高分辨率遙感影像線狀地物提取方法研究

劉 立 彭 剛

（1.中國人民解放軍32016部隊，甘肅蘭州 730000；2.中國人民解放軍32022部隊，湖北武漢 430074）

對線狀地物的研究是遙感影像地物識別研究的關鍵，在線狀地物研究中，較為重要的內容為道路及水系，是地圖中應重點突出內容。從實際情況來看，常見的線狀地物提取方法包括邊緣檢測、光譜分析、卷積神經網絡等方法。在邊緣檢測方法中常用Canny算法，這種算法較為嚴格，可在短時間內實現結果和數據。

在遙感影像線狀地物提出技術中，可利用高分辨遙感影像對光譜特征和空間信息進行有效分析，針對每個區域進行提取。

在實際的工作中，影像的分割會受到各種因素的影響，如在噪聲及其他聲音的影響下，相關人員提取的數據會存在誤差。因此，邊緣影像為地物的主要特征之一，Canny進行邊緣檢測可以有效提取地物信息，為后期工作奠定基礎[1]。

本文從線狀地物的特征入手，主要對相關提取方法進行研究，得出最優的檢測方法，以提升線狀地物的檢測技術水平。

1 線狀地物的形狀特征分析

線狀地物的總特征以長和寬較大的矩形為主，常見的形狀特征有4種：

（1）連貫的長矩形線狀地物；

（2）條矩形線狀物出現小的孔洞，如道路上的車輛或河道中的船只；

（3）彎曲矩形，如彎曲的道路或河流；

（4）面狀地物相互連接，如道路或居民地等。

2 基于Canny邊緣檢測的面向對象提取方法

2.1 Canny邊緣檢測算法

（1）通過對區域內不同位置的像元賦予不同的權值，可保留地物的邊緣信息。

采取用函數進行分析，處理噪聲的濾波器G與影像F，可以過濾噪聲，得出影像g：

平滑參數可以控制影像的平滑度，相關數值較小時，定位相對準確，噪聲較低。

（2）可對梯度幅值及方向進行相關的計算。用梯度幅值分析邊緣強度：

通過計算得到梯度幅值M和梯度方向θ：

（3）計算中非極大值抑制屬于邊緣技術，可排除梯值。

相關單元格應觀察梯度值是否處于最大值，可對梯度方向進行定義，將邊緣像素與其他像素分開。將以上數據進行對比，若梯度方向相同，得到的像素較大，可將目標像素作為候選對象進行研究；若方向相反，應剔除得到的像素。

（4）基于高低閾值的算法檢測，主要從選取對象中確定邊緣像元，消除虛假邊緣。

為了剔除掉偽邊緣，可以引入兩個高低閾值進行分析，對圖像中的每個素點進行驗證。如果梯度值相對較大，可判定其為邊緣點；如果梯度值較低，說明不是邊緣點；如果梯度值在最大值、最小值之間，應尋找梯度值大于高閾值的像素點，再將此像素點設置為邊緣點。

2.2 對象提取方法

高分辨的線狀地物可以使用此類方法進行提取操作，將影像對象作為單元格，對其進行有效研究。可根據相關的地物特征或紋理進行分類，利用高科技手段對數據進行提取。

使用影像技術分割線狀地物，可觀察到邊緣特征和相關的像素值，在這個過程中，得出的結果和方法不可分割。

在進行遙感影像分割的過程中，會收到噪聲的影像，可使用Canny技術，可提高數據分析的準確性，使數據更精確。在分割后，影像的單元格不是某一個單元格，是由多個單元格組成的研究對象。特征提取是信息提取的一個重要步驟，其可以分析線狀地物，得到需要的地物信息圖像[2]。

面向對象提取流程如圖1所示。

圖1 面向對象提取流程

2.3 數學形態提取法

數學形態學于1964年Georges Matheron、Jean Serra合作引入，Jean Serra確立了數學形態學的相關概念，其在圖像處理中主要運用運算符號、集合數學概念，運用二值圖像的幾何形狀檢測。在數學形態中，主要運用圖像去噪、圖像增強、圖像恢復及重建等方面，形態學過程使用擁有結構元素或內核的模板。

基本的二值形態學運算主要將結構元素放在一個可能的位置，再匹配像素的等效領域，與其他運算方法相結合，對二值圖像進行處理。在二值形態學中，基本的運算方法有閉合、開啟或膨脹等。

3 試驗分析

3.1 增強遙感影像

在工程中，為了更好地適應線狀物的相關影像，可對影像進行處理操作，常見處理方法為PAC轉換、NDVI的轉換。NDVI的轉換主要將遙感影像中的全部信息集中至某個點，進行數據分析，得到需要的數據信息。對遙感影像進行分析后可知，第一波段的數據約在80%以上，可較好地體現遙感影像需要的相關信息。同時，可以將NDVI和PCA結合利用，增強信息的獲取。

3.2 通過Canny檢測

使用平滑的濾波器，剔除影像中的噪聲，但得到的影像相對模糊；使用梯度幅值得到的相關數據，影像相對清晰。使用非極大值抑制法，應分析非邊緣數據，再保留好相關數據；采用高低雙閾值法，需要提取邊緣的信息，可檢測道路、水系邊緣等位置的信息，并對水系邊緣信息進行定位。基于Canny邊緣檢測結果分析，Canny可處理邊緣信息的細節，保證邊緣清晰，提出線狀地物與原有的影像重合，以達到最優的效果[3]。

3.3 對精度進行檢驗

Canny邊緣檢測的提取平均率為6.3%，如果采用數學形態學的方法進行線狀地物提取，提取平均率為28.9%，基于Canny檢測平均率下降了22.6%[4]。

對道路數據進行提取時，由于道路的材質與建筑物使用的材質不同，會出現同譜異物或同物異譜的現象，得到的數據結果也存在差異。使用Canny邊緣檢測可以較好檢測道路和相應建筑物的邊緣信息，提高線狀地物的精準度，具有可行性[5-7]。

4 結語

綜上，文章主要對Canny邊緣檢測的線狀地物提取進行相關分析，在這個過程中，主要利用邊緣檢測算法進行檢測，以得到需要的信息。在進行相關閾值的選取時，通過使用高低閾值進行分析，可以得出需要的邊緣信息數據，可將邊緣細化；根據線狀物的特征分析對象，可得到相應的圖像。分析精度檢驗的結果可知，Canny邊緣檢測的欠提取率約為6.3%，采用數學形態的方法進行提取，欠提取率約為82.9%，邊緣檢測面向對象提取率下降了22.6%，可提升線狀地物技術水平。