光学遥感影像道路提取的方法综述(5)
受到边缘模糊及锯齿化的影响,道路线性边缘提取存在精度下降问题。鉴于此,Sengupta 等(2004)采用相位一致性方法增强道路边缘线强度,以此改善道路提取精度。而Sghaier 和Lepage(2016)引入结构特征模型(Huang等,2007),采用Beamlet 变换提取道路平行边缘,从几何纹理不同侧面对道路进行刻画识别。
总体来看,利用长度较大线段提取道路理论可行,但在影像中实际操作难度很大,这主要是因为卫星影像长线段特征难以提取(李畅和李芳芳,2013;戴激光等,2017;Cho等,2017)。
(3)路径形态学。路径形态学是一种形态学方法,其优势在于提取影像中长而窄的结构,这一特点满足道路的几何特征要求(Heijmans 等,2005),故很多学者将路径形态学方法应用于道路提取领域(Talbot 和Appleton,2007;Schubert 等,2016)。路径开运算通常是在二值影像上利用结构元素设定连接规则,按照规则将像素点连接成路径,然后剔除长度较小路径上的点。具体定义如下:在二值影像E 中定义一种连接关系:a?b,表明由a 到b 存在一条路径。其中,a 是b 的后继节点,b 是a 的前驱节点,符号“?”表明路径方向由a 到b。将这种连接关系和影像E 中所有像素点Ω结合在一起(Ω, ?),即可形成邻接图DAG(Directed Acyclic Graphs)。邻接图可以清晰地表达影像中像素的连接关系。
图6 结构元素及其邻接图Fig.6 Structural elements and their adjacency map
如图6所示,黑色部分为一种结构元素的两种表现形式(方向为S—N),灰色部分为该结构元素构成的邻接图。依据该方法,图7(b)给出了道路提取效果。对应图7(a)可以看到,虽然大部分道路已被提取出来,但受到遮挡(树木)、相似纹理(房屋)等因素导致的道路漏提、错提问题依然存在。
几何知识的运用是解决道路提取问题的有效手段,但问题在于道路影像边缘不清晰,这一问题在卫星影像体现最为明显,直接限制了线段在道路提取中的应用。另外路径形态学明显依赖于二值图像分割的结果,这也说明遮挡、相似纹理、影像模糊仍是运用几何知识面临的难点。
图7 路径形态学道路提取结果Fig.7 Road extraction result of path morphology
3.2.2 上下文知识
由于地物场景的复杂性和影像拍摄质量的不稳定性,研究学者发现很难完全依靠道路自身知识准确而完备地提取道路。因此一些学者转而考虑利用与道路相关的上下文知识,补充道路机器判读的证据。例如道路邻域的建筑物、树木和植被、路上的车辆和指示线、道路交叉口处的斑马线等均可作为道路提取的重要上下文知识(Mayer等,1997;Baumgartner 等,1999)。
目前城区大部分主干道两侧均有行道树,行道树与道路几何形态有相似之处,均表现出狭长特征。因此,分析树木的规律性分布,这将有助于进行道路提取(Shackelford 等,2003;李成范等,2009)。例如Karaman等(2012)提出一种融合多种模型的多波段高分辨率遥感影像道路提取方法,利用影像分割、边缘检测、结构分析、K-mean 聚类、植被分析(归一化植被指数和土壤调节植被指数)分别建立道路图,通过不同图的累计权重区分道路与非道路区域。而Grinias 等(2016)针对路面植被少的特点,将归一化植被指数引入道路种子点检测的过程中,并与面向对象道路提取方法的结合。斑马线是道路交叉口的重要标志,因此Herumurti 等(2013)基于斑马线检测结果,利用区域生长方法从高分辨率航空影像中自动提取道路。
上下文知识的运用可辅助解决道路提取过程中存在的难题,例如遮挡造成的道路断裂问题可通过车辆检测结果予以解决。但该方法存在先天性的不足,例如车辆、斑马线、行树等信息的提取属于地物识别问题,一方面增大了算法的复杂度,另一方面也受到上下文地物检测精度的影响,这些均是限制该类方法进一步发展的桎梏。
3.2.3 辅助知识
作为社会经济发展关注的焦点,道路在多个领域中均发挥非常重要的作用,因而针对道路的辅助知识必然广泛存在,例如以往获取的多源遥感数据、矢量数据、GPS数据、导航数据等。基于此思路,一些学者尝试利用辅助知识进行道路提取。
(1)多源遥感数据融合。单一遥感数据受到卫星类型、影像分辨率、成像时相、飞行高度等因素的制约,难以完备刻画道路目标,因而研究人员提出了多源遥感数据融合技术,以实现从不同尺度、角度、高度上对目标地物进行分析,实现数据优势的互补,从而为道路信息的提取提供帮助(Hu 等,2004;Kumar 等,2014;Rahimi 等,2015; Cheng 和 Weng, 2017; Coulibaly 等,2018)。例如基于多光谱遥感影像和全色遥感影像,傅罡(2014)提出了联合保持投影JPM(Joint Preserved Mapping)融合算法。该方法充分考虑了高维遥感影像道路的非线性特征,通过建立统一的模型,将多源、多尺度的道路几何特征和光谱特征进行有机的融合。
文章来源:《光学与光电技术》 网址: http://www.gxygdjs.cn/qikandaodu/2021/0622/593.html
上一篇:安科色选全球销量超台
下一篇:放大光学增强内镜在结直肠息肉诊疗决策中的应