摘 要：隨著遙感技術(shù)的飛速發(fā)展，高分辨率遙感圖像變得極易獲得，而提取遙感圖像中道路信息更是具有極大的現(xiàn)實(shí)意義。從遙感圖像中提取的道路信息是結(jié)合直方圖閾值分割技術(shù)和數(shù)學(xué)形態(tài)學(xué)研究出一種半自動(dòng)的遙感圖像道路提取方法。通過觀察遙感圖像的灰度直方圖，選擇出合適的閾值并分割出初始道路信息。初始道路會(huì)包含大量的顆粒噪聲且道路會(huì)出現(xiàn)間斷等情況。利用中值濾波器能夠?yàn)V除原始道路圖像中的顆粒噪聲，利用數(shù)學(xué)形態(tài)學(xué)的方法可以消除物體間的粘連和填充道路孔洞。通過仿真分析，驗(yàn)證了研究的遙感圖像道路提取方法和有效性。

　　關(guān)鍵詞：遙感圖像;閾值分割;數(shù)學(xué)形態(tài)學(xué);道路提取

　　《遙感技術(shù)與應(yīng)用》是綜合性學(xué)術(shù)刊物，主要刊登國(guó)內(nèi)外遙感理論、技術(shù)及應(yīng)用研究領(lǐng)域的學(xué)術(shù)論文與綜述，優(yōu)先報(bào)道國(guó)內(nèi)外遙感研究與應(yīng)用的新技術(shù)、新理論、新方法和新成果。

　　1 概述

　　遙感技術(shù)具有采集數(shù)據(jù)速度快、實(shí)時(shí)性高、探測(cè)范圍大、不受時(shí)間和地域條件的限制等優(yōu)勢(shì)。在近二十年的飛速發(fā)展中，遙感技術(shù)已廣泛應(yīng)用于軍事偵察、海洋、地理、測(cè)繪、農(nóng)業(yè)、水利、環(huán)境保護(hù)等方面，在國(guó)防建設(shè)和科學(xué)研究等方面發(fā)揮著重要的作用。隨著我國(guó)基礎(chǔ)設(shè)施的飛速發(fā)展，尤其是在加快信息化的進(jìn)程中，我國(guó)的遙感技術(shù)得到了飛速的發(fā)展。在現(xiàn)代遙感技術(shù)應(yīng)用中，由于我國(guó)高分辨率衛(wèi)星遙感圖像發(fā)展速度快，應(yīng)用遙感技術(shù)對(duì)地觀測(cè)的能力不斷提高，高分辨率遙感圖像的研究已成為研究熱點(diǎn)。早期的高分辨率遙感衛(wèi)星主要應(yīng)用于軍事，隨著遙感信息的圖像成本逐漸降低，遙感技術(shù)逐漸應(yīng)用于商業(yè)。

　　在遙感圖像提供的信息中，道路信息無疑是非常重要的。隨著我國(guó)的經(jīng)濟(jì)飛速發(fā)展，人民對(duì)于美好生活的標(biāo)準(zhǔn)逐漸提高，準(zhǔn)確獲取實(shí)時(shí)交通信息和道路流量狀況是人民和交通部門最基本的需求。早期的道路信息獲取主要需要人工現(xiàn)場(chǎng)勘查，這需要投入大量的人力、物力，而且采集周期長(zhǎng)。因此，如何利用遙感道路圖像來快速的提取道路顯得尤為重要。

　　2 遙感圖像道路特征

　　不同的物體往往有不同的特征，了解道路的基本特征有助于我們?cè)O(shè)計(jì)實(shí)驗(yàn)從而設(shè)計(jì)遙感道路提取算法。遙感道路圖像的特征可分為幾何特征、輻射特征、拓?fù)涮卣鳌⒐δ芴卣骱蜕舷挛奶卣鳌?/p>

　　(1)幾何特征：道路一般呈長(zhǎng)條形，而且道路的長(zhǎng)度大于寬度。在一定范圍內(nèi)，道路會(huì)呈現(xiàn)直線形狀，在彎道中，曲率有一定的限制。

　　(2)輻射特征：道路的灰度值與其他區(qū)域的灰度值有明顯的區(qū)別，所以圖像中的道路有明顯的邊緣。

　　(3)拓?fù)涮匦裕旱缆吠尸F(xiàn)為網(wǎng)狀結(jié)構(gòu)，一般是貫通的、連續(xù)的。

　　(4)功能特征：道路分為快速路、主干路、次干路和支路。主干路是城市道路的骨架，主要功能是交通運(yùn)輸;次干路兼有服務(wù)功能;支路起疏散交通的作用。

　　(5)上下文特征：上下文特征分為局部和全局，局部上下文特征指的是道路兩旁的信息，如樹木。全局上下文特征指的是道路所處的區(qū)域，如鄉(xiāng)村、田野、城區(qū)等。

