本發(fā)明涉及道路信息提取技術(shù)領(lǐng)域，具體涉及一種高分辨率遙感影像道路信息提取方法。

背景技術(shù)：

與低、中分辨率的遙感影像相比，高分辨率影像上的地物特征更加清晰、細(xì)節(jié)更加明顯。如何快速獲取這些信息，用以更新地理信息數(shù)據(jù)庫，已成為高分辨率遙感技術(shù)應(yīng)用亟待解決的問題。其中如何科學(xué)、有效地提取道路信息，是目前的熱點(diǎn)和難點(diǎn)，有待深入的研究。

近年來，隨著IKONOS，QuickBird，SPOT-5等高空間分辨率遙感衛(wèi)星的相繼發(fā)射，高分辨率遙感衛(wèi)星數(shù)據(jù)的處理與應(yīng)用逐步成為遙感應(yīng)用領(lǐng)域的研究熱點(diǎn)。作為非常重要的基礎(chǔ)地理信息，遙感影像中道路信息的自動(dòng)實(shí)時(shí)監(jiān)測(cè)可有效提高規(guī)劃、路網(wǎng)維護(hù)、導(dǎo)航及交通分析等信息化管理的水平。但由于高空間分辨率遙感影像中道路類型眾多，空間結(jié)構(gòu)復(fù)雜，同時(shí)，受路面障礙物(如車輛等)及陰影等圖像噪音，以及道路與樓房或居民地光譜特征近似等問題的影響，在高分辨率遙感影像上進(jìn)行道路提取一直被認(rèn)為是一項(xiàng)具有相當(dāng)難度的工作。

目前高分辨率影像上道路提取方法可分為兩個(gè)方面:一是基于直線和邊緣的道路提取方法，如文獻(xiàn)；二是利用多光譜分類方法提取面狀道路信息，如文獻(xiàn)。但是由于受影像噪聲和“異物同譜”和“同物異譜”現(xiàn)象以及復(fù)雜的路面狀況的影響，單獨(dú)使用這兩種方法提取道路信息的效果都不十分理想。

在實(shí)現(xiàn)道路的提取方面，一些現(xiàn)有方法盡管都取得了一定的成果，但是分析發(fā)現(xiàn)各種方法都有自身的不足，亟待提高和改進(jìn)。本文在研究前人文獻(xiàn)的基礎(chǔ)上，認(rèn)真研究、試驗(yàn)，總結(jié)各種方法的優(yōu)劣，提出了一種改進(jìn)的區(qū)域生長(zhǎng)算法、數(shù)學(xué)形態(tài)學(xué)與形狀特征相結(jié)合自動(dòng)提取道路的方法，試驗(yàn)結(jié)果表明本方法簡(jiǎn)單、有效、精確度高。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)以上問題，本發(fā)明提供了一種高分辨率遙感影像道路信息提取方法，在圖像處理過程中將RGB圖像轉(zhuǎn)換成HSV圖像，對(duì)區(qū)域生長(zhǎng)算法進(jìn)行改進(jìn)使其更適合于道路的提取，極大地提高了道路分割的質(zhì)量，對(duì)城市道路的提取具有很高的精度，尤其適合提取城市主道路，可以有效解決背景技術(shù)中的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：一種高分辨率遙感影像道路信息提取方法，包括如下步驟：

S1、圖像預(yù)處理：采用增強(qiáng)、濾波的方法，以達(dá)到增強(qiáng)道路圖像與背景圖像差異的目的；

S2、道路圖像分割方法：對(duì)傳統(tǒng)區(qū)域生長(zhǎng)算法進(jìn)行了改進(jìn)，加入生長(zhǎng)后二次聚類的方法，把分布在圖像中的復(fù)雜小板塊盡可能地去除，使與道路相連的地物盡可能分隔開；

S3、分析并識(shí)別圖像：采用數(shù)學(xué)形態(tài)學(xué)的方法，用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的。

