一種基于空間濾波方法的地性線特征智能提取方法探究

趙迪　陳哲夫　莫操湖　金古月

摘要：首先采用高通濾波方法去除DEM影像中的低頻變化特征，然后使用經驗閾值生成二值化影像，突出顯示地性線的帶狀特征，最后引入細線化算法，將地性線的帶狀特征縮減為一個像素寬度，實現地性線的軸線辨識。經過實驗證明，該算法相比于傳統的線性提取方法，執行速度快很多，但是由于僅是幾何意義的處理，與實際地形特征的誤差會增加，因此可以采用疊加高程數據進行校準。

關鍵詞：地性線;DEM;高通濾波;二值化

中圖分類號：TP391.41

文獻標識碼：A

DOI： 10.15913/j.cnki.kjycx.2019.11.025

1 引言

目前已有很多算法可以自動提取DEM影像中的線狀特征，其中最常見的是地性線和河流的線性提取，由此提高水文地質資料的提取效率[1]。但由于地形資料的復雜性和不確定性，尚未有適應所有環境的完美算法，并且許多算法的復雜度很大，因此設計一種智能化的線狀特征提取算法仍然是必要的。

由于DEM影像是一種柵格影像，其數據存儲可以看作是一個矩陣[2]，因此本文嘗試引進矩陣計算中的數種技術，應用于DEM影像，以達到智能化提取地性線的目的。其中主要過程包括空間域的高通濾波和低通濾波、DEM影像的二值化處理和圖元辨識的細線化算法等。

2 算法設計

2.1 DEM影像

DEM影像一般以灰階形式表示，影像圖中的最高點和最低點分別對應全白值和全黑值[3]，同時每一個數據點的位置對應一個像素，顏色根據其高程值用不同灰階表示，原始圖像如圖1 （a）所示。

DEM影像的高程值單位一般是米，但由于可用的灰階數量只有256位，因此許多相近的數值用相同顏色表示，導致視覺效果不明顯，即使可以人為提升灰階數目，但是由于人的視覺分辨能力有限，提升灰階數目后對于讀圖者正確識別DEM影像中的實際物體幫助不大。

2.2 DEM影像的濾波過程

想要解決上述問題，就要用有限的灰階數目準確地描述DEM影像中的地性線，一種合理的思路是對DEM影像進行空間濾波處理，具體是將DEM影像變化的低頻區域變化過濾只顯示高頻區域圖形，高通濾波結果如圖l（b）所示。此外，通過賦予數據點周邊兩側一定范圍內的高度均值，可以降低空間高頻變化平均計算的誤差，最終得到低頻背景的影像變化，此種過程可以稱為DEM影像的空間低通濾波，低通濾波結果如圖1 （c）所示。

如果用原始DEM影像和空間低通濾波結果進行柵格減法計算，則原始影像中的低頻數據被移除，而剩余的高頻地性線特征成為可視化重點。但是由于本身的高度范圍并沒有變化，因此柵格減法計算結果中的絕對高度落差減少，在灰階數目仍然是256的環境下，地性線的特征變化相比之前的在視覺效果上有更佳的對比度。

2.3 DEM影像濾波的覆蓋設計

在DEM影像處理過程中，一般用矩形覆蓋執行空間濾波過程，例如3x3的矩形覆蓋，是將周邊9個數據點的平均值看作新值（包括本身）。而對于上述思路設計而言，首先覆蓋需要獲取背景上的低頻地形，即通過移動平均過程使山脊、山谷等地性線在執行運算過程中被移除。因此，矩形覆蓋的長寬必須要大于地形特征的實際寬度和測量精度，通常數十點寬度就可以滿足基本需求，可以看作是大尺度的影像處理，此時，必須考慮物體周圍一些方向對稱性的問題。DEM影像濾波的覆蓋設計如圖2所示。

方向性不合理的覆蓋如圖2（a）所示，一般意義的覆蓋，A點與中心C點的實際距離大于B點與中心C點的實際距離，但是在圖上的可視化效果上，認為A點在矩形覆蓋內部，而B點在覆蓋外部，與實際情況正好相反，使得對角線方向的視覺效果得到過多的權重，和其他方向的權重值差值過大，因此需要調整。而在矩形覆蓋中，只需將處于圓形半徑范圍內的數據點看作覆蓋運算的有效點，用實心符號表示，而其余點不參與計算，以空心符號表示，即可設計出一種無方向性的圓形覆蓋，如圖2（b）所示。經過實驗證明，此種覆蓋設計可以有效提高DEM影像的可視效果，缺點是計算復雜度稍有提高，但對于小數據量運算而言，電腦性能的影響可以忽略不計。

2.4 DEM影像的二值化

一般DEM影像分辨的基本步驟是：①使用圖像處理技術增強識別目標視覺特征;②選擇閾值，將DEM影像進行二值化處理，使得識別目標地性特征凸顯為黑色;③將目標區域進行細線化處理，以獲取地性特征的中心點或者中心線的坐標數據。對于本文中的方法，高通濾波過程實際上相當于第一步，可以將目標物體的地形特征進行強化，得到二值化處理結果，圖l（b）二值化的結果如圖3（a）所示。

2.5 細線化

細線化的目的是將帶狀目標縮減為只有一個像素點的細線，達到針對性減小目標區域面積的目的，增強視覺效果。其中的關鍵在于如何逐步刪除目標點的同時不截斷線條，且不能改變端點位置，以保證地形軸線數據不被縮短或者中斷。數據點的具體類型可以分為端點、連線中一點、分叉線條的交點和一般的區域邊緣點。如果檢查點是端點、連線中一點或分叉線條的交點，則予以保留，而如果是一般的區域邊緣點，則予以刪除。將全圖數據點全部檢查完成后，一次性將標記為刪除的點全部刪除，完成目標區域的細線化操作，重復直到最后沒有可以刪除的點，圖3（a）細線化的結果如圖3 （b）所示。

3 結論

綜上所述，對DEM影像經過空間高通濾波、二值化、細線化后，可以獲得可視化效果良好的地形特征影像。本文設計方法的最大優勢是引入濾波方法用于處理DEM影像，充分發揮了商業化軟件的技術優勢。

與傳統意義的線狀特征提取方法相比，本文提出的細線化方法沒有考慮DEM影像的原始高程，得到的軸線實際上是帶狀目標的幾何縮減中心線，不能夠保證為橫斷面的最高、最低點，但是執行速度大大提升，并且可以用高低通空間濾波方法減少此種誤差，或者在細線化結果上疊加原始高程信息，以校準軸線位置。

參考文獻：

[1]陳俞瑋，應駿，王沛.一種改進的空間濾波除噪算法在道路識別中的運用[J].上海師范大學學報（自然科學版）， 2018， 47 （2）： 258-262.

[2]蔡勇智，夏齡，莫泓銘，等.基于Matlab的空間濾波的實現與仿真[J].洛陽理工學院學報（自然科學版），2015，25（ 1）： 55-57.

[3]陳閃閃，朱春雷，朱俊臣，等.基于靜態小波分解的空間濾波信號降噪方法[J].數字技術與應用，2016，65（5）：91-92，94.