基于FMH模型的高分辨率影像城市道路提取研究

王文軍

（惠州市國土資源局惠城區分局 國土資源勘察測繪隊，廣東 惠州 516001）

1 引言

遙感可以通過非接觸式傳感器或衛星獲取有關地球上物體的信息。隨著遙感衛星和傳感器的快速發展，遙感影像的分辨率越來越高。道路是遙感影像記錄的典型人工地物之一，道路提取在城市規劃和交通運輸中起著至關重要的作用。高分辨率城市影像中的道路以密集分布的結構規則為主要特征，在遙感影像中，它是一條具有特定寬度和灰度的直線帶。

近年來，從高分辨率遙感影像中提取道路信息的理論和實驗研究得到了極大發展。N.Chandra 提出了一種基于認知視角的道路網絡提取方法，能夠檢測出道路的主要部分、彎曲區域和交叉點[1]。安麗引入了一種多特征稀疏模型來表示目標道路的外觀。采用一種新的稀疏約束正則mean shift 算法進行道路跟蹤，具有良好的魯棒性和準確性[2]。N.Chandra 等人根據道路的邊緣、顏色和拓撲特征搜索感興趣的區域[1]。此外，閾值分割和數學形態學在道路區域提取中都起到了很好的作用。模糊C均值也適用于道路提取，徐超利用Hough 變換從高分辨率影像中提取道路信息，因為大多數城市道路是直的[3]。

本文提出了一種新的城市道路提取模型，該模型采用模糊C均值、形態學和Hough 變換，稱之為FMH（Fuzzy C-means, Morphology and Hough transform）。在對影像進行預處理后，先采用模糊C均值算法將影像分為道路部分和非道路部分，對上述結果進行侵蝕操作，去除非道路部分。然后將局部Hough 變換應用到子區域中提取道路特征。最后，采用擴張和細化相結合的方法將斷裂部分連接在一起，以獲得更好的可視化效果。

2 研究方法

研究提出一種基于高分辨率遙感影像的城市道路提取模型FMH。模型中使用的算法主要有模糊C均值聚類（Fuzzy C-means）、數學形態學（Morphology）、局部Hough 變換（Hough transform）等。技術流程如圖1 所示。

圖1 技術流程

2.1 模糊C 均值聚類

聚類是一種非監督的分類模式。模糊C均值聚類，又稱模糊ISODATA，是一種常用的聚類方法。隸屬度函數表示屬于集合A的任何對象X的程度，其范圍在0 到1 之間。對于每個類別，所有樣本都可以定義為一個特定的模糊集。FCM 算法可以最大限度地提高同一類別中元素的相似度，同時最小化不同類別中元素的相似度。

2.2 數學形態學

提取線元素后，道路區域形狀不規則，還有一定程度的骨折。為了平滑道路區域和連接道路裂縫，可以再次使用線元素對影像進行放大。之后，通過八度模板匹配方法可以實現形態細化，最后得到單像素寬度的道路信息。

2.3 局部Hough 變換

在對原始數據進行模糊C均值聚類和數學形態學處理后，仍然存在大量的非道路區域。Hough 變換用于提取道路區域直線特征的直線基元。Hough 變換是從數字影像中提取直線的經典算法。Hough 變換的基本原理是利用點和線的對偶性將影像維數中的每一點轉化為參數空間中的曲線。如果影像維度中的某些點共線，則它們在參數空間中的相應曲線在某個點處相交。同樣，在參數空間中的同一點相交的所有曲線對應于影像空間中直線上的點。

在影像空間中，一條直線可以由參數方程（7）表示。直線如圖2 所示。

公式（7）中，λ是從直線到影像原點的距離，θ是直線法向和X軸正方向之間的角度。

圖2 直線的極坐標

從參數方程可以看出，直線上的任何點（確定值和θ）對應參數空間中的正弦曲線。影像空間中同一直線上的點與參數空間中許多正弦曲線的交點映射。也可以說，參數空間中的交點對應于影像空間中的唯一直線。