根據(jù)上述技術(shù)方案，所述步驟S1，在圖像處理的過程中，將RGB顏色空間影像轉(zhuǎn)換成HSV顏色空間影像，提高后續(xù)影像分割的質(zhì)量。

根據(jù)上述技術(shù)方案，所述步驟S2中的二次聚類的方法為：

選取初始種子和閾值，將該種子點(diǎn)與周圍8領(lǐng)域點(diǎn)進(jìn)行比較，逐個(gè)判斷符合條件的點(diǎn)，然后以該點(diǎn)為新的種子點(diǎn)，繼續(xù)進(jìn)行判斷，在分類過程中進(jìn)行歸類運(yùn)算，對(duì)各連通區(qū)域用區(qū)域的均值進(jìn)行重新賦值，將連通區(qū)域像素個(gè)數(shù)小于某個(gè)設(shè)定像素個(gè)數(shù)的族群自動(dòng)聚集到像素個(gè)數(shù)多的族群。

根據(jù)上述技術(shù)方案，所述步驟S3中，運(yùn)用數(shù)學(xué)形態(tài)學(xué)的方向膨脹算法解決道路的斷線連接問題，腐蝕算法消除圖形內(nèi)部的斑點(diǎn)，開運(yùn)算消除細(xì)小物體，識(shí)別分離物體和平滑物體的邊界，閉運(yùn)算填平縫隙、彌合孔洞和裂縫，去除圖像上的小孔和凹部，使斷線連接；該數(shù)學(xué)形態(tài)學(xué)的公式如下：

設(shè)集合A和B是兩個(gè)非空集合，A是待處理的二值圖像，B為結(jié)構(gòu)元素，則：

膨脹定義為：

A⊕B＝{x丨[(B)_x∩A]≠Φ} (1)

腐蝕定義為：

$A\mathrm{\Θ}B=\left\{x\right|{\left(B\right)}_x\⊆A\}---\left(2\right)$

開運(yùn)算定義為：

A·B＝(AΘB)⊕B (3)

閉運(yùn)算定義為：

A·B＝(A⊕B)ΘB (4)。

根據(jù)上述技術(shù)方案，所述步驟S3中，圖像中的對(duì)應(yīng)形狀特征描述如下：

(1)面積S：經(jīng)過二值化處理后的圖像有很多碎小斑塊，通過計(jì)算分隔后區(qū)域的面積，設(shè)置一定的閾值，去除這些碎小的斑塊；

(2)緊湊度：描述物體的形狀和圓的近似度；公式如下：

C＝4πS/P＾² (5)

其中：π為圓周率，S為區(qū)域的面積，P為區(qū)域的周長(zhǎng)，緊湊度的范圍為(0，1]，圓的緊湊度為1，正方形的緊湊度為π；

(3)矩形度：用目標(biāo)圖像面積和包圍該圖像的最小矩形面積之比作為目標(biāo)矩形度的一種度量數(shù)，即：

R＝S₀/S_R (6)

其中：S₀為目標(biāo)圖像的面積，S_R為包圍該圖像的最小矩形的面積，R的大小表示目標(biāo)物體和矩形的接近程度，矩形度的范圍為(0,1]；

(4)長(zhǎng)寬比：反映物體的細(xì)長(zhǎng)程度，提取出具有明顯長(zhǎng)度特征的區(qū)域，檢測(cè)出道路的直線部分，公式如下：

M＝L_R/W (7)

其中：L_R為最小外接矩形的長(zhǎng)，W為最小外接矩形的寬。

本發(fā)明的有益效果：

本發(fā)明采用真空平板玻璃作為原料，通過夾膠工藝，制成夾膠真空平板玻璃，并添加夾膠玻璃膠片，對(duì)無機(jī)玻璃有很強(qiáng)的粘結(jié)力，具有堅(jiān)韌、透明、耐溫、耐寒、粘結(jié)強(qiáng)度大、斷裂伸長(zhǎng)率高、耐濕性好等特性，該工藝生產(chǎn)效率得到大大的提高，鏟平性能優(yōu)良，生產(chǎn)工藝操作方便，成本較低。

