基于数学形态学和相位编组SAR影像道路自动提取.pdfVIP

遥感信息 理论研奔 基于数学形态学和相位编组 SAR影像道路 自动提取 窦建方，陈鹰 (同济大学遥感与空间信息技术研究中心，上海 200092) 摘要：某些对光学图像有很好效果的边缘检测算子，对于 SAR 图像来说，由于其固有的斑点噪声的强烈影 响，效果不佳。为了从 SAR 图像上提取线特征，利用局部线特征检测线基元，为此本文提出一种改进的基于图像 统计信息的局部线特征检测方法，然后使用数学形态学去除内部空隙并细化得到道路段，将道路段进行相位编 组，进而 自动提取 出道路。 关键词 ：SAR 图像 ；边缘检测；数学形态学；相位编组 ；细化 中图分类号 ：TP79 文献标识码 ：A 文章编号 ：1000 (2)道路的方向变化慢，即没有剧烈的曲率变化； 1 引 言 (3)道路和背景有一定反差 ； 目前针对图像中的道路 目标进行 自动识别和提 (4)道路不会很短 ，多数之间存在连接 以形成 取是一个 国内外研究热点，有较多的理论和方法提 道路网络。 出。为了从遥感图像 中提取道路状线性特征 ，人们 考虑到 SAR图像 自身特性与算法的实用鲁棒 已经进行 了很多研究 ，总的来说 由两部分组成 ：一是 性 ，在对 SAR图像统计特性的基础上 ，结合公路形 通过计算 目标像素点周围一个小邻域内的强度值 ， 状线性特征，提 出路状特征检测算子。均值 比率 从背景中区分出直线上点的局部方法，如差分算子、 RoA (Ratio—of—Averages)算子比差分算子更适合于 Canny算子、零交叉算子等传统边界检测算子。这 SAR图像 的特征检测 。RoA算法是一种计算相邻 些算法在光学图像处理中取得 了良好效果 ，但是对 两区域的均值 比来确定 目标像素是否为边界点的算 于SAR图像而言，由于其 固有 的斑点噪声 的影响， 法 。设 R(z，)和 L(x，)分别为图像 (z，)点沿 使得处理效果不佳。专门针对 SAR图像道路中 自 某一方 向的左、右相邻区域 的平均灰度值 ，均值 比 动提取的方法并不多 ，主要有采用基于统计的道路 率 的估计为 几何模型的方法u卅 。二是引入某种关于被检测结 RoA(z，)一max{R(x，)／L(x，)， … 构的大范围先验知识 的全局方法 ，将第一类算法获 L(1z，)／R(z，v)} 得的线特征片段组成具有较大 空间跨度 的线性结 将 RoA(z，)与预先确定的阈值 T进行比较 ， 构 。这里应用 一种改进的基于图像统计信息的局部 如果满足 线特征检测方法，然后引入关于道路 的先验知识 ，并 RoA (z，) T (2) 利用相位编组 的方法 ，将局部线特征组织成较大线 则点(z，3，)为边界点 。由于这种方法利用的是 性结构 ，进而 自动提取出道路 。 相邻区域的强度均值，因此降低 了由于斑点噪声引 起的单个像素的强度波动 ，获得 比较可靠的结果。 2 SAR图像中道路提取算子结构模型 如何选取合适的阈值 丁以适应不同的场景是 根据 SAR图像统计特性分析与相关文献总结， 研究的主要方面。R．rouzi和 A．Lopes从数学上 SAR图像 中用到的道路典型特性有 ： 证明了可以获得-R0A(z，)的解析形式 ，这就为阈 (1)道路在图像上呈现低灰度条