　　3 圖像處理基礎(chǔ)理論

　　3.1 灰度直方圖

　　灰度圖像的直方圖(簡(jiǎn)稱灰度直方圖)是一種表示數(shù)字圖像中各級(jí)灰度值與其出現(xiàn)頻率關(guān)系的函數(shù)，可以看作是像素灰度值出現(xiàn)的概率函數(shù)圖?；叶戎狈綀D的橫軸表示像素的灰度級(jí)別，范圍為0～255，共256個(gè)灰度級(jí)別;縱坐標(biāo)表示各個(gè)灰度級(jí)別出現(xiàn)的概率。若灰度圖像的灰度級(jí)范圍為[0，L-1]，則灰度圖像的直方圖定義為　式中，rk是第k級(jí)灰度值，nk是灰度值為rk的像素個(gè)數(shù)，h(rk)是灰度圖像直方圖的離散函數(shù)。

　　在觀察彩色遙感圖像的灰度直方圖時(shí)，首先把彩色圖像轉(zhuǎn)化為灰度圖像，如圖1所示，然后再顯示灰度圖像的直方圖，如圖2所示。

　　3.2 閾值分割技術(shù)

　　閾值分割是圖像分割方法中較為簡(jiǎn)單的一種，因其實(shí)現(xiàn)較為簡(jiǎn)單且性能穩(wěn)定而成為應(yīng)用最廣泛的分割方法。設(shè)圖像的灰度直方圖的灰度級(jí)范圍為[0，L-1]，灰度級(jí)為k時(shí)，像素為nk，則該圖像的總像素?cái)?shù)N可表示為

　　灰度級(jí)出現(xiàn)的概率為

　　目標(biāo)與背景有較大差異時(shí)，圖像的灰度直方圖往往會(huì)出現(xiàn)兩個(gè)雙峰的情況，此時(shí)圖像可大概分為兩個(gè)部分。在此情況下，從背景中提取目標(biāo)首先要確定閾值。在灰度直方圖中，左側(cè)的山峰對(duì)應(yīng)背景，右側(cè)的山峰對(duì)應(yīng)目標(biāo)，所以要選取兩個(gè)山峰之間的谷底對(duì)應(yīng)的灰度值T作為閾值。在進(jìn)行直方圖分割時(shí)，判決條件如下：

　　(1)灰度值Ti大于或等于閾值T時(shí)，判決為目標(biāo);

　　(2)灰度值小于閾值T時(shí)，判決為背景。

　　即對(duì)于圖像f(x，y)，基于閾值的圖像分割方法可以定義為

　　也可以定義為

　　其中，g(x，y)為分割出的二值圖像。

　　3.3 非線性平滑濾波圖像增強(qiáng)方法——中值濾波法

　　中值濾波是一種去除噪聲的方法，是非線性濾波器，能夠有效地保留圖像的邊緣信息。中值濾波的原理是利用中值濾波窗口，取窗口所覆蓋區(qū)域的所有灰度值中的中間值，用中間值代替所覆蓋區(qū)域中心像素點(diǎn)的灰度值。

　　中值濾波器可以定義為

　　式中，f(x，y)表示圖像中位于(x，y)點(diǎn)的灰度值，g(x，y)表示濾波窗口所覆蓋區(qū)域?yàn)锳的中值濾波結(jié)果。

　　中值濾波法大致有三種實(shí)現(xiàn)方法：

　　(1)直接選擇特定窗口濾波;

　　(2)先使用小窗口濾波，再使用大窗口濾波;

　　(3)先使用一維濾波，再使用二維濾波。

　　利用中值濾波法的過程可簡(jiǎn)單敘述如下，先選定窗口的形狀并根據(jù)窗口形狀確定窗口的中心像素在圖像上的重合方式，然后利用窗口進(jìn)行掃描并且將掃描到灰度值按大小進(jìn)行排列，然后找到中間灰度值，最后把中間灰度值賦值給窗口中心像素。

　　4.2 遙感圖像道路信息提取的具體方案

　　4.2.1 彩色遙感圖像灰度化

　　將彩色圖像轉(zhuǎn)化為灰度圖像通常有三種處理方法，分別為最大值法、平均值法和加權(quán)平均值法。假設(shè)彩色圖像用f(x，y)表示，灰度圖像用g(x，y)表示，每個(gè)像素的分量為R、G、B。

