光学遥感影像道路提取的方法综述(7)
随着光学遥感影像空间分辨率的快速提高,面向对象(Blaschke 等,2011,2014)逐渐成为地物识别中一个关键的方法。该方法将道路视为具有一定几何纹理规律性的区域,通过影像处理得到分割区域结果,利用分类及后处理方法完成对道路的提取。如图9所示为面向对象道路提取方法流程。
图9 面向对象道路提取方法流程Fig.9 Flowchart of object-oriented road extraction method
(1)影像分割。分割是面向对象方法中的初始步骤,也是决定道路提取精度的关键环节。目前最为简单易行的方法是阈值分割。阈值分割考虑影像道路与非道路区域间的整体纹理差异,选取合理阈值,确定影像中各像素点的区域归属,这是阈值分割法提取道路的基本思想(Raziq 等,2016)。但传统的阈值分割无法顾及空间关系,需要与其他方法结合运用。MeanShift 方法是一种非参数概率密度估计算法,在N维空间指定区域内寻找一系列离散点对应的概率分布函数局部极值(Yang 等,2003)。而在遥感影像中,道路呈现“暗—亮—暗”或“亮—暗—亮”的局部特征,即道路中心点是道路剖面方向灰度峰值或低谷。从统计学角度看,该峰值类似于概率分布极值,因此李华胜等(2015)提出一种将阈值分割和MeanShift 相结合的方法,该方法首先利用MeanShift 对遥感影像进行平滑和分割处理,将具有相同或相似灰度值的区域用灰度均值显示;其次,利用直方图来统计确定分割阈值,从而得到初始道路信息。
考虑到仅依靠几个阈值对影像进行分割,难以避免会出现过分割及欠分割问题,因此很多学者转向多尺度分割方法(Baatz 和Sch?pe,2000;Hu 等,2016)。多尺度分割具有自下而上(bottom-up)的特点,在确保同一分割单元内像元的匀质度最大,不同分割单元间异质性最大的前提条件下,采用区域合并方式完成影像分割。目前,该方法已广泛应用于道路提取领域(Li 等,2016a;Saba 等,2016;Maboudi 等,2017)。例如Maboudi 等(2016)利用引导式滤波消除路面影像纹理的不一致性,然后采用结合颜色与形状信息的多尺度模型对影像进行分割。
其他经典分割方法还包括模糊C 均值(Ameri和Valadan Zoej,2015)、图 分 割(Alshehhi 和Marpu,2017)、边缘分割(苗则朗 等,2013)、ISODATA算法(Miao等,2015)。
(2)影像分类。当实际场景中存在几何辐射特征与道路接近的河流、建筑物等目标地物时,分割方法难以将道路与非道路区域区分,此时需要采用分类方法对分割单元进一步处理。
道路具有突出的几何信息,因而面积滤波(Ameri 和Valadan Zoej,2015)、长宽比—线性特征指数LFI(韩洁等,2017)等几何参数可用于分割单元分类。例如Maboudi等(2016)首先采用一种改进的线性与面积比值方法剔除不满足道路几何阈值要求的分割单元,在此基础上利用结构、光谱、纹理特征提取道路。
影像分辨率的提高不仅提供了更多的颜色、形状、纹理信息,同时也给区分道路与其他地物带来了不确定性。模糊决策方法是采用模糊数学对目标模糊的对象系统做出定量决策的一种方法,很多学者尝试将这一理论方法应用于道路分类(Amini 等, 2002; Zhang 和Couloigner, 2006;Nikfar 等,2015)。例如,Maboudi 等(2018)基于分割区域线性指数(keleton based Object Linearity Index)、道路均一性指数(Spectral homogeneity)、曲率权重(Weighted Curvature)、曲率方差(Std Curvature)、光谱指数(NDVI、NDWI)等描述模型,构建不同指数隶属度函数,通过建立模糊规则对分割单元进行分类。
支 持 向 量 机SVM (Support Vector Machine)是解决分类问题的有效手段之一(Cortes 和Vapnik,1995),已大量应用于道路提取工作(Song 和Civco,2004;Inglada,2007;Huang 和Zhang,2009,2013)。其核心思想是通过核函数把数据非线性映射到高维特征空间,在高维特征空间中构造具有低维的最优分类超平面,然后通过综合考虑经验风险和置信范围,根据结构风险最小化原则SRM (Structural Risk Minimization),寻求期望风险最小的函数作为判别函数(朱恩泽等,2016)。
(3)后处理。分类仅能将不同分割单元赋予类别,而初始分割单元所导致的道路边界不清晰、黏连、断裂等问题依然存在。数学形态学能够进行图像形状和结构的分析及处理,有助于解决边界不清晰、空洞问题(Alshehhi 和Marpu,2017)。例如李华胜等(2015)对分类后道路提取结果展开面积阈值滤波、形态学开运算、孔洞填充、影像差与和等工作,以获取更加精确的道路提取结果。
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