面向地理國情監測的道路信息半自動提取分析

郭倩

（安徽省第一測繪院，合肥 230031）

1 引言

道路工程在推動區域經濟發展，加快區域之間溝通交流等方面發揮著非常積極的作用。對道路信息進行精確的識別和定位，在地理國情監測等方面有著不容忽視的意義和作用。在實際操作中，不同的信息提取方法有著不同的提取精度和提取效率。依照國務院批復的《全國基礎測繪總長期規劃綱要（2015—2030 年）》分析，到2030 年，地理國情監測將會成為測繪地理信息服務鏈條中的核心內容。對比常規的地理國情普查，地理國情監測具有持續性、常態化的特征，在成本、人員等投入方面無法達到地理國情普查的水平，需要相關部門做好對于人力、物力的投入，同時，針對工作量最大的地表覆蓋信息采集的研究，采取有效措施來為地理國情監測的常態化提供技術支持。通過引入矢量數據輔助的方式，能夠對道路初始信息獲取困難的問題進行解決，得到可靠性較高的訓練樣本。論文從常態化地理國情監測的角度，提出了將模板匹配和自適應技術融合的道路信息半自動提取方法。

2 邏輯流程設計

2.1 總體流程

在對道路影像進行獲取的過程中，結合道路本身所具備的帶狀特征，呈現出兩側偏暗中間亮的趨勢，道路長度方向較長的范圍內，像素灰度的相似性好，其他方向的灰度相似性較差。依照相應的道路樣本，構建起包含形狀的子圖像作為道路模板，依照道路模板和影像的匹配度，對圖像中包含的道路信息進行提取[1]。遙感信息提取中，因為車輛、構筑物、植被等的遮擋，影像質量相對較差，信息提取的難度大，因此，不少研究人員在對其進行研究的過程中，往往都是采取相應的手段對圖像進行處理，如圖像增強、形態學濾波等。在強化道路提取效果的同時，對噪聲進行抑制，但從實際應用的角度，這樣的方法缺乏適用性，會導致效率的下降。這里提出了一種新的半自動提取方法，借助道路模板匹配的方式初步提取道路信息，對于遮擋和噪聲等干擾因素不敏感，而且在遙感數據同源的情況下，可以對道路模板進行重復利用，有助于自動化效率的提高。具體的邏輯流程為：

全色影像和多光譜影像構建→建立模板→對道路信息進行初步提取，得到相應的結果→將初步提取的結果借助相應的指標進行修正，對存在空缺的位置進行自動填補，再通過人工編輯的方式，得到準確的道路信息提取結果→引入先進的信息技術，實現道路信息的自動優化處理→得到最終的道路信息提取結果[2]。

2.2 斷線連接

借助相應的斷線連接技術，經由斷路搜索和連接實現對偽路端的自動識別和篩選。對光譜以及部分形狀復雜，識別難度較大的小路，則可以借助相鄰關系進行信息提取，比較常用的相鄰關系包括距離相鄰關系、位置相鄰關系、光譜相鄰關系以及形狀相鄰關系等，配合群判角色的方法，可以得到最終的道路信息。

2.3 道路優化

在對道路信息進行提取的過程中，采用了自適應道路提取的方法，依照最大化相鄰關系和道路矢量線，針對道路影像進行分割，然后以道路矢量線作為樣本進行學習，逐步構建起以光譜屬性和形狀屬性為基礎的分割面，得到備選種子點，再依照每段記錄的種子點的平均值，實施相應的種子增長，完成對道路提取結果的自適應優化[3]。

3 實驗及結果分析

3.1 實驗數據

在實驗中，使用的是2018 年7 月26 日獲取的GeoEye-1影像，可以分為多光譜影像和其所對應的全色影像。影像中各種顏色對應的波段長度如表1 所示。影像整體的覆蓋范圍達到1 470m×1 580m，覆蓋區域內道路的平均寬度為6m（見圖1、圖2）。

表1 實驗數據

圖1 實驗數據影像——多光譜影像

圖2 實驗數據影像——全色影像

3.2 模板匹配

以GeoEye-1 影像全色波段為基礎，生成了相應的模板，每一個模板的大小均為20pixel×20pixel，模板的數量為100[4]。借助已經構建完善的模板，對影像進行相應的匹配，可以獲得最佳匹配點，然后通過多尺度分割的方式，就最佳道路匹配點所在的對象提取出來。其結果如圖3、圖4 所示。

3.3 特征分析

對照圖3、圖4 分析，在對道路信息進行初步提取后，依然存在有相當多的噪聲，想要保證信息的質量，必須對混分地物類型進行剔除。在道路不連續的情況下，還需要對空白區域進行必要的填補工作。對相關研究成果進行總結，從紋理、光譜、形狀等多樣化特征中，提取出了29 個比較關鍵的特征實施進一步的統計和分析，在分析環節，將道路特征效率、可區分性以及顯著性全部考慮在內[5]，最終將道路混分剔除的主要指標確定為特征更加明顯的亮度（Brightness）、長寬比（Length/Width）和面積。

圖3 模板匹配和初步提取結果——最佳匹配點結果

圖4 模板匹配和初步提取結果——最佳匹配點分割結果

3.4 結果處理

可以明確，完成混分道路的剔除之后，搭配道路斷線連接技術，可以實現對于空缺的自動填補，獲取精細化道路提取結果，如圖5 所示。

圖5 精細化道路提取結果

3.5 自動優化

地理國情監測的常規內容包含了地表覆蓋分類以及地理國情要素數據，而道路矢量線是地理國情要素數據的一個重要組成部分，其中包含了自適應道路優化所需要的各種數據信息，如道路寬度等。借助相應的地理國情普查成果中相關地區的道路要素數據，借助易康平臺，完成了對于自適應道路的優化工作，取得了令人滿意的結果[6]。

4 結語

總而言之，在地理國情監測中，道路信息的提取非常關鍵，能夠為區域整體規劃提供可參考的依據。論文面向地理國情監測，提出了一種道路信息半自動提取的方法，以西部地區的遙感影像和道路矢量線作為數據樣本，借助模板匹配、特征分析和人際交互等措施，針對道路信息進行了優化，配合相應的道路斷線連接和自適應道路優化技術，實現了對試驗區域內路網信息的有效提取，獲得了具備較高分辨率的遙感影像。對照區域地理國情普查中的地表覆蓋分類道路分類結果，論文提取的道路信息能夠更好地套合影像。但在利用地理國情監測中的其他影像進行擴展實驗時，因為道路本身的差異大，干擾因素多，部分提取結果在位置和寬度上存在一定的偏差，需要人工進行干預和調整。