基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取

1、2005.5理論研究遙感信息基于數(shù)學(xué)形態(tài)學(xué)的高分辨率遙感影像道路提取李利偉,劉吉平,尹作為(武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院,湖北武漢430079)摘要:利用數(shù)學(xué)形態(tài)學(xué)的方法對高分辨率遙感影像道路提取進(jìn)行了研究,通過對影像進(jìn)行預(yù)處理增強(qiáng)道路信息,依據(jù)影像灰度直方圖信息,對預(yù)處理后的影像進(jìn)行閾值分割,得到一個包含道路信息的二值影像;噪聲,同時將一部分粘連在道路上的噪聲與道路信息進(jìn)一步分割;絡(luò)信息,并用形態(tài)閉運算完善道路網(wǎng)絡(luò)信息;,得到單像素寬的道路中心線信息。利用數(shù)學(xué)計算軟件MATLAB。關(guān)鍵詞:數(shù)學(xué)形態(tài)學(xué);中圖分類號3:1000-3177(2005)81-0009-03據(jù)影像灰度直方圖信息,對預(yù)處理

2、后的影像進(jìn)行閾值分割,得到一個包含道路信息的二值影像;進(jìn)一步使用形態(tài)開運算去除細(xì)小噪聲,同時將一部分粘連在道路上的噪聲與道路信息進(jìn)一步分割;接著結(jié)合形態(tài)腐蝕和形態(tài)重建獲取影像中主要道路網(wǎng)絡(luò)信息,并用形態(tài)閉運算完善道路網(wǎng)絡(luò)信息;最后對道路網(wǎng)絡(luò)信息進(jìn)行形態(tài)細(xì)化和一定次數(shù)的形態(tài)修剪處理,得到單像素寬的道路中心線信息。1前言遙感影像中道路信息的提取在很多領(lǐng)域已得到廣泛的應(yīng)用,例如數(shù)字測圖、影像理解等。國內(nèi)外這方面的研究有20多年的歷史,眾多學(xué)者從不同角度,不同應(yīng)用領(lǐng)域,針對不同數(shù)據(jù)源都提出了自己的方法和研究成果。這些方法主要可分為兩大類3,一種是半自動的遙感影像道路提取算法,同時也是使用最廣泛的方法,

3、它通過人機(jī)交互的方法提取道路種子點信息,然后結(jié)合道路知識,利用一些自動搜索跟蹤算法找出道路信息;另一種是自動的遙感影像道路信息提取算法,它結(jié)合道路知識利用人工智能的方法找出道路種子點信息,然后再聯(lián)結(jié)成道路網(wǎng)絡(luò)信息,盡管這種方法目前還不是很成熟,它卻代表了技術(shù)發(fā)展的方向。由于遙感影像自身的復(fù)雜性,其在光譜特征上存在著大量同物異譜的現(xiàn)象,如道路,建筑物等,在幾何拓?fù)涮卣魃夏繕?biāo)信息存在著大量粘連遮蓋現(xiàn)象,如樹木,車輛等,而且隨著遙感技術(shù)的不斷發(fā)展,特別是航天高分辨率遙感影像數(shù)據(jù)的大量涌現(xiàn),傳統(tǒng)的基于線狀目標(biāo)的遙感影像道路提取方法(如Hough變換,道路檢測算子等)不能取得很好的效果,這一切致使通用的

4、遙感影像道路信息的提取方法目前難以實現(xiàn)。數(shù)學(xué)形態(tài)學(xué)是一種基于集合論的非線性理論,它的基本思想是基于像素間的邏輯關(guān)系對數(shù)字圖像進(jìn)行分析處理。它能定量的描述和分析影像的幾何特征。與傳統(tǒng)的線性理論相比,數(shù)學(xué)形態(tài)學(xué)的特點是將大量復(fù)雜的影像處理算法用基本的集合邏輯運算來描述和實現(xiàn),使得運算更加靈活快捷。伴隨著學(xué)科之間的不斷交叉融合,數(shù)學(xué)形態(tài)學(xué)已被很多學(xué)者應(yīng)用到遙感影像處理的諸多方面,如遙感影像道路網(wǎng)絡(luò)提取4,遙感影像分割5等。方法的過程:首先對影像進(jìn)行預(yù)處理增強(qiáng)道路信息,依收稿日期:2005-03-10修訂日期:2005-04-262本文用到的幾種數(shù)學(xué)形態(tài)學(xué)算子2.1腐蝕與膨脹運算定義一個結(jié)構(gòu)元素B,集