　　(1)最大值法用公式可以表示為

　　(2)平均值法用公式可以表示為

　　(3)加權(quán)平均值法可以表示為

　　4.2.2 閾值分割提取初始道路

　　觀察圖4中原始圖像的灰度直方圖，選擇合適的閾值，把初始道路提取出來。灰度直方圖如圖5所示。

　　由圖5所示的灰度直方圖可以觀察得到：該灰度圖像的直方圖有兩個(gè)明顯的山峰，左邊的山峰較高而且山比較寬，右邊的山峰較低而且山較窄。結(jié)合灰度圖像可以發(fā)現(xiàn)，圖像中有兩個(gè)明顯的特征，分別為道路和道路兩旁的植被，而且道路兩旁的植被在該灰度圖像中所占的區(qū)域比較大。由此可以推斷出，左邊的山峰對(duì)應(yīng)圖像中的植被，右邊的山峰對(duì)應(yīng)圖像的道路。

　　閾值應(yīng)當(dāng)選取為兩個(gè)山峰之間的山谷，經(jīng)過觀察圖5選擇閾值為T=110，提取灰度值大于110的圖像即為初始道路圖像。初始道路圖像如圖6所示。

　　4.2.3 中值濾波去除顆粒噪聲

　　由于受光照、反射、陰影等客觀因素的影響，衛(wèi)星在獲取圖像的過程中會(huì)出現(xiàn)同一類別的區(qū)域(如植被)的顏色不統(tǒng)一，這就會(huì)造成灰度值的差別。所以在閾值分割后的初始道路中會(huì)出現(xiàn)大量的顆粒噪聲。

　　中值濾波器能夠很好地消除圖像中的顆粒噪聲。選擇合適的中值濾波模板是進(jìn)行中值濾波的關(guān)鍵，中值濾波器的模板選擇通常借助實(shí)驗(yàn)的方法。

　　4.2.4 數(shù)學(xué)形態(tài)學(xué)處理

　　雖然初始道路圖像經(jīng)過中值濾波消除了大量的顆粒噪聲，但是在圖像中依然存在大量的道路間斷和道路孔洞。由數(shù)學(xué)形態(tài)學(xué)理論分析可知，開運(yùn)算能夠消除兩個(gè)物體間的粘連，閉運(yùn)算能夠連接間斷道路和填充孔洞。

　　4.2.5 最終道路提取效果

　　將開運(yùn)算處理后的結(jié)果與原始彩色遙感圖像疊加，道路的顏色為白色，得到最終的遙感圖像道路信息提取效果如圖7所示。

　　5 結(jié)論

　　本文所研究的遙感道路提取方法的主要步驟有：圖像灰度化、閾值分割、中值濾波、開運(yùn)算和閉運(yùn)算和圖像疊加。將彩色圖像灰度化能夠加快圖像處理的速度，而且中值濾波器能夠?yàn)V除圖像中大量的顆粒噪聲。在研究中，閾值的選取是非常重要的，選擇爭(zhēng)取的閾值是后續(xù)研究的基礎(chǔ)。在后續(xù)的中值濾波器的設(shè)計(jì)中，設(shè)置合適的中值濾波模板也同樣重要。本文通過MATLAB圖像處理平臺(tái)，驗(yàn)證了本文研究的道路提取方法的有效性。

　　參考文獻(xiàn)：

　　[1]李華勝.基于遙感影像的道路信息提取方法研究[D].內(nèi)蒙古工業(yè)大學(xué)，2015.

　　[2]李潤(rùn)生，曹聞.基于視覺顯著性特征的遙感影像道路網(wǎng)提取方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2014，23(8)：114-118.

　　[3]闕昊懿.基于遙感圖像的城市道路及車輛信息采集研究[D].湘潭大學(xué)，2014.

　　[4]李俊山，等.數(shù)字圖像處理(第三版)[M].北京：清華大學(xué)出版社，2017：1-278.

　　[5]Wijesingha J.S.J.， Kumara R.W.D.M.， Kajanthan P.， et al. Automatic Road Feature Extraction from High Resolution Satellite Images Using LVQ Neural Networks[J]. Asian Journal of Geoinformation， 2013，13(1)：30-36.

　　[6]Alex D.M.. Robust and Efficient Method to Extract Roads from Satellite Images[J]. International Journal of Latest Trends in Engineering and Technology(IJTET)， 2013，2(3)：26-29.

　　[7]Miao Zelang， Wang Bin， Shi Wenzhong， et al. A Method for Accurate Road Centerline Extraction From a Classified Image[J]. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING，2014，7(12)： 4762-4771.