Hough 變換的核心是通過局部模式（a點）的識別來實現影像全局模型的提取。與其他線性檢測方法相比，Hough 變換具有明顯的優勢。Hough 變換特別有效，即使影像上的目標點是稀疏的。

Hough 變換在處理遙感影像時具有良好的抗噪聲和抗斷裂能力。然而，并不是所有的道路都能穿透整個影像。如果在整個影像中使用Hough 變換，將檢測到與某條道路在同一條線上的一些非道路點或噪聲。另外，在整個影像中道路長度不同的情況下，需要設置提取直線的閾值。較小的閾值可能會導致大量非道路點混合在一起。但如果門檻太大，只會檢測出幾條較長的道路，剩下的道路將被移除。因此，對影像進行整體Hough 變換很難取得良好效果。

在這種情況下，利用局部Hough 變換完成道路的提取。首先，整個影像被分割成一些小窗口。為了保證線段的完整性，窗口之間存在一定的重疊。然后逐個進行迭代掃描，根據閾值對每個窗口進行Hough 變換。其次，合并每個窗口的結果以獲得路線圖。這樣，在每個子窗口中都可以檢測到長距離的道路，并且可以消除遠處共線噪聲的干擾。

3 實驗結果

3.1 實驗數據集和參數設置

實驗基于兩景2019 年5 月拍攝的2 米分辨率高分一號衛星影像（命名為影像1 和影像2）。兩幅影像的大小是540×540。在影像1 中，道路幾乎是垂直和水平的，其他地面物體包括大量的居民樓和綠化帶。然而，影像2 的道路并非都是水平或垂直的。除了影像1 中的非道路對象，影像2 中還有一條河從上到下橫穿。參數設置如下：在FCM 聚類中，類別c的個數設為3，權重系數m設為2。在形態侵蝕中，0 度和90 度方向均采用長3 寬1 的直線模板，這次操作的次數是5 次。在局部Hough 變換中選擇的子窗口大小為270×270，閾值為150。膨脹模板與侵蝕模板相同，操作次數是10 次。

3.2 結果分析

圖3中的影像顯示了模型基于影像1的處理過程。圖3（a）為原始全色影像，圖3（b）為灰度化和直方圖均衡化的結果，均衡后，道路與其他地物的對比度增強。圖3（c）為對圖3（b）實施模糊C均值聚類后的影像二值化的結果。在二值化影像中，道路類別為白色，其他兩個類別為黑色，除道路區域外，還有其他地面對象也被分類為道路類別。在不同方向的線路侵蝕和組合結果下，大量的非道路區域被移除或削弱，如圖3（d）所示。利用局部Hough 變換提取每個窗口中的長線段。圖3（e）為已移除非道路區域的提取道路區域。對于上述結果，執行行擴張操作，圖3（f）為擴張道路，道路區域的孔洞被填滿，破碎道路在一定程度上連通。最后，對放大后的影像進行形態學細化，圖3（g）為僅具有一個像素寬度的道路提取結果，提取結果與如圖3（h）所示的原始影像疊加。

圖4 是基于影像2 的處理結果，盡管有些路段成了曲線或斷裂，但提取出了主要道路的信息。通過對兩幅不同影像的處理，可以看出新模型具有很好的道路提取效果。

圖3 基于影像1的城市道路提取結果

圖4 基于影像2的城市道路提取結果

4 結論

本文研究提出了一種新的基于FMH 的城市高分辨率圖像道路提取模型，該模型包括模糊C均值、形態學和局部Hough 變換。經過預處理后，首先利用道路的灰度特征進行模糊C均值聚類，將圖像分為道路區域和非道路區域。然后，通過形態侵蝕和局部Hough變換去除非道路區域，并提取道路區域。最后，進行形態擴張和細化操作，將斷裂的部分連接在一起，以獲得更好的可視化效果。實驗證明了該FMH 模型的有效性。