5、合A被結(jié)構(gòu)元素B腐蝕,膨脹的數(shù)學(xué)符號分別表示為:A󰂿B=x:B+x<A,A󰂽B=x:(-B+x)A󰂊。2.2擊中擊不中變換定義一對結(jié)構(gòu)元素B=(E,F),集合A被結(jié)構(gòu)元素B作擊中擊不中變換可用數(shù)學(xué)符號表示為:A3B=x:E+x<A;F+x<A,擊中擊不中變換可用于形態(tài)細(xì)化、形態(tài)c修剪1,以及形態(tài)目標(biāo)識別等眾多方面,利用形態(tài)細(xì)化完成對道路網(wǎng)絡(luò)信息的細(xì)化,修剪。2.3形態(tài)開運算和形態(tài)閉運算定義一個集合A,一個結(jié)構(gòu)元素B,形態(tài)開、閉運算可以用數(shù)學(xué)符號分別表示為:AB=(A󰂿B)󰂽B,AB=(Aϗ

6、229;B)󰂿B,使用形態(tài)開運算去除影像中的細(xì)小噪聲,同時將影像中一些粘連在道路上的噪聲與道路信息分離。2.4形態(tài)重建運算形態(tài)重建運算是一種非常重要的形態(tài)濾波器,文獻(xiàn)2中有較詳細(xì)的重建運算的理論與應(yīng)用。結(jié)合影像中道路信息的幾何特征,用線狀結(jié)構(gòu)元素腐蝕原始影像得到標(biāo)記圖作者簡介:李利偉(1982),男,河南洛陽人,武漢大學(xué)在讀碩士,主要研究方向:遙感數(shù)字圖像處理和模式識別。9遙感信息理論研究2005.5像。用原始影像作為掩模影像,使用形態(tài)重建運算來去除與道路信息不相交的噪聲。選取就決定了影像中道路信息的提取尺度。這里影像中的道路信息比較細(xì)小零亂,因此使用尺寸較小的結(jié)構(gòu)元素,以保持

7、影像中道路細(xì)節(jié)。但由于遙感影像中道路信息的幾何特征復(fù)雜多變,文中用到的結(jié)構(gòu)元素不能通用,可以根據(jù)情況另取合適的結(jié)構(gòu)元素,或選擇不同結(jié)構(gòu)元素進(jìn)行多次處理,以達(dá)到最優(yōu)效果。形態(tài)開運算后,為了得到形態(tài)重建操作所需的標(biāo)記圖像,我們依據(jù)影像中道路信息獨有的幾何特征,使用長線狀(line結(jié)構(gòu)元素SE=strel,100,906,進(jìn)一步對形態(tài)開運3數(shù)學(xué)形態(tài)學(xué)進(jìn)行道路提取的試驗實驗數(shù)據(jù)是一幅某小區(qū)的航空彩色影像,空間分辨率為1m,道路在影像中呈現(xiàn)出一個高亮度且灰度相近的連通網(wǎng)絡(luò),如圖1所示。影像中建筑物非常密集且與道路光譜特征十份接近,道路自身也由于等級和種類的多樣性顯得錯綜復(fù)雜,給道路提取帶來了一些困難。,

8、接著以開運算,3圖1原始遙感影像首先對原始影像進(jìn)行預(yù)處理。依據(jù)道路在實驗影像(絕大多數(shù)遙感影像)中呈高亮度的光譜特征,對原始影像作基于色彩空間的變換,由RGB轉(zhuǎn)換為ISH。提取表示亮度信息的I波段,并將其作灰度拉伸得到加強(qiáng)了道路信息的灰度影像。根據(jù)影像灰度直方圖對圖像進(jìn)行閾值分割,后用面元為5×5的中值濾波處理,得到二值影像,如圖2。(square在此基礎(chǔ)上使用結(jié)構(gòu)元素SE=strel,3)6圖3形態(tài)重建后的道路網(wǎng)絡(luò)對得到的道路網(wǎng)絡(luò)信息,通過結(jié)構(gòu)元素SE=strel(square,6)6進(jìn)行形態(tài)閉運算填補(bǔ)網(wǎng)絡(luò)中的空缺,同時連接斷點,得到修補(bǔ)的道路網(wǎng)絡(luò)。進(jìn)一步對形態(tài)重建后的道路網(wǎng)絡(luò)信息

