一種基于圓形模板的道路半自動提取方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于攝影測量與遙感影像應(yīng)用技術(shù)領(lǐng)域,涉及一種對不同影像的道路提取 方法及系統(tǒng),尤其涉及一種對不同影像的道路進(jìn)行半自動特征提取、多源遙感影像數(shù)據(jù)匹 配以及影像拼接方法及系統(tǒng)。
【背景技術(shù)】
[0002] 遙感衛(wèi)星觀測技術(shù)的發(fā)展帶來了分辨率更高、實時性更強(qiáng)的數(shù)據(jù),同時給數(shù)據(jù)處 理的技術(shù)方面也帶來了更多的挑戰(zhàn)。道路作為基礎(chǔ)地理信息的重要成員之一,是一種重要 的人工地物,在遙感影像解譯、空間數(shù)據(jù)庫更新、國防安全、國家抗災(zāi)減災(zāi)、城鄉(xiāng)規(guī)劃管理和 發(fā)展等方面有著重要的價值。在高分辨率遙感影像中道路的表現(xiàn)形式比較復(fù)雜,在同一幅 影像中,可能存在有多條道路段,不同道路段的材質(zhì)也可能不盡相同,由于分辨率的提高, 路面上存在的噪聲以及干擾都得以清晰的顯現(xiàn),包括建筑物和樹木對道路的遮擋、樹木的 陰影遮擋、路面中的綠化帶、中心軌道線以及汽車等等,這些在傳統(tǒng)的中低分辨率影像上沒 有明顯呈現(xiàn)的干擾此時給道路的提取造成了困難,因而探索針對高分辨率遙感影像中道路 的提取方法仍然具有重大的意義。
[0003] 數(shù)十年來,國內(nèi)外諸多領(lǐng)域的專家學(xué)者對遙感影像中的道路提取進(jìn)行了探索嘗 試,在各種提取方法上相繼出現(xiàn)了一些不同的理論和技術(shù)創(chuàng)新。根據(jù)提取過程中人工干預(yù) 情況的不同粗略分為全自動提取和半自動提取。全自動提取不太依賴人工干預(yù),通過設(shè)計 算法提取特征讓計算機(jī)理解并自動識別道路,由于高分辨率影像上地物類別多信息量大, 完全讓計算機(jī)自動識別道路十分困難。因此目前更為現(xiàn)實可行的方法是結(jié)合人的識別能力 和計算機(jī)的快速計算能力進(jìn)行道路提取,中途實施適當(dāng)?shù)娜斯じ深A(yù),取得了一些成果。
[0004] 常用的半自動提取方法包括有模板匹配法、動態(tài)規(guī)劃法、活動窗口模型法、區(qū)域生 長法、先分類后用形態(tài)學(xué)處理等方法。由于噪聲干擾嚴(yán)重,高分辨率影像中容易出現(xiàn)同物 異譜和異物同譜的現(xiàn)象,以單個像素為單位進(jìn)行處理的方法容易受到影響,使得提取結(jié)果 不佳,因此常用的方法是定義各種形狀的模板,如方形模板以及T型模板等等,以模板為單 位,沿著預(yù)先指定的道路方向搜索匹配模板進(jìn)行道路提取,這種提取方法抗噪能力相比單 個像素更強(qiáng),提取結(jié)果更穩(wěn)定。只是在確定最佳道路前進(jìn)方向時需要按照所劃分的旋轉(zhuǎn)角 對模板進(jìn)行旋轉(zhuǎn)計算,角度劃分粗細(xì)的不同會對提取結(jié)果造成影響,同時在彎曲度較大的 道路部分上述模板旋轉(zhuǎn)時容易將非道路類地物納入模板中,對計算造成干擾。
【發(fā)明內(nèi)容】
[0005] 為了解決上述的技術(shù)問題,本發(fā)明提供了一種基于圓形模板的道路半自動提取方 法及系統(tǒng)。
[0006] 方法所采用的技術(shù)方案是:一種基于圓形模板的道路半自動提取方法,其特征在 于,包括以下步驟:
[0007] 步驟1 :對包含道路的影像進(jìn)行濾波預(yù)處理;結(jié)合道路在影像中呈現(xiàn)的幾何特征, 所述的幾何特征包括光譜特征、形狀特征、紋理特征,采用具有多方向的形態(tài)學(xué)濾波方法對 影像進(jìn)行預(yù)處理,以達(dá)到突出道路特征,平滑道路內(nèi)部噪聲的目的;
[0008] 步驟2 :形態(tài)學(xué)梯度影像的獲??;對步驟1中預(yù)處理后得到的影像進(jìn)行灰值形態(tài)學(xué) 膨脹和腐蝕運(yùn)算,得到形態(tài)學(xué)梯度影像,作為衡量灰度變化情況的指標(biāo);
[0009] 步驟3 :最佳圓形模板的生成;人工在道路段選擇一個種子點(diǎn),以一個像素為半 徑在種子點(diǎn)以及其鄰域內(nèi)各點(diǎn)處生成等大圓形模板,獲取圓形模板;并不斷生長圓形模板 半徑,直至圓形模板內(nèi)形態(tài)學(xué)梯度值剛好不超過所設(shè)置閾值時,對應(yīng)的圓形模板為最佳圓 形模板;最佳圓形模板作為后續(xù)處理的參考模板,最佳圓形模板中心點(diǎn)作為參考道路中心 占.
