基于對比度增強和形態學的遙感影像道路提取

楊孝翠，孟萬利

(1. 信息工程大學，河南 鄭州 450001； 2. 河南理工大學，河南 焦作 454000)

基于對比度增強和形態學的遙感影像道路提取

楊孝翠1，孟萬利2

(1. 信息工程大學，河南 鄭州 450001； 2. 河南理工大學，河南 焦作 454000)

提出了一種基于對比度增強和形態學的遙感影像道路邊界與特征點提取的方法。先對遙感影像進行對比度變換增強，通過對比分析直方圖均衡化和對比度分段線性增強兩種方法獲取的增強影像，選取區分度大的分段線性增強方法進行影像增強，然后運用數學形態法進行影像分割，實現道路和其他圖像信息的有效分離。利用Krisch算子進行邊緣檢測提取道路的邊緣信息，并基于邊緣特征利用改進的Harris算子提取特征點，將提取的特征點進行擬合并用函數模型描述圖像道路信息，用于后期制圖中道路信息的矢量化。

對比度增強；數學形態學；邊緣檢測；特征點提取；曲線擬合

遙感技術作為地面信息獲取的綜合技術，近年來取得了迅猛的發展，如何利用計算機圖像處理技術快速自動提取有用信息是當前很多學者研究的熱點。道路信息作為制圖中不可或缺的部分，其提取方法已成為計算機圖形學、數字攝影測量學、遙感科學等領域的研究重點[1]。雖然目前科學技術飛速發展，但是還沒有能夠精確識別道路網信息的系統，因此對道路信息的提取研究十分必要。

遙感影像中地物的提取方法與該地物的圖像特征關系密切，遙感影像道路信息有著特殊的物理特征：道路通常用水泥或瀝青材料鋪設，表面平坦，鄉間的小路除外；道路的寬度與道路等級有關，同一等級的道路寬度變化不大；道路的彎曲程度有限，曲率變化緩慢；道路表面顏色通常更加明亮，與鄰域反差較大；道路面灰度較均勻，紋理信息統一等[2]。大部分道路信息的提取方法就是基于這些物理特征進行研究的。

目前進行道路自動提取的方法有數學形態法、平行線對法、多分辨率提取方法、地圖匹配法等。本文基于數學形態法[3]利用邊緣檢測算法進行道路邊緣檢測后，對檢測邊緣線進行道路特征點的提取。具體步驟為：利用對比度增強增加影像中道路與其他信息的對比度，提高道路的辨識度，同時損失掉部分非道路信息；然后進行形態學濾波，濾除非道路信息，根據區域生長法填充少量面積較小的未濾除的非道路信息；利用Krisch算法提取道路邊界；基于提取的道路邊界提取特征點；最后對提取的特征點進行多項式擬合，將得到的函數模型應用于道路信息的矢量化，提高矢量化的效率。

1 圖像的預處理

圖像預處理是圖像處理的重要基礎，對于獲取真實準確的圖像信息具有決定性的作用，對圖像進行預處理是為了消除圖像中的無關信息，增強需求信息的可檢測性[4]，為后續圖像的特征提取、圖像分割、圖像匹配、圖像識別等奠定基礎。圖像的預處理一般包括數字化、幾何變換、時頻變換、圖像增強、圖像恢復等。

為了準確提取道路邊緣信息，首先要對道路信息進行影像增強，提升道路信息與其他信息的對比度。對比度是提取圖像細節信息的重要屬性，通過增強對比度檢測人眼很難檢測到的特征[5]。應用于道路提取則需要增強道路信息，而弱化非道路信息，便于道路線邊緣的提取。現有的對比度增強算法有變換算法、直方圖增強及一些混合算法。

1.1 直方圖均衡化算法

直方圖均衡化能有效增強圖像[6]，實質上是一種點運算，即將輸入圖像劃分為不同灰度級，并將同一灰度級賦予相同的灰度值[7]。變換關系為

(1)

式中，S表示像素值g經過T(g)變換后的灰度值。

一幅圖像的灰度級表示為區間[0，1]的隨機值，用PDF(概率密度函數)表示，隨機變量m的概率密度函數為Pm(m)，則隨機變量n的概率密度函數Pn(n)為

(2)

經過變換得到圖像的直方圖為

(3)

(4)

選取一幅包含道路信息的遙感影像圖進行裁剪，圖片大小的設定如圖1所示，對其進行直方圖均衡化得到的灰度圖像如圖2所示。

圖1 原始影像

圖2 直方圖均衡化

1.2 對比度拉伸變換增強

對比度拉伸變換實質是對圖像上不同灰度值i根據一定的變換關系進行放大或縮小，從而改變圖像的對比度，得到增強圖像的效果。這里采用分段線性變換的方法對圖像進行不同灰度區間的規則變換，如圖3所示，變換公式為

(5)