9、進(jìn)行形態(tài)細(xì)化,一定次數(shù)的形態(tài)修剪得到最終道路網(wǎng)絡(luò)中心線,將其與原影像圖疊合,如圖4所示。需要說明的是,由于初始分割后,影像中的道路信息的進(jìn)行開運算,去除細(xì)小噪聲,同時分離部分粘連的道路信息上的噪聲。這一步尤為重要,從某種意義上來說,結(jié)構(gòu)元素的圖2閾值化后的影像圖4道路提取結(jié)果分析102005.5理論研究遙感信息幾何特征不是十分規(guī)整,在形態(tài)細(xì)化后道路信息中產(chǎn)生一些毛邊,形態(tài)修剪旨在消除影像中道路網(wǎng)絡(luò)信息上的毛邊。然而,由于實驗影像數(shù)據(jù)中的道路信息存在眾多細(xì)小支路信息,形態(tài)修剪處理將一些本來已被檢測出的道路信息削減變短,因此,針對具體情況,形態(tài)修剪操作可以斟酌使用。漏判和誤判。這主要是由于在運用數(shù)

10、學(xué)形態(tài)學(xué)方法時在一定程度上依賴于初始影像分割結(jié)果,對預(yù)處理后的影像中道路的形狀變化比較敏感。數(shù)學(xué)形態(tài)學(xué)方法的關(guān)鍵是在了解道路信息的形態(tài)幾何特征,正如它的創(chuàng)始人Serra所說“:如果證明,在某些時候,形態(tài)學(xué)的方法比其他方法在模式識別方面更有效,那是它更好的把握了景物的幾何特征,僅此而已”。針對文中方法的不足,可以在預(yù)處理過程中加以優(yōu)化,利用更加高效的方法對影像進(jìn)行分割,特4討論與總結(jié)本文應(yīng)用數(shù)學(xué)形態(tài)學(xué)的方法實現(xiàn)了高分辨率遙感影像中的道路網(wǎng)絡(luò)信息提取。由圖(4)可以看出,該方法比較好的提取了道路網(wǎng)絡(luò)信息,特別是在提取影像中道路細(xì)節(jié)信息上很有優(yōu)勢。通過目視解譯,發(fā)現(xiàn)處理結(jié)果中仍存在著一些1崔屹.圖像

11、處理與分析M.2LucVincent.andefficientalgorithmsJ.IEEETransactiononImageProcess,1993,2(2).3林宗堅,劉政榮.J.武漢大學(xué)學(xué)報信息科學(xué)版,2003,28(1).4安如,馮學(xué)智,王慧麟.基于數(shù)學(xué)形態(tài)學(xué)的道路遙感影像特征提取及網(wǎng)絡(luò)分析J.中國圖象圖形學(xué)報,2003,8(7).5蔣志勇.基于形態(tài)特征的遙感影像多尺度分割算法研究D.武漢大學(xué),2004.6MATLAB幫助文件Z.Version7,2004.RoadExtractionfromHighResolutionRemoteSensingImageBasedonMathem

12、aticMorphologyLILi2wei,LIUJi2ping,YINZuo2wei(WuhanUniversityCollegeofResourcesandEnvironmentalScience,HubeiWuhan430079,China)Abstract:Inthepaper,anapproachtoextractroadnetworkinthehighresolutionremotesensingimagebasedonmathematicmor2phologyispresented.Firstly,preprocesstheimagetoenhancetheroadinform

13、ationandthresholditintobinaryimageaccordingtoitshistogram;Secondly,removetinynoisewithmorphologicalopening,meanwhileitseparatestheroadfromsomenoiseattachedtoit;Thirdly,Morphologicalreconstructionisadoptedtoavoidnoiseincludingobjectsthathavesimilarspectralcharacteristicsasroadsur2faces;Finally,determ

14、inethecenterlineoftheroadnetworkbyMorphologicalthinningandcropping.Thedevelopedmethodhastest2edonhighresolutionremotesensingimageunderMATLAB.Keywords:mathematicmorphology;roadextraction;threshold;morphologicalreconstruction(上接第5頁)FeaturesSelectionfromRemoteSensingImageBasedonMinimumEntropyandGenetic

15、AlgorithmCHENXiu2qiao,HUYi2hua,ZHANGJun(ElectronicEngineeringInstitute,Hefei230037,China)Abstract:Basedonthecharacteristicsofinfraredremotesensingimage,14featuresareextractedtoanalyzetheirtextureattributes,suchasenergy,inertiaandentropyofco2occurrencematrix2basedfeatures.Forfeaturesselectionfrominfraredremotesensingimage,thegeneticalgorithm(GA)isusedtosearchfortheoptimumfeaturesubsetbasedonminimumentropyseparabilitycriterion.Forval2idationoffeaturesselection,radialbasisfunction(RBF)networksaredesignedtoclassifythe