附圖說明

圖1為本發(fā)明具體實(shí)施例的流程圖；

圖2為本發(fā)明具體實(shí)施例的原始圖像；

圖3為本發(fā)明具體實(shí)施例的面積、緊湊度和開運(yùn)算結(jié)果圖像；

圖4為本發(fā)明具體實(shí)施例的綜合提取結(jié)果圖像；

圖5為本發(fā)明具體實(shí)施例的陰影部分道路圖像；

圖6為本發(fā)明具體實(shí)施例的形態(tài)學(xué)和形狀特征處理后結(jié)果圖像；

圖7為本發(fā)明具體實(shí)施例的最終結(jié)果圖像。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

實(shí)施例：

參照?qǐng)D1，本發(fā)明提供一種高分辨率遙感影像道路信息提取方法，包括如下步驟：

步驟S1、圖像預(yù)處理：采用增強(qiáng)、濾波的方法，以達(dá)到增強(qiáng)道路圖像與背景圖像差異的目的；在圖像處理的過程中，將RGB顏色空間影像轉(zhuǎn)換成HSV顏色空間影像，提高后續(xù)影像分割的質(zhì)量；

步驟S2、道路圖像分割方法：

在遙感影像信息提取中，常常伴有“同物異譜”和“同譜異物”現(xiàn)象的存在，對(duì)遙感影像的準(zhǔn)確分類有很大的影響，如何準(zhǔn)確分割出道路，使道路信息盡可能保留，而非道路信息盡可能去除，對(duì)后續(xù)的道路信息準(zhǔn)確提取十分重要。

經(jīng)過大量的算法試驗(yàn)研究，本文總結(jié)了邊緣檢測(cè)方法、直方圖閾值分割法、遺傳算法閾值分割、自適應(yīng)閾值分割法、模糊聚類閾值分割法和K均值聚類分割方法等的試驗(yàn)結(jié)果，對(duì)于道路的分割效果均不理想。

本發(fā)明對(duì)傳統(tǒng)區(qū)域生長(zhǎng)算法進(jìn)行了改進(jìn)，加入生長(zhǎng)后二次聚類的方法，把分布在圖像中的復(fù)雜小板塊盡可能地去除，使與道路相連的地物盡可能分隔開；有利于后續(xù)道路的提取工作，其二次聚類的方法如下：

選取初始種子和閾值，將該種子點(diǎn)與周圍8領(lǐng)域點(diǎn)進(jìn)行比較，逐個(gè)判斷符合條件的點(diǎn)，然后以該點(diǎn)為新的種子點(diǎn)，繼續(xù)進(jìn)行判斷，在分類過程中進(jìn)行歸類運(yùn)算，對(duì)各連通區(qū)域用區(qū)域的均值進(jìn)行重新賦值，將連通區(qū)域像素個(gè)數(shù)小于某個(gè)設(shè)定像素個(gè)數(shù)的族群自動(dòng)聚集到像素個(gè)數(shù)多的族群。

S3、分析并識(shí)別圖像：采用數(shù)學(xué)形態(tài)學(xué)的方法，用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的；

運(yùn)用數(shù)學(xué)形態(tài)學(xué)的方向膨脹算法解決道路的斷線連接問題，腐蝕算法消除圖形內(nèi)部的斑點(diǎn)，開運(yùn)算消除細(xì)小物體，識(shí)別分離物體和平滑物體的邊界，閉運(yùn)算填平縫隙、彌合孔洞和裂縫，去除圖像上的小孔和凹部，使斷線連接；該數(shù)學(xué)形態(tài)學(xué)的公式如下：

設(shè)集合A和B是兩個(gè)非空集合，A是待處理的二值圖像，B為結(jié)構(gòu)元素，則：

膨脹定義為：

A⊕B＝{x丨[(B)_x∩A]≠Φ} (1)

