加入空间纹理信息的遥感图像道路提取.docxVIP

加入空间纹理信息的遥感图像道路提取 摘要：由于道路与建筑物等其他不透水层存在光谱相似性，导致仅利用光谱信息进行道路提取的效果不佳。本文针对高等级城市道路目标，提出了一种加入空间纹理信息的 遥感图像道路提取方法。 首先，对图像进行空间自相关 Moran 指数计算，提取图像空间纹理信息，并将其加入到原始光谱 波段中；其次，通过建立知识模提取假设道路段，并对提取结果进行假设验证；最后，采用数学形态学的方法对验证后 的结果进行后处理。以空间分辨率为 0.1m 的航空影像为数据源，对本方法进行实验。实验结果表明，加入空间纹理信 息的遥感图像道路提取精度总体达到 88%，比不加入空间纹理的提取精度要提高约 5%。 关键词：空间纹理信息； Moran 指数；图像处理；假设验证；道路提取 中图分类号： TP751 文献标识码： A 道路作为现代化建设的基础设施，在人们日常生活和军事上都具有不可忽视的作用，所以从遥感图像上提取道路具有重要意义，它可以为城市规划提供参考，为地图更新提供数据，为国土资源管理提供依据，为抢险救灾提供指导。针对遥感图像道路提取问题，国内外很多专家和学者都开展了 相应的工作， Trinder 等人在高分辨率图像上提取道路段，并利用道路语义模型对漏提的道路段进行推理、连接，从而得到道路网提取结果。 Singh 等人利用自适应全局阈值和数学 形态学操作从高分辨率遥感图像中提取道路网。 Shi 等人运 用自适应邻域法和空间分析法在遥感图像中准确地提取道 路中心线。 Yuan 等人利用局部兴奋全局抑制振荡网络对遥感 图像进行分割，从而进行道路提取。 Sent-hilnath 等人通过归一化割算法从全色遥感图像中很好地提取出道路。 Miao 等人 提出了一种半自动化的道路中心线提取方法，该方法通过人工设置道路种子点，结合核密度估计和短程线法提取道路中心线。罗庆洲等人结合了道路的光谱特征和几何特征从影像 中很好地提取了道路信息。唐伟等人基于 Snake 模型的优势 及缺陷，提出一种高分辨率多光谱图像道路提取方法。以上方法中都用到了道路的光谱信息，但由于道路与建筑物等地物光谱相似性，从而影响道路提取精度。随着遥感技术的发展，高分辨率遥感图像包含了丰富的空间细节信息，使得地物的内部结构清晰可辨。这为加入空间纹理信息进行道路提取提供了数据基础。 本文针对上述问题，提出了一种加入空间纹理信息的遥感图像道路提取方法。将空间纹理信息加入到道路提取中，通过建立道路提取的假设和验证模型，基于知识的方法从遥感图像中提取道路。本方法适用于遥感图像中高等级城市道 路提取，具有较高的精度。 研究方法 本文在研究遥感图像中道路特征知识的基础上，将图像 的空间纹理信息加入到遥感图像道路提取中，通过知识模型 提取道路。主要包括纹理信息提取、道路提取（假设道路提 取和假设验证）和提取结果后处理 3 个主要步骤。具体流程 如图 1 所示。 1.1 空间纹理信息提取 纹理是指遥感图像中地物内部色调有规则变化形成的 一种影像结构。高分辨率遥感图像中包含着丰富的空间细节 信息，能够使地物内部结构更加清晰。为了解决道路和建筑 物等其他不透水层混淆问题，提高道路提取的准确性，本文 引入了空间纹理信息。采用空间统计（ Moran 指数）的方法 提取图像的纹理信息。首先利用主成分变化对多波段图像进 行分析， 然后利用 Moran 图像的空间纹理。其中，  指数对第一主分量进行统计， Moran 指数的定义如下：式中，  提取 xi 和 xj 分别指空间单元 i 和 j 的属性值，n 是指空间单元的个数， ωij  为空间权矩阵，表示空间单元  i 和  j 之间的影响程度。 1.2 基于知识的道路提取 道路在遥感图像中一般呈现：  1）宽度变化小；  2）与周 围背景存在一定的反差，表现出明显的边缘特征；  3）道路 内部总体灰度比较均匀； 4）道路对象具有较高的矩形度和 长宽比。本文在研究遥感图像中道路的特征表达与抽取基础 上，建立道路提取的知识模型（假设模型和验证模型） 。 道路特征知识定量表达的参数有亮度、 标准差、矩形度、 长宽比和面积等。通过研究道路在遥感图像上的表现特征， 本文选取亮度、 标准差建立道路提取假设模型， 选取矩形度、 长宽比和面积建立验证模型。其中道路假设模型定义如下： 式中， Hroad 是指假设道路， Broad 和 Sroad 分别为某对象的 亮度和标准差， b1 和 b2 是亮度阈值， s1 和 s2是标准差阈值。 针对某对象，当其亮度和标准差满足 Broad∈ [b1， b2]或者 Sroad∈ s1，s2]时，将其定义为假设道路段。 由于异物同谱现 象的存在，导致假设道路段中存在部分如车辆、房屋等虚假 道路目标。本研