[0010] 步驟4 :參考模板灰度值的獲??;在具有代表性的道路各處選取若干種子點(diǎn),并按 道路走向順序排列組成種子點(diǎn)序列,以最佳圓形模板半徑各自搜索并生成道路模板;所述 的各自搜索并生成道路模板的方法采用的是步驟3中所述的生成最佳圓形模板的方法;統(tǒng) 計所有模板灰度信息匕,以其均值G_作為參考模板的灰度值;
[0011] 步驟5 :待匹配模板的搜索;在兩個相鄰模板中心連線的中垂線上搜索待匹配模 板;在中垂線上各處分別按照參考模板大小生成等大待匹配模板,獲取最佳匹配模板和最 佳道路中心點(diǎn);
[0012] 步驟6 :道路中心點(diǎn)的加密;人工在首尾道路段選取道路種子點(diǎn),搜索并生成各自 參考模板,在兩種子點(diǎn)間搜索最佳待匹配模板,將其對應(yīng)中心點(diǎn)插入種子點(diǎn)序列中,對序列 重新排序,將種子點(diǎn)兩兩分組,在每組之間繼續(xù)搜索并插入新的道路中心點(diǎn),直至滿足初始 設(shè)置的迭代次數(shù),達(dá)到次數(shù)時停止迭代,停止搜索過程,以此方式實現(xiàn)道路中心點(diǎn)的加密;
[0013] 步驟7 :道路中心線的生成;獲取所有道路中心點(diǎn)后將其三個分為一組,采用二次 拉格朗日插值法構(gòu)造拋物線按順序連接各個中心點(diǎn)得到平滑的道路中心線。
[0014] 作為優(yōu)選,步驟1中所述的采用多方向的形態(tài)學(xué)濾波方法對影像進(jìn)行預(yù)處理,首 先用f?表示影像,人工在影像中道路灰度均一、且沒有地物遮擋的路段選取5X5道路模板, 選擇水平、豎直以及兩條對角線共4個方向,用fd(x,y)表示圖像中點(diǎn)(x,y)處在方向d上 對應(yīng)的5像素5X5道路模板,d取1、2、3、4中的一個;用Sd代表選取的5X5道路模板方 向d上對應(yīng)的5像素方向模板;則采用多方向的形態(tài)學(xué)濾波方法對影像進(jìn)行預(yù)處理的具體 流程包括以下子步驟:
[0015] 步驟1. 1 :計算對應(yīng)點(diǎn)和模板各方向差值的均值死(夂.V);
[0017] 步驟1. 2 :計算對應(yīng)的標(biāo)準(zhǔn)差〇d(x,y);
[0019] 步驟1. 3 :比較尋找四個方向中極小值〇d所對應(yīng)的方向d;
[0020] 步驟1.4:沿著方向d在點(diǎn)(x,y)處進(jìn)行灰度腐蝕,然后將影像拉伸到[0, 255]范 圍得到影像g;
[0021] 步驟1. 5 :拉伸后重新計算影像在四個方向的灰度均值死Cv,.v);
[0023] 步驟1. 6 :計算標(biāo)準(zhǔn)差〇d(x,y);
[0025] 步驟1. 7 :比較尋找四個方向中極小值〇d所對應(yīng)的方向d;
[0026] 步驟1. 8 :沿著方向d在點(diǎn)(X,y)處進(jìn)行灰度膨脹,然后將影像拉伸到[0, 255]范 圍得到影像h;
[0027] 步驟1. 9 :將以上步驟以相反方式重復(fù)一遍,即先膨脹后腐蝕,得到的影像即為結(jié) 果影像。
[0028] 作為優(yōu)選,步驟3中所述的圓形模板的生成,其具體實現(xiàn)過程是:人工在道路段選 擇一個種子點(diǎn),設(shè)置形態(tài)學(xué)梯度閾值S,以一個像素為半徑在種子點(diǎn)以及其鄰域內(nèi)各點(diǎn)處 生成等大圓形模板,統(tǒng)計各模板內(nèi)形態(tài)學(xué)梯度值之和,取最小者作為此半徑下最佳圓形模 板;分析最佳圓形模板形態(tài)學(xué)梯度值之和是否超過閾值,如未超過則以單個像素為單位逐 漸增大半徑;重復(fù)上述搜索過程,直至最佳圓形模板形態(tài)學(xué)梯度值之和超過閾值時停止迭 代過程,將此時的最佳圓形模板作為后續(xù)處理的參考模板,最佳圓形模板中心點(diǎn)作為參考 道路中心點(diǎn)。
[0029] 作為優(yōu)選,步驟5中所述的待匹配模板的搜索,