基于灰度和方向一致性的遥感影像道路网提取

马符讯，徐　南,席瑞杰，翟　然

(1.武汉大学卫星导航定位技术研究中心，湖北武汉 430079；2.清华大学地球系统科学研究中心，北京 100084；3.武汉大学测绘学院，湖北武汉 430079；4.中国科学院地理科学与资源研究所，北京 100049)

马符讯1，徐南2,席瑞杰3，翟然4

摘要：从遥感影像中提取道路网是一个经典课题，根据遥感影像中的道路具有灰度和方向一致性的特征，提出一种从遥感影像中提取道路网的新方法。首先根据遥感影像的灰度信息和方向方差信息建立灰度和方向一致性准则分割模型，由此可从遥感影像中提取基本的道路网轮廓，然后再针对道路区域存在非道路点：空洞和裂缝等情况，采用膨胀、腐蚀等操作去除杂乱物块，最后通过数学形态学操作提取出道路网。实验结果表明，该方法能够适用道路、建筑物、植被等多种复杂地物的城市遥感影像中提取道路网，且能获得较好地提取效果。

关键词：道路网；遥感影像；方向一致性；分割

随着空间科学技术的迅速发展，遥感影像的获取越来越方便，其多学科应用也日益广泛，如何充分利用遥感图像的高分辨率特征快速提取和识别目标地物成为目前遥感领域的一个热点问题[1-4]。遥感影像中的目标分为点状目标、线状目标、面状目标，其中线状目标提取在目标提取中扮演承上启下的作用，而道路网是一种重要典型的道路网，因此从遥感影像中提取道路网具有重要意义[5-8]。很多监督分类方法和非监督分类方法存在结果不稳定，运算速度慢等特点，本文采用的方法可根据遥感影像中道路影像的灰度均值和方向方差信息确定分割阈值，大大提高计算效率，分类结果也比较稳定。

1分割模型的建立

在高分辨率遥感影像中，道路、建筑物等人造地物光谱信息相似，如果仅仅考虑光谱信息，使用灰度信息进行分割则会造成道路和建筑物的分类混淆，这就是异物同谱的现象。考虑道路往往呈现出线状特征，其表现为沿道路方向具有较高的方向灰度一致性[9]，然后使用方向模板内一定数量像素的灰度方差来衡量方向灰度一致性，本文最终综合使用像素灰度特征和方向一致性特征作为分割标准来构建分割模型。

1.1灰度分割

阈值法是一种简单有效的影像分割方法，在图像分割领域起着重要的作用[10]。阈值法是把图像空间划分为若干有意义的区域，其中各个区域内部的灰度级是均匀的，而区域之间的灰度级则不相同。阈值分割分为单阈值分割和多阈值分割。单阈值分割是一种典型的分割方法，将图像分为两类，即满足f(x,y)>T和f(x,y)<=T的两类像素，此方法广泛用于机器视觉、医学影像分析、遥感影像处理等方面。而多阈值分割选择多个阈值，把灰度范围划分为几段，每个段内的像素组成一类，将图像分为多个灰度级的不同区域。

1.2分割特征建立

综合使用某点像素灰度特征和方向一致性特征作为该点的分割特征。则影像中各个像元的特征表示为T(i,j)=(g,σ2)，其中g为灰度值，σ2为该像素点沿最佳方向一致性，使用方向模板方差衡量[11]。在高分辨率遥感影像中，道路通常对应为十几到几十像素的宽度，并且沿道路方向通常对应灰度分布均匀的特点。利用此特点，可以建立一个长条形模板，对于每个像素点，将长条形模板在[0°，360°]方向内取一定角度的步长旋转，计算长条形内对应像素的灰度均方差。

对于像素点(i,j)，计算灰度均值m和灰度方差σ2，即

(1)

(2)

式中：(2r+1)和(L+1)分别为矩形模板的长和宽；i′，j′为矩形模板对应的所有点位置。

其中

θ为模板方向；p(i′,j′)为位置(i′,j′)所对应像素灰度；m(i,j,L,θ)为像素点(i,j)在方向θ上所对应灰度均值；σ(i,j,L,θ)为像素点(i,j)在方向θ上所对应的灰度均方差。本文考虑到计算量的缘故，取矩形模板宽度为1，长度要求大于影像最宽道路宽度的1.5倍，而且必须大于影像中平均建筑物的长度和宽度。

1.3综合方向一致性分割

各个像素点特征可以使用一个二维向量T(i,j)=(g,σ2)，通过此特征向量可以对遥感影像进行分类。很多监督分类方法如神经网络、支持向量机和非监督分类方法如K均值分类方法等都可以应用于该问题，不过上述方法存在结果不稳定，运算速度慢等特点，本文采用多阈值法的方法替代上述方法，即可以根据遥感影像中某块道路影像的灰度均值和方向方差信息确定分割阈值，此方法可以大大提高计算效率，而且可以得到稳定不变的分类结果。具体的分类模型：

