一種GIS輔助下的雙線型線狀地物提取方法

張作昌

摘要：提出一種基于GIS數(shù)據(jù)和遙感影像的雙線型線狀地物提取方法。先對遙感影像去噪增強(qiáng)，配準(zhǔn)GIS矢量數(shù)據(jù)和遙感影像，執(zhí)行模式分類，在矢量數(shù)據(jù)形成的緩沖區(qū)范圍內(nèi)選取種子點實施區(qū)域生長，通過數(shù)學(xué)形態(tài)學(xué)操作進(jìn)一步優(yōu)化，最后使用邊緣檢測算子提取地物邊緣。實驗結(jié)果表明，該方法能夠準(zhǔn)確地檢測出雙線型線狀地物的邊緣。

關(guān)鍵詞：GIS；矢量數(shù)據(jù)；遙感影像；線狀地物；邊緣檢測

中圖分類號：TP751 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2017）01-0039-02

1 引言

線狀地物是地類調(diào)查的重要內(nèi)容，是圖斑劃分的重要依據(jù)。線狀地物提取對于遙感影像解譯、GIS數(shù)據(jù)更新具有非常重要的意義。根據(jù)線狀地物在地圖上的寬度，可將其分為單線型和雙線型：寬度大于等于2mm屬于雙線型，否則是單線型。在GIS數(shù)據(jù)和遙感影像配準(zhǔn)的基礎(chǔ)上，根據(jù)線狀地物對應(yīng)矢量數(shù)據(jù)的類型，分別采取不同的提取策略。

2 相關(guān)研究

線狀地物提取方法分為基于單一遙感影像和基于多源數(shù)據(jù)。Shao等[1]通過局部排序和判斷方案檢測道路中心點；Rodríguez-Cuenca等[2]提出三階概率標(biāo)簽松弛法在分類后提取線狀特征。后者又可細(xì)分為基于相同的數(shù)據(jù)源和基于不同類型的數(shù)據(jù)源。Wei等[3]基于不同時段的影像生成目標(biāo)掩模，通過分類、形態(tài)學(xué)操作和直線識別提取大尺度的人造線狀地物。線狀地物有對應(yīng)的矢量，用已有的GIS數(shù)據(jù)為向?qū)苡行Ш喕匚餀z測、識別等過程。董明等[4]用矢量數(shù)據(jù)構(gòu)造緩沖區(qū)檢測道路。上述研究主要針對單線型線狀地物，本文研究GIS輔助下的雙線型線狀地物提取方法。

3 GIS輔助下的雙線型線狀地物提取

3.1 數(shù)據(jù)配準(zhǔn)

遙感影像普遍采用以像元為單位的柵格格式存儲，而GIS數(shù)據(jù)主要以點、線、面為單元的圖形矢量格式存儲，兩者結(jié)合的首要問題是數(shù)據(jù)配準(zhǔn)。矢量地形圖由正射影像得到，已經(jīng)過正射校正。因此，只需對遙感影像進(jìn)行相對幾何校正，即可完成配準(zhǔn)。通過選取控制點，計算矢量坐標(biāo)和影像坐標(biāo)之間的仿射變換參數(shù)；超過5個控制點時，對衛(wèi)星影像可使用嚴(yán)格幾何模型計算初始外參數(shù)，對于航空影像可通過粗略空間后方交會計算初始外方位元素。利用外參數(shù)將矢量圖層反變換到影像空間。

3.2 雙線型線狀地物提取

在遙感影像上，不同地物具有不同的光譜特征。為了更好區(qū)分具有一定寬度的雙線線狀地物，先進(jìn)行像素聚類，然后選取種子點在矢量數(shù)據(jù)形成的緩沖區(qū)內(nèi)實施區(qū)域生長，再執(zhí)行數(shù)學(xué)形態(tài)學(xué)的膨脹、腐蝕進(jìn)行優(yōu)化，最后利用邊緣檢測算子提取雙線線狀地物的邊緣。