腐蝕定義為：

$A\mathrm{\Θ}B=\left\{x\right|{\left(B\right)}_x\⊆A\}---\left(2\right)$

開運(yùn)算定義為：

A·B＝(AΘB)⊕B (3)

閉運(yùn)算定義為：

A·B＝(A⊕B)ΘB (4)

根據(jù)上述技術(shù)方案，所述步驟S3中，圖像中的對(duì)應(yīng)形狀特征描述如下：

(1)面積S：經(jīng)過二值化處理后的圖像有很多碎小斑塊，通過計(jì)算分隔后區(qū)域的面積，設(shè)置一定的閾值，去除這些碎小的斑塊；

(2)緊湊度：描述物體的形狀和圓的近似度；公式如下：

C＝4πS/P＾² (5)

其中：π為圓周率，S為區(qū)域的面積，P為區(qū)域的周長(zhǎng)，緊湊度的范圍為(0，1]，圓的緊湊度為1，正方形的緊湊度為π；

(3)矩形度：用目標(biāo)圖像面積和包圍該圖像的最小矩形面積之比作為目標(biāo)矩形度的一種度量數(shù)，即：

R＝S₀/S_R (6)

其中：S₀為目標(biāo)圖像的面積，S_R為包圍該圖像的最小矩形的面積，R的大小表示目標(biāo)物體和矩形的接近程度，矩形度的范圍為(0,1]；

(4)長(zhǎng)寬比：反映物體的細(xì)長(zhǎng)程度，提取出具有明顯長(zhǎng)度特征的區(qū)域，檢測(cè)出道路的直線部分，公式如下：

M＝L_R/W (7)

其中：L_R為最小外接矩形的長(zhǎng)，W為最小外接矩形的寬。

針對(duì)上述實(shí)施例，本發(fā)明對(duì)道路圖像作進(jìn)一步處理：

選取長(zhǎng)沙市芙蓉區(qū)IKONOS1m分辨率的多波段融合影像，選取其中的512像素×512像素區(qū)域(如圖2)，該區(qū)域道路環(huán)境復(fù)雜，包含了植被、陰影、車輛、居民點(diǎn)等地物，路面灰度差異明顯，對(duì)道路提取影響較大，能很好地驗(yàn)證本文方法的有效性。

如圖3為經(jīng)過面積(閾值為50)、緊湊度(閾值為0.28)和形態(tài)學(xué)開運(yùn)算處理后的影像。圖4為經(jīng)過以上分析，綜合考慮矩形度(閾值0.45)、長(zhǎng)寬比，閾值2.5多種特征，最后處理的結(jié)果。觀察以上道路圖我們發(fā)現(xiàn)，由于受到原圖陰影的影響，道路在提取的過程中存在大面積的缺失區(qū)域，對(duì)陰影進(jìn)行處理，提取出的道路陰影結(jié)果如圖5，繼續(xù)處理，將圖5提取出的結(jié)果與圖4提取的結(jié)果進(jìn)行疊加，再次進(jìn)行形態(tài)學(xué)和形狀處理后的結(jié)果(圖6)，觀察圖6發(fā)現(xiàn)邊緣鋸齒比較嚴(yán)重，有少量斑塊參雜其中，于是經(jīng)過形態(tài)學(xué)填充和平滑進(jìn)一步處理后得到最終結(jié)果(圖7)，有效地平滑了道路邊緣及前期形態(tài)學(xué)處理中變形的問題。