2后处理得到道路网

图1　实验影像1

根据建立的分割模型，基本能够分出影像中的道路区域，但是多次试验发现仍然有不少非道路点被错分为道路点，即使已分出的道路区域也往往存在空洞和裂缝。因此，首先需要去除分割结果中面积小于给定阈值的区域，然后使用膨胀操作填充道路中的空洞和连接微小裂缝，最后使用腐蚀操作细化道路得到最终的道路网。本文所做的两个道路网提取实验，图1(实验影像1)取自Google Earth中北京市城区的一块影像，图5(实验影像2)是取自南京市城区的一块影像。图2是通过利用灰度和方向一致性准则设定阈值分割得到的影像，图3是去除微小地物并填充空洞之后的结果，图4是在图3的基础上进行细化得到的最终道路网。

图2　利用灰度和方向一致性准则分割结果

图3　膨胀操作后图像

图4　实验影像1提取出的道路网

图5　实验影像2分割图

图6　实验影像2道路网

图5(实验影像2)是取自南京市城区的一块影像，中间步骤与实验影响1同理，直接将分割结果和最终道路网展现出来，其利用灰度和方向一致性准则分割结果和提取出的道路网如图5和图6所示。

3结论

本文主要针对城市遥感影像中各种道路的提取，将灰度信息和方向误差信息描述影像作为像元特征，选择合适的分割阈值，将影像分为道路点和非道路点。然后去除较小物块，使用膨胀算法填充微小的空洞，最后使用细化算法提取出道路网。实验结果表明，本文提出的方法具有较高的提取精度，能够较好地分开地面上的道路点和非道路点，具有较好地效果，可用于快速更新城市道路信息。

参考文献：

[1]HU Jiuxiang.Road network extraction and intersection detection from aerial images by tracking road footprints[J]. Geoscience and Remote Sensing,IEEE Transactions on 45.12 (2007)：4144-4157.

[2]韦春桃,吕健刚,杨先武，等.一种利用方向模板的遥感影像道路提取方法[J].桂林理工大学学报,2010,30(3):378-383.

[3]赵晓锋.高分辨率遥感影像城区道路提取方法研究[D].武汉：华中科技大学,2010.

[4]李峰，崔希民，刘小阳，等.机载LiDAR点云提取城市道路网的半自动方法[J].测绘科学，2015，40(2)：88-92.

[5]向晶,周绍光,陈超.基于改进高斯混合模型的遥感影像道路提取[J].测绘工程,2014,23(3):42-45.

[6]林祥国，田雷，王家民，等.改进角度纹理特征提取高分辨率遥感影像带状道路[J].测绘科学，2015，40(5)：55-59.

[7]付晓,严华,贺新.基于遥感图像的河流提取方法及应用研究[J].人民黄河,2014(3):10-12.

[8]徐涵秋,杜丽萍.遥感建筑用地信息的快速提取[J].地球信息科学学报,2010(4):574-579.

[9]李靖涵，武芳，巩现勇,等.居民地增量更新中方向一致性评价方法研究[J].测绘科学技术学报,2014(6):641-646.

[10] 韩思奇,王蕾.图像分割的阈值法综述[J].系统工程与电子技术,2002,24(6):91-94.

[11] 徐勇,周绍光,施海亮，等.基于长度和方向一致性的IKONOS图像城市道路提取方法研究[J].遥感信息,2007(3):58-61.

[责任编辑：李铭娜]

Extraction of road network from sensing image based on the consistency of gray and the orientation coherence

MA Fuxun1，XU Nan2，XI Ruijie3，ZHAI Ran4

(1.Research Center of GNSS,Wuhan University,Wuhan 430079,China；2.Center of Earth System Sciences，Tsinghua University,Beijing 100084,China;3.School of Geodesy and Geomatics,Wuhan University,Wuhan 430079，China;4.Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100049,China)

Abstract：Road network extraction from remote sensing image is a classic problem.According to the roads’ consistency of gray scale and orientation coherence of remote sensing image,this paper proposes a new method of road network’s extraction from remote sensing images.Firstly,in order to get the basic outline of the road network,this paper establishes a gray and orientation coherence criterion segmentation model by means of gray scale and directional variance information of remote sensing image.Because the road network outline exists non-road points,holes and cracks,this paper uses the methods of expansion,corrosion and others to remove clutter blocks.Finally, this paper uses the mathematical morphological operation to extract road network.The result shows,this extraction of road network method can be applied to the complex urban remote sensing image including roads,buildings,plants and other objects,and can obtain good effect of road extraction.

Key words：road network；remote sensing image；orientation coherence；segmentation

DOI:10.19349/j.cnki.issn1006-7949.2016.09.003

收稿日期：2015-04-29；修回日期：2015-05-30

基金项目：国家自然科学基金资助项目(41374033)

作者简介：马符讯(1992-)，男，硕士研究生.

中图分类号：F291.1

文献标识码：A

文章编号：1006-7949(2016)09-0012-03