式中，pix[i]表示在第n+1區間灰度為i經過變換得到的新灰度值；(xn，yn)為第n+1區間變換的起始值；Kn+1為第n+1段的斜率。同樣對圖1進行對比度線性增強，這里將其灰度值分為4段進行變換，選取的參數值如圖4所示。

圖3 線性變換增強

圖4 對比度參數

兩種方法提取信息比較見表1。

表1 預處理后圖像信息統計

熵表示圖像灰度分布的聚集特性，描述圖像信息源的平均信息量，熵越大，包含的信息量越豐富。由表1可見，直方圖均衡化的熵值高于線性變換的熵，說明直方圖均衡化后圖像的信息更加豐富。均方誤差(MSE)表示處理后的圖像與原始圖像的灰度差值的平方期望值，值越小，圖像的損失越小；峰值信噪比(PSNR)提供了圖像失真或噪聲水平的客觀標準，其值越大表示圖像失真越少。對比直方圖均衡化的值和線性變換的值，說明均衡化后的圖像的信息更加完整。而對于遙感影像的道路提取，圖像信息量越大，越不利于道路信息的提取，會產生更多的干擾信息，因此選擇分段線性變換的方法進行圖像增強處理。

2 數學形態學濾波

2.1 形態學閉合運算

數學形態學[8-9]算法具有算法簡單、速度快的特點，廣泛應用于數字圖像處理技術，其基本思想是借助于形態結構元素提取和量測圖像中相對應的形狀，實現圖像的特征分析。常用的結構元素有正方形結構、菱形結構和八角形結構等[10]。常用的形態學方法有腐蝕、膨脹、開啟、閉合、擊中或擊不中變換等。閉合能使圖像輪廓線更平滑，可用來填補細長的鴻溝和狹窄的間斷，適用于去除遙感影像道路信息之外的信息，閉運算是使用一種結構元素對圖像先進行膨脹運算后再進行腐蝕運算[11]。本文采用八角形結構進行圖像的形態閉合，閉合得到的圖像如圖5所示。

2.2 去除非道路區域噪聲

閉運算得到的圖像含有一些非道路信息，對道路信息的提取造成干擾，需要進行噪聲去除，由于已經進行過八角形閉合，所得的圖像已是二值圖，噪聲區域的值為0，通過種子點選取，進行種子點菱形結構的膨脹，進行區域生長，將與種子點連通的區域全部值改為1，實現了區域的填充。填充后的圖像如圖6所示，算法流程如圖7所示。

圖5 八角形閉合算子

圖6 區域填充

圖7 區域填充算法流程

3 邊緣檢測與特征點提取

3.1 邊緣檢測

道路邊界的提取依賴于圖像分割的邊緣檢測，圖像邊緣檢測[12]，相對于點特征來說，線特征更容易提取，因為線特征代表影像灰度在某一方向的連續分布，而點是孤立的，不具有連續性[13]。典型的邊緣檢測算子有：一階差分算子和二階差分算子。其中一階差分算子有：Robert梯度算子、Sobel算子、Prewitt算子、Krisch算子等；二階差分算子有：Laplacian算子、LOG算子、Canny算子等。由于已經使用形態學去除噪聲，得到的圖像只包含道路信息和極少的噪聲，為獲得較好的分割效果，本文采用Krisch分割算法。Krisch算子的8個掩模卷積核為

Krisch算法進行邊緣檢測的流程如圖8所示。

圖8 Krisch邊緣檢測流程

基于區域填充后的圖6，采用以上步驟檢測到的邊緣如圖9所示，與原影像疊加顯示如圖10所示。

圖9 Krisch算子邊緣檢測

圖10 道路線與原影像疊加

道路邊緣信息能夠被有效地提取出來，由于濾波采用了數學形態學的閉運算，經過了腐蝕，圖廓邊緣不能完全重合，比原圖像略微小一些，但是不影響道路信息的提取。

3.2 特征點提取

特征點即影像上具有特殊性質的點，如邊緣的交點、切點及區域輪廓的角點等。特征點提取是柵格矢量化的重要一步，是從提取的邊緣中提取表示圖像的關鍵特征。對于包含大量數據的圖像，每一個像素點的信息都要保存，不利于進行矢量化，會產生大量的冗余數據，因此，可以通過提取明顯特征點，保存必要的點的信息，再對這些點進行曲線擬合，用函數描述提取的道路信息，為后續的制圖矢量化提供助力。目前大多數邊緣輪廓線的特征點提取方法都是利用相鄰的一組輪廓點計算該線上各點的曲率或夾角判定[14]。常用的特征點提取算法有：Moravec算子、Harris算子、Frostner算子、SUSAN角點檢測算子等。Harris算子是對Moravec算子的改進，能有效地提取特征點，包括提取角點特征和邊緣特征，并且提取的點分布均勻合理，其穩定性和準確度都較高。

(6)

(7)

(8)

