圖2 彩色地圖二值化分析Fig 2 Binary analysis of color topographic map

針對這些問題，Miao Qiguang等人提出的線要素提取算法取得了很好的效果。該算法根據對彩色地形圖中線要素的特征以及人眼判別線要素和普染要素特點的分析。首先將彩色地形圖轉化成為灰度圖。再對其進行Shear變換，得到多個方向上的Shear變換后的圖像。

然后，在水平和垂直兩個方向上各建立一個提取線要素的匹配模板，如圖3所示。圖3中的黑色區域代表線要素， h1和h3區域代表線要素周邊的普染區域，各區域大小根據線要素和普染要素的分布情況確定。

圖3 線劃要素提取模板Fig 3 Templates for line features extracting

進一步，計算區域模板中對應線要素區域及其周邊區域的能量密度，并根據式(1)和式(2)提取線要素

(1)

(2)

最后，對Shear變換后各個方向上地形圖提取的線要素圖像進行逆Shear變換，并將所有在水平方向和垂直方向上提取的線要素進行并運算操作，以得到線要素圖像ISE。

2 基于Guided Filter的地形圖中線要素提取算法

為進一步去除圖像ISE中線要素邊界上存在的背景要素，本文引入GuidedFilter[13]，以原始地形圖IO作為GuidedFilter的引導圖像，以ISE作為GuidedFilter的輸入圖像，經過濾波處理得到濾波后圖像。然后利用OTSU算法進行二值化處理，得到最終的線要素信息。

GuidedFilter的輸出圖像就是對引導圖像IO的一個線性變換，如式(3)所示

IG(x,y)=akIO(x,y)+bk,?(x,y)∈wk

(3)

式中 IG為GuidedFilter的輸出圖像，ak和bk為線性系數，wk為一個局部窗口。為了使輸入圖像ISE和輸出圖像IG之間的差異最小，需要在窗口wk中使以下的函數達到最小化，即

(4)

式中 E為輸入圖像ISE和輸出圖像IG之間的差異值，ε為一個防止ak的值過大的正則化參數。當E達到最小時，通過式(5)計算ak和bk如下

(5)

IG(x,y)=axyIO(x,y)+bxy

(6)

則，GuidedFilter的輸出圖像IG就是最終提取的線要素圖像。

3 實驗與分析

本文采用兩幅地形圖進行仿真實驗，如圖4(a)和圖5(a)所示。從圖中可以看出，地形圖中的線要素的顏色信息與部分區域的背景要素的顏色信息非常相似，導致傳統的顏色分割算法難以實現線要素與背景要素的分離。而相對傳統算法，文獻[11]算法能夠較為準確、完整地提取線要素信息。但是同時結果中還殘留較多的噪聲信息，如圖4(b)和圖5(b)所示。本文算法以文獻[11]得到的結果作為GuidedFilter的輸入圖像，經過濾波處理后，可以得到線要素更加顯著的圖像，如圖4(c)和圖5(c)所示。在此基礎上，利用OTSU算法可以得到最終的線要素信息，如圖4(d)和圖5(d)所示。從結果圖像中可以看出，本文提出算法提取的線要素信息更準確，圖像中殘留的噪聲較少。

圖4 不同算法提取線要素結果(地形A)Fig 4 Results of line feature extracted by different algorithms(topographic A)

圖5 不同算法提取要素結果(地形B)Fig 5 Results of feature extracted by different algorithms (topographic B)

4 結 論

本文提出了一種基于Guided Filter的地形圖中線要素提取算法，以解決地形圖中線要素與背景要素難以分離的問題。實驗表明：本文算法能夠更為完整、更準確地提取出地形圖中的線要素。此外，本文提出的地形圖中線要素提取算法可應用于電力輸電線路走廊(走徑)的最優選定，結合陜北黃土高原土質結構、山區地形，減少對當地農業、林區影響，起到走徑最優、快速選徑、桿塔立塔安全可靠、經濟等科研作用。

[1] Samet R,Hancer E.A new approach to the reconstruction of contour lines extracted from topographic maps[J].Journal of Visual Communication and Image Representation,2012,23(4):642-647.

[2] Hancer E,Samet R.Advanced contour reconnection in scanned topographic maps[C]∥IEEE International Conference on Application of Information and Communication Technologies,2011:1-5.

[3] 宋亞玲,歐聰杰.Tsallis熵的參數在圖像閾值分割中的應用[J].傳感器與微系統,2015,34(11):147-149.

[4] 馮玉才,宋恩民.彩色地圖圖像的聚色算法研究[J].軟件學報,1996,7(8):466-470.

[5] Ebi N,Lauterbach B,Anheier W.An image analysis system for automatic data acquisition from colored scanned maps[J].Machine Vision and Applications,1994,7(3):148-164.

[6] Wu J,Chalmers A N,Yan H.Color image segmentation using fuzzy clustering and supervised learning[J].Journal of Electronic Imaging,1994,3(4):397-403.

[7] 鄭華利,周獻中,王建宇.空間關系信息和顏色信息相結合的地形圖分層算法[J].中國圖像圖形學報,2003,8(3):334-340.

[8] 賈 剛,姜 邁,王宗義.基于感知的顏色空間在圖像分割中的應用[J].傳感器與微系統,2013,32(10):149-152.

[9] 張 琦,盧志茂,徐 森,等.基于相似度矩陣的譜聚類集成圖像分割[J].傳感器與微系統,2013,32(10):21-23.

[10] 郭 玲.彩色地圖線狀要素的識別與提取[D].南京：南京理工大學， 2003.

[11] Miao Qiguang,Xu Pengfei,Liu Tiange,et al.Linear feature separation from topographic maps using energy density and shear transform[J].IEEE Transaction on Image Processing,2013,22(4):1548-1558.

[12] He K,Sun J,Tang X.Guided image filtering[J].IEEE Trans on Pattern Anal Mach Intell,2013,35(6):1397-1409 .

Line feature extraction algorithm from topographic maps based on Guided Filter

YIN Yue-qin

(Yan’an Power Supply Company,State Grid Shaanxi Power Company,Yan’an 716000,China)

Aiming at problem that it is difficult to extract line features from topographic maps,and the line features extracted by exsting methods are not accurate,propose a line feature extration method based on Guided Filter.In this method,Guided Filter is introduced,the line features are extracted first by the method based on the energy density and the shear transformation,and the result images are used as the input images of Guided Filter; then use original topographic maps as the Guided images of Guided Filter.The line features are more significant after filtering,and obtain the final line features information by OTSU algorithm.Experimental resuts show that the proposed algorithm can extract line features more accurately,and has better ability of noise inhibition.

topographic maps; line feature; energy density; Guided Filter

2016—06—17

10.13873/J.1000—9787(2016)10—0135—03

TP 391

A

1000—9787(2016)10—0135—03

尹月琴(1969-)，女，陜西蒲城人，高級工程師，從事信息通信技術管理。