基于反向菱形拉普拉斯模板遥感影像道路增强方法研究.docVIP

基于反向菱形拉普拉斯模板遥感影像道路增强方法研究 　　摘 要：道路空间信息增强是道路提取中的重要方法之一，拉普拉斯卷积滤波作为增强地物边缘线性信息的一种方法在道路增强处理中被广泛使用。因此，着重分析并发现在标准拉普拉斯算子处理时相邻像元间的相关性等方面存在缺点，在此基础上改进并提出了反向菱形拉普拉斯算子模板。经理论与实际检测对比，反向菱形模板能对各个方向的道路都增大其与背景的灰度差，并达到较好的道路边缘连续平滑效果，同时减少道路内部的孔隙，对道路的增强精确度上升约8.67%。 　　关键词：遥感影像；道路增强；拉普拉斯算子；卷积运算；反向菱形拉普拉斯算子；空间线性特征增强 　　1 概述 　　从上个世纪七十年代起，国外利用遥感影像对道路进行提取的研究便已开始。相比于传统实地考察，利用遥感影像进行道路提取的更省时省力，制作周期更短，制作结果更精确。目前对于道路进行增强提取的方法可分为两类：基于频率域的增强提取和基于空间域的增强提取[1]。从材质以及光谱特征上看，由于建筑物和道路相似，从其反射波谱的特征来区分时会产生较大干扰；利用道路的发射波谱特点，也可以在黎明前的热红外图像上将道路明显区分出来，但是对水泥道路有一定的限制。另一方面，从遥感图像上看，道路具有连续的线性空间分布特征，除了孤立的噪声点和地物外，每个点的灰度值与该点周围的灰度值都很接近，这是交通类地物所特有的人造地物特征，因而拉普拉斯卷积滤波是目前常用的增强方法[2]。由于低分辨率的遥感影像不能提取细小的道路状况，整体对道路提取的完整度差，因而越来越多的道路提取都采用高分辨率的遥感影像[3]。本项目对于线性地物的增强拟采用拉普拉斯拉普拉斯算子滤波的方法，并根据其特点进行改进。 　　2 遥感影像道路提取原理 　　拉普拉斯算子是各向同性微分算子，具有旋转不变性[4]。其一维处理表达式为： 　　（1） 　　在二维情况下，拉普拉斯算子可以对不同走向上的轮廓在垂直方向上达到一维那样的锐化效果，其表达式为： 　　（2） 　　经前期实验得知，更大的标准模板并不能更好的提取道路，到11×11大小为止都能很好的将实验区道路提取出来，但是从5×5之后可目视出的冗余逐渐增多。因此以5×5大小的模板对道路提取的准确度更高，接下来以该大小模板进行研究。对于离散函数，其5×5大小的拉普拉斯算子定义为： 　　（3） 　　其对应模板为： 　　表1 标准拉普拉斯算子5×5模板 　　对于像元灰度值的计算，就是以一个固定的模板与对应位置的像元灰度值相乘求和，结果为该矩阵的中心像元输出灰度值。然后模板依次移动进行相同操作，最后输出运算处理后的结果。 　　由于拉普拉斯为微分算子，强调的是突出灰度值突变的部分，这将产生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图像[5]，这样会导致部分信息丢失。另外，高分辨率影像中道路所处的地物环境更为复杂，噪声多，由于标准拉普拉斯算子运算时对噪声极为敏感[6]，所以利用标准拉普拉斯算子模板处理图像不仅会增大道路边缘以及噪声的干扰，还会降低道路提取的精确度。 　　3 遥感影像道路拉普拉斯滤波增强方法研究 　　3.1 实验区 　　考虑到要检测各个方向上对道路增强的效果，本项目选择了长春市御花园的Google Earth截图作为研究区，其内部道路交错环绕，又含有一定程度的噪声，因此有利于接下来观察各个方向上的提取结果。如图1所示。 　　图1 研究区原始图像 　　由于图像为RGB彩色图像，后期处理需要单波段处理，因而首先对图像进行灰度平均处理。当红、绿、蓝（相同亮度）三基色混色时，人眼感受三基色的敏感度有所不同：绿光最亮，其次是红光，弱的是蓝光。所以采用加权法将真彩色图像转换为灰度图像。公式如下所示： 　　g=0.30R+0.59G+0.11B 　　灰度变换后图像如图2所示。 　　图2 灰度变换结果 　　3.2 标准拉普拉斯算子研究 　　3.2.1 直线型道路 　　对于标准拉普拉斯，从理想的直线型边缘处理结果上可以看到边界区分的很明显，而且分界线还保持着与原始图像一样的直线。当微小的改动灰度值时，处理后的图像就会在改动集中的地方发生较大的变动，如第二组表格中处理后边界上的灰度值从110左右突降到39，但是边界两侧的数值差距仍然很明显，所以分界线大体仍保持着直线形状。若理论灰度值的变动更大时，从第三组数据可以看出，处理后的分界线两侧在数值为32的像元位置非常不明显，处理后最佳的结果应为一侧为正数一侧为负数，但在这个像元分界点两侧却都是正数，很明显处理后的分界线不能保持直线。 　　同时，从第四组数据以及下面表格中的截图可以看出，实际图像上A处的像元灰度值处理后的变化也很明显，原图像直线型的分界线处理后发生弯曲。 　　由以上结果得出