依據Harris算法原理，該算法流程如圖11所示。

圖11 特征點提取算法流程

由該算法提取道路特征點得到的結果如圖12、圖13所示。

圖12 特征點提取

圖13 角點響應測度

4 曲線擬合

將提取的特征點進行曲線擬合，將點分成若干個組分別進行最小二乘法擬合，通過比較不同曲線的SSE(和方差，表示的是擬合數據和原始數據對應點誤差的平方和，值越小，說明擬合得越好)找出最佳擬合曲線，并將此曲線模型作為該段道路邊緣的函數特征，對所有的局部特征點進行擬合，生成一組擬合多項式方程，用于制圖中矢量化[15]道路線的自動生成。

5 結 語

本文利用C#語言和Matlab實現了遙感影像的道路邊線和道路特征點的提取，進行了影像增強、數學形態法濾波、Krisch算子提取道路邊緣線和Harris算子提取特征點。對影像處理之前進行圖像增強的優化是十分必要的，在很大程度上改善了圖像的邊緣提取時原影像中道路信息與其他地物信息對比度相差不大的問題，說明了基于對比度增強和數學形態學的道路信息提取方法是可行的，能應用于大量遙感影像的道路提取，可以減少人工作業，提高效率。并且，進行特征點提取能有效地減少數據的冗余，減少存儲量。最后，可以利用模型擬合提取的特征點，以函數的形式表示道路信息，以便后期進行道路矢量化。

[1] 史文中，朱長青，王星.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.

[2] 吳亮，胡云安.遙感圖像自動道路提取方法綜述[J].自動化學報，2010，36(6)：912-922.

[3] 李雪林.基于數學形態學的彩色圖像邊緣檢測算法研究[D].武漢：武漢理工大學，2014：11-20.

[4] 羅才清.圖像預處理算法研究[J].科學技術，2013(11)：129-129.

[5] CHWA D. Sliding-mode Tracking Control of Nonholonomic Wheeled Mobile Robots in Polar Coordinates [J].IEEE Transactions on Control Systems Technology，2004，12(4)：637-644.

[6] 譚凱，張永軍，童心，等.國產高分辨率影像自動云檢測[J].測繪學報，2016，45(5)：581-591.

[7] 姜柏軍，鐘明霞.改進的直方圖均衡化算法在圖像增強中的應用[J].激光與紅外，2014，44(6)：702-706.

[8] 安如，馮學智，王慧麟.基于數學形態學的道路影像特征提取及網絡分析[J].中國圖象圖形學報，2003，8(7)：798-804.

[9] 王思遠，張增祥，文沃根，等.基于色彩理論與數學形態的彩色地圖自動分層研究[J].測繪通報，2001(10)：7-11.

[10] 王雙.高分辨率遙感影像道路提取方法研究[D].南京：南京理工大學，2014：21-24.

[11] 魯學軍，武鵬達，郭旭東.二值形態閉運算在優質耕地集中連片劃定中的應用[J].中國圖象圖形學報，2016，21(2)：199-206.

[12] 雷麗珍.數字圖像邊緣檢測方法的探討[J].測繪通報，2006(3):40-42.

[13] 耿則勛，張保明，范大昭.數字攝影測量[M].北京：測繪出版社，2010：52-56.

[14] 吳興蛟，吳晟.基于邊緣檢測的位圖矢量化的實現[J].計算機與數字工程，2016，44(2)：331-336.

[15] 彭靖葉，孫永榮，黃斌.基于特殊點跟蹤的線目標矢量化研究[J].計算機工程與應用，2015，51(15)：198-201.

Road Extraction of Remote Sensing Image Based on Contrast Enhancement and Morphology

YANG Xiaocui1，MENG Wanli2

(1. Information Engineering University,Zhengzhou 450001，China; 2. Henan Polytechnic University,Jiaozuo 454000,China)

A method of road boundary and feature point extraction for remote sensing image was proposed based on contrast enhancement and morphology. Firstly, it carries on contrast enhancement of remote sensing image. Piecewise linear enhancement method with larger discriminative power was selected to do image enhancement after comparative analysis difference between histogram equalization and contrast piecewise linear enhancement. In order to realize the separation of road and other information effectively, image segmentation was done using mathematical morphological method. Then, using edge detection method by Krisch operator to extract road edge information, and feature points extracted by improved Harris operator based on edge feature. Last, fitted the extracted feature points and the function model was used to describe the road information of the image and applied to vector road information in the later period of drawing.

contrast enhancement; mathematical morphological method; edge detection; feature point extraction; curve fitting

楊孝翠，孟萬利.基于對比度增強和形態學的遙感影像道路提取[J].測繪通報，2017(8)：45-59.

10.13474/j.cnki.11-2246.2017.0252.

2016-11-22；

2017-01-26

國家自然科學基金(41271391)

楊孝翠(1993—)，女，碩士生，主要研究方向為攝影測量與遙感。E-mail：1361420477@qq.com

P237

A

0494-0911(2017)08-0045-05