另外，本發(fā)明提供一種針對(duì)圖像的勻色方法：

(1)衛(wèi)星遙感鑲嵌圖像物理勻色方法

由于單幅衛(wèi)星圖像只能覆蓋某一地面范圍，在做大尺度、大范圍的地球遙感數(shù)據(jù)分析時(shí)，需要將不同時(shí)間，甚至不同衛(wèi)星傳感器的小塊的圖像在空間上進(jìn)行拼接，形成大范圍的整體圖像，從而鑲嵌成一幅完整的圖像。由于這些小塊的數(shù)據(jù)一般是在不同時(shí)間、不同大氣條件、不同觀測(cè)角度甚至是采用不同遙感器獲取的，因此其色調(diào)會(huì)有很大差別，造成接縫處色調(diào)的突變。為了消除不同塊數(shù)據(jù)色調(diào)的差別和接縫處的色調(diào)突變，一般都要對(duì)鑲嵌的圖像進(jìn)行勻色。傳統(tǒng)勻色利用的是數(shù)學(xué)方式，比如對(duì)不同小塊圖像實(shí)行直方圖均衡，Wallis濾波等。利用這些方式得到的鑲嵌圖像從色調(diào)上看是均一無縫的，但實(shí)際上已經(jīng)失去了作為遙感物理觀測(cè)的使用價(jià)值，只能作為空間信息的判讀(紋理、形狀、結(jié)構(gòu)等)，嚴(yán)重地影響了遙感圖像的應(yīng)用價(jià)值。本項(xiàng)目的目的是通過分析研究鑲嵌圖像中色調(diào)差別的主要物理原因：遙感器的定標(biāo)系數(shù)和光譜差異、大氣狀況差異、觀測(cè)角度差異以及觀測(cè)日期及時(shí)間差異等，采用物理模型方法嘗試改正圖像間的色調(diào)差異，在達(dá)到勻色的效果同時(shí)使得鑲嵌圖像具有定量遙感分析的價(jià)值。

(2)多源遙感影像輻射歸一化方法

遙感圖像拼接時(shí)不同小塊圖像間的色調(diào)不勻主要是由于以下4種原因造成的：

(1)獲取圖像采用了不同遙感器，而不同遙感器輻射響應(yīng)率(定標(biāo)系數(shù))和光譜響應(yīng)率存在差異

(2)圖像是在不同大氣狀況下或/和大氣光學(xué)路徑條件下獲取的；

(3)圖像是在不同太陽和遙感器幾何位置組合(高度角、方位角)條件下獲取的，而且地面目標(biāo)存在方向性(BRDF特性)；

(4)圖像是在不同的日期或者同一日期的不同時(shí)間獲取的，而地面目標(biāo)類型或狀態(tài)發(fā)生了時(shí)間變化(如農(nóng)作物生長(zhǎng))；

由于影響遙感影像拼接勻色的因素眾多，本研究將針對(duì)其中影響的輻射特性，嘗試采用物理模型方法，將不同來源的遙感圖像的輻射參數(shù)進(jìn)行歸一化處理，從而實(shí)現(xiàn)鑲嵌圖像勻色，并保持處理后影像灰度值的物理意義。

主要內(nèi)容包括下述幾個(gè)方面：

1.傳感器定標(biāo)處理對(duì)勻色的影響及歸一化

2.不同傳感器成像波段差異對(duì)勻色的影響及歸一化

3.地面目標(biāo)BRDF特性對(duì)勻色的影響及歸一化

4.大氣影響、太陽-傳感器幾何位置、獲取時(shí)間等其他因素的影響及剔除方法

5.利用高分一號(hào)、資源三號(hào)等遙感影像開展模型試驗(yàn)。

基于上述，本發(fā)明的優(yōu)點(diǎn)在于，本發(fā)明采用真空平板玻璃作為原料，通過夾膠工藝，制成夾膠真空平板玻璃，并添加夾膠玻璃膠片，對(duì)無機(jī)玻璃有很強(qiáng)的粘結(jié)力，具有堅(jiān)韌、透明、耐溫、耐寒、粘結(jié)強(qiáng)度大、斷裂伸長(zhǎng)率高、耐濕性好等特性，該工藝生產(chǎn)效率得到大大的提高，鏟平性能優(yōu)良，生產(chǎn)工藝操作方便，成本較低。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。