（1）模式分類。K-均值法以確定的類數(shù)和選定的初始聚類中心為前提，使各模式到其所屬類別中心的歐氏距離之和最小。本文采用按批修改法，在所有待分類模式按最小距離原則劃分類別后，再計算各類的中心。采用K-均值法對地物分類的結(jié)果如圖1所示。

（2）區(qū)域生長。區(qū)域生長先對每個待分割的區(qū)域找一個種子像素作為生長起點，然后將種子周圍與其性質(zhì)相同或相似的像素合并到種子所在區(qū)域，把新增像素當(dāng)作新的種子重復(fù)上述過程，直到再沒有滿足條件的像素可被包括進(jìn)來。本文手工選取種子點，以舊矢量地形圖向兩邊各拓展一個緩沖區(qū)形成的多邊形作為區(qū)域生長范圍。由于影像已分類，灰度閾值可取1。為說明聚類的必要性，圖2給出了對圖1執(zhí)行區(qū)域生長的結(jié)果，兩條細(xì)線是舊矢量向左右各拓展一段距離形成的緩沖區(qū)。從原始影像上可以看到，實際的河流變窄了，河流與兩邊的河床均有一段距離，而圖2（a）的區(qū)域生長結(jié)果有一側(cè)貼近河床，明顯錯誤，圖2（b）正確。

（3）形態(tài)學(xué)操作。數(shù)學(xué)形態(tài)學(xué)是根據(jù)集合代數(shù)與拓?fù)湔摱岢龅男碌膱D像處理方法，它將對象模型化，對集合進(jìn)行研究。數(shù)學(xué)形態(tài)學(xué)的兩種主要運算是腐蝕和膨脹。影像分類并執(zhí)行區(qū)域生長后，存在著許多類似“椒鹽噪聲”的白色斑點，為了方便后續(xù)提取邊緣，需要去除噪聲，這里使用形態(tài)學(xué)處理方法，對圖2（b）進(jìn)行膨脹、腐蝕各一次，結(jié)果如圖3所示。膨脹操作“抹去”了大量的白色斑點，為了保持原有地物的形狀，用腐蝕操作抵消因膨脹造成的面積增大。

（4）邊緣提取。在形態(tài)學(xué)處理的基礎(chǔ)上用Roberts算子提取河流邊緣，結(jié)果如圖4所示。

4 結(jié)語

本文提出了一種在GIS數(shù)據(jù)輔助下的雙線型線狀地物提取方法，先對遙感影像預(yù)處理，配準(zhǔn)兩種不同類型的數(shù)據(jù)，然后進(jìn)行K-均值分類，實施區(qū)域生長，通過形態(tài)學(xué)操作優(yōu)化區(qū)域生長結(jié)果，最后采用Roberts算子提取邊緣。實驗結(jié)果表明，該方法能夠準(zhǔn)確地檢測出雙線型線狀地物的邊緣，是一種有效的遙感影像線狀地物提取方法。

參考文獻(xiàn)

[1]Shao Y， Guo B， Hu X， et al. Application of a Fast Linear Feature Detector to Road Extraction From Remotely Sensed Imagery[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2011， 4（3）： 626-631.

[2]Rodríguez-Cuenca B， Malpica J A， Alonso M C. A Spatial Contextual Postclassification Method for Preserving Linear Objects in Multispectral Imagery[J]. IEEE Transactions on Geoscience and Remote Sensing， 2013， 51（1）： 174-183.

[3]Wei Z， Lin H， Shi C， et al. Extraction Method of Large-scale Linear Objects from SAR Images [C]. The 2nd IEEE/IET International Conference on Audio， Language and Image Processing， Shanghai， IEEE， 2010： 1552-1556.

[4]董明，張海濤，祝曉坤，等.基于遙感影像的地圖道路網(wǎng)數(shù)據(jù)變化檢測研究[J].武漢大學(xué)學(xué)報·信息科學(xué)版，2009，